在机电系统的参数辨识中，激励信号是否包含充分信息直接决定辨识精度。然而，经典的系统辨识（SI）方法通常依赖专家经验手工设计激励信号，并需人为确保信号满足硬件安全约束，这限制了方法的通用性。针对这一问题，来自Julian Langschwert、Georg Schaefer、Jakob Rehrl、Stefan Huber和Simon Hirlaender的研究提出了一种强化学习（RL）智能体，让智能体自主学习最优激励信号，同时通过奖励塑造（reward shaping）机制自主执行安全约束。
研究团队在Quanser Aero 2测试台上对所提方法进行了评估。实验采用10个独立的训练种子，以检验智能体在不同初始化条件下的稳定性。结果显示，该综合智能体在所有三个被辨识参数上均取得了有竞争力的估计精度，并且整体表现优于经典基线方法。更为关键的是，在追求高辨识精度的同时，智能体仅产生0.75%的安全违规，表明奖励塑造能够有效引导学习过程在安全边界内探索。
该工作的核心贡献在于将实验设计问题转化为强化学习任务，使智能体从与环境的交互中直接学习如何生成信息丰富的激励信号，而无需依赖专家手工设计。这种方法有望降低系统辨识对领域知识的依赖，并提升方法在不同硬件平台上的可迁移性。作者在摘要中指出，经典方法因需要手工设计信号而限制了通用性，而强化学习途径能够自动权衡信息量与安全性。
该论文被DEXA AI4IP 2026接收，归类于机器人学（cs.RO）与机器学习（cs.LG）交叉领域。论文于2026年5月19日提交至arXiv，编号为arXiv:2606.00059v1，全文共16 KB。尽管摘要未披露网络结构、奖励函数具体形式以及训练超参数等细节，但其在真实测试台上的实验结果表明，强化学习在机电系统辨识的实验设计方面具有实际应用潜力。未来工作可进一步考察该方法在更复杂系统、更多参数耦合情形以及不同安全约束下的泛化能力。