神经网络学习悬停。时间延迟？

我正在深入研究神经网络的机器学习，并在阅读部分理论和研究 torch 后，现在想使用神经网络学习简单直升机在参考高度处悬停所需产生的推力。

我有控制背景，并且知道通常不会使用神经网络或机器学习来完成此任务，但我认为这是一个很好的首要任务。

我想到我所需要的只是一个简单的线性回归（在 NN 形式中），以学习将测量高度映射到推力的函数（在参考高度处产生完全正确的推力以抵消重力）。

但这已经看起来有点复杂了。假设我有一个简单的动态模拟器，并且我每 fs Hz 收到一个高度测量值。我在我的模型上进行一次前向传播（请参见下面的模型代码）以计算模型的推力。到目前为止都很好。但是，效果不会立即可见，因此使用当前测量值还执行损失函数的前向和后向传播似乎不是正确的方法。或者说？

因此，最终的问题是：我所提出的简单线性回归是否能够解决所述问题，还是我需要使用更复杂的东西来捕获模型的“响应时间”。

require 'torch'
require 'nn'

local model = nn.Sequential()
model:add(nn.Linear(1, 1)) -- 简单的线性回归，一个输入（测量高度）和一个输出（推力）

local criterion = nn.MSECriterion -- 简单的均方误差损失函数

heigh_ref = 1

function height_measurement_callback(height_meas)
    local thrust = model:forward(height_meas)

    criterion:forward(height_meas, heigh_ref) -- ??
    local grad = criterion:backward(height_meas, heigh_ref) -- ??
    model:backward(height_meas, grad) -- ??

    return thrust
end