西南大学 · 软件工程硕士研究生

我研究如何为随机系统合成可达—规避控制器,并给出可验证的概率保证。

在随机扰动下,系统既要到达目标区域,也要在此之前避开危险区域。我的工作关注怎样合成满足这一要求的控制器,以及怎样用形式化方法确定这一要求至少以多大概率成立。

研究之外,我也把科研、学习和内容处理中反复出现的问题做成自己会长期使用的软件。

Current work

目前在做。

读研以来,我的时间主要放在下面三项工作上。

研究方法流程
  1. 强化学习参考策略
  2. 稀疏多项式控制器
  3. 随机障碍类证书
  4. 可验证概率下界
Research

学习辅助的可达—规避控制器合成

我从强化学习得到的参考策略出发,构造便于验证的稀疏多项式控制器,再利用随机障碍类证书计算并迭代提高可达—规避概率的可验证下界。

Funded research

神经网络控制策略的形式化安全验证

我参与国家自然科学基金面上项目,研究基于多项式代数方法的神经网络控制系统安全验证。

Engineering

CBF-Rover:随机扰动下移动机器人安全控制系统

我独立完成系统建模、控制策略训练与安全约束设计,将证书反馈的控制器优化与机器人在线 CBF 动作修正结合,并通过批量扰动和障碍轨迹仿真检验闭环行为。

Updates

最近。

这里只记录近一年的论文与项目进展,最近更新于 。

  • 论文发表我的第一作者论文《Learning-Aided Reach-Avoid Controller Synthesis with Formal Guarantees for Stochastic Systems》已在 MEMOCODE 2026(ESWEEK 2026 会议周组成会议) 在线发表,原文入口见科研成果。
  • 期刊在投一篇关于贝叶斯神经网络控制策略安全保证的论文已投稿至 Formal Aspects of Computing;导师一作,本人二作。
  • 会议在投一篇关于随机系统可达—规避控制器合成与形式化概率保证的后续研究已投稿至 CCF A 类会议。
  • 项目成果2025 年 3 月至 2026 年 7 月独立开发 CBF-Rover,完成控制器优化、在线 CBF 修正与多场景仿真;研究侧概率下界与机器人闭环经验验证分别记录。
Beyond research

研究之外。

离开论文和代码时,我常常听音乐,也愿意花时间追问一件事为什么会这样运转。这个网站除了记录眼前的研究,也保留了我一路走来的学习、项目和一些重要节点。

十年以后当思我,举国犹狂欲语谁。
世界无穷愿无尽,海天寥廓立多时。