- 现有研究将**信息年龄(Age of Information, AoI)** 的均值或峰值作为网络化控制系统性能的替代指标，但这一做法多基于直觉而非严格的**控制理论(control theory)** 推导
- 核心问题：最小化平均AoI是否真正最优？相同平均AoI的不同调度策略是否会导致不同的闭环控制成本？
- 研究背景：AoI在无线更新系统中被广泛用于衡量信息新鲜度，但其与**线性二次型调节器(Linear Quadratic Regulator, LQR)** 控制性能之间的精确关系尚不明确
- 针对标量**线性时不变(Linear Time-Invariant, LTI)** 系统，在存在延迟间歇更新的条件下，假设采用**状态无关调度策略(state-independent scheduling policy)**，将无限时域LQR跟踪问题转化为关于**调度间隔分布(distribution of inter-scheduling intervals)** 的优化问题
- 推导出优化目标函数依赖于调度间隔分布的**高阶统计矩(higher-order statistical moments)**，在非稳定或相关情形下进一步依赖于**指数矩(exponential moments)**
- 将分析扩展到具有**指数衰减自相关(exponentially decaying autocorrelation)** 的扰动场景，推导出等效成本公式，显式揭示了完整间隔分布的作用
- **理论突破**：首次从控制理论角度严格证明最小化平均AoI并非网络化LQR控制的最优准则，纠正了领域内长期依赖直觉的常见假设
- **分布感知( Distribution-Aware)**：明确指出调度策略的完整分布（特别是高阶矩和指数矩）对控制成本有决定性影响，而不仅仅是均值
- **对比发现**：相同平均AoI的不同调度策略可导致显著不同的跟踪成本，这一发现为控制导向的网络设计提供了全新视角
- 为**网络化控制系统(networked control systems)** 的设计提供了新的理论指导：必须考虑调度间隔的完整分布，而非仅关注平均AoI
- 通过**实际车辆轨迹数据(NGSIM US-101 dataset)** 验证了理论预测，证明了平均AoI不足以保证控制性能
- 推动了**信息年龄理论(age of information theory)** 在控制领域的严谨应用，为未来设计**控制感知(control-aware)** 的调度策略奠定了基础