2023 年American Control Conference （ACC） 于 2023 年 5 月 31 日至 6 月 2 日在美国加利福尼亚州，圣地亚哥圣地亚哥海湾希尔顿酒店举行。ACC是美国自动控制委员会（AACC）的年度会议，作为世界范围内知名度很高的控制领域会议，每年都有众多知名专家学者前来参加。作为ACC2023收录文章Decentralized Formation Control With Prescribed Distance Constraints and Shape Uniqueness 的第二作者，受邀参加此次ACC2023会议感到很荣幸。本人汇报session为快速互动（RI）会议，RI 会议由两部分组成。首先，十位演讲者中的每一位将进行三分钟的演讲，然后过渡到下一位演讲者一分钟。在所有演示之后，所有演讲者将转到他们指定的电视屏幕，以显示他们的海报，用于持续会议剩余时间的互动部分。
我的汇报日期在5月31日，三分钟简要介绍阶段我准备了一分半的演讲和视频讲解，等该会场所有演讲结束后就到了50分钟的海报展示环节。我们的研究针对多智能体系统（MAS）形成问题，提出了一种新颖的分散控制协议，能够保证形成队形的独特性，并限制邻近智能体之间的间距在预定范围内。所提出的控制法则是分散化的，即每个智能体仅使用与其邻居有关的本地信息来计算控制输入。通过精心设计的增益矩阵，我们避免了分散式形成方法中存在的形状不唯一性问题，特别是距离为基础的方法。同时，我们还解决了许多实际情况下所需的距离约束，如连接维护和碰撞避免等。此外，在通信图上的较少约束条件下，我们对形成的收敛性进行了严格证明。在海报展示期间，与对我的项目有兴趣的专家学者进行探讨，详细的介绍了论文内容与实验设计，并向其介绍了上海科技大学。
5月30日，作为系统辨识领域专家的S.L.Brunton教授，此次受举办方邀请来做汇报，这是难得与大佬近距离接触的机会，他生动的介绍了Sparse Identification of Nonlinear Dynamical(SINDy)方法从原理到构建再到应用，针对如何与先进控制方法结合也做了如何计算如何使用都进行了举例说明，场下的提问也都一一进行了回答，听完十分受益匪浅，深切地感受到了他作为该领域开拓者的魅力与深厚的学术功底，对我们的研究也将有启发作用。
此外还参加了Workshop on Intersections between Policy Optimization, Reinforcement Learning, and Feedback Control，六位相关领域专家在此介绍了各自对强化学习（RL）与控制相结合的看法和个人的最新研究。RL最近在广泛的应用中表现出令人印象深刻的性能，从掌握围棋游戏到复杂的机器人操作。强化学习成功的关键是PO的算法框架，其中将观察映射到操作的策略被参数化并直接优化，以提高系统级性能。一方面，PO为基于学习的控制设计提供了一种简化的实用方法。例如，PO为解决复杂的非线性动力学和基于感知的控制提供了一个通用范式：对于涉及复杂非线性动力学和高维图像观察的任务，可以将从像素到动作的映射参数化为神经网络，并使用PO形式学习相应的策略。另一方面，尽管具有通用性和灵活性，但对照合成的PO公式通常是非凸的，因此难以获得强有力的理论保证比如来自哈佛大学的Na Li教授讲解了自己实验室正在进行通过使用当今比较前沿的Data Driven方法如DMD，Koopman方法等等去识别模型未知的系统即黑箱系统，然后使用识别出来的系统模型作为控制模型去施加一些先进控制方法比如MPC，LQR，LQG等等，以此来实现对未知复杂系统的控制。
该会议以控制，机器学习，通信等为主题有多个专场会议，再聆听不同领域专家讲解的过程中十分开拓眼界，对于当下学习的内容又有了更多看法，在于学者们的交流中也感受到了自己的不足，对知识的渴求也变得更加热切。
参加此次学术会议，确实是一次收获颇丰的经历。在会上，我深入了解了当前控制领域的前沿研究。尤其是通过听取其他专家学者的报告和交流，我深刻认识到了先进控制的可行性和重要性。同时，此次会议也让我更清晰地了解了自己的研究方向和不足之处。我认为，参加学术会议是一种宝贵的学习和交流机会，不仅可以开拓视野和增长知识，还能提高自己的学术素养和能力。相信我将继续努力，为控制领域做出更多的贡献。
沪公网安备 31011502006855号
