361 Arbeiten
Die Studie zeigt, dass feinabgestimmte kleine Sprachmodelle (SLMs) eine effiziente und genaue Lösung für die Echtzeit-Rollenklassifizierung in der Mensch-Roboter-Interaktion darstellen, wobei jedoch eine Leistungsverschlechterung bei One-Shot-Modi aufgrund von Kontextlängenbeschränkungen festgestellt wurde.
Die Arbeit stellt DRAFTO vor, einen neuen Algorithmus zur Trajektorienoptimierung für Roboterarme, der durch eine Entkopplung von reduzierten Räumen und adaptiver Reparatur der Machbarkeit sowie eine zweiphasige Akzeptanzregel hohe Effizienz und Zuverlässigkeit in komplexen Manipulationsaufgaben gewährleistet.
Die Arbeit stellt TATIC vor, ein einheitliches Framework, das durch die Kombination von Drehmoment-basierter Kraftschätzung und einem aufgabenbewussten temporalen Faltungsnetzwerk (TCN) in der Mensch-Roboter-Kollaboration aus kurzen physischen Korrekturen sowohl diskrete Aufgabenabsichten als auch kontinuierliche Bewegungsparameter ableitet, um eine robuste und adaptive Roboterkontrolle zu ermöglichen.
Der Artikel untersucht den Einfluss der Parametereinstellung auf die Konvergenz eines modifizierten Ameisenkolonie-Algorithmus zur Optimierung der hierarchischen Struktur eines industriellen verteilten Steuerungssystems und gibt Empfehlungen für das Tuning, um optimale Ergebnisse zu erzielen.
Diese Arbeit erweitert das Rahmenwerk der irreversiblen Port-Hamiltonschen Systeme auf eindimensionale, nicht-entropische Fluidsysteme mit viskoser Dissipation, indem sie konvektiven Transport durch modifizierte Differentialoperatoren konsistent einbindet und eine parametrisierte Randsteuerung entwickelt, die die ersten und zweiten Hauptsätze der Thermodynamik erfüllt.
Dieses Papier stellt einen adaptiven Algorithmus für die Multi-Robot-Multitask-Coverage vor, der mittels eines multitask-Gauß-Prozess-Frameworks unbekannte sensorische Anforderungen lernt und sublineares kumuliertes Regret garantiert.
Diese Arbeit erweitert irreversible port-Hamiltonianische Systeme auf N-dimensionale, randgesteuerte verteilte Parameter-Systeme für Konduktions-Diffusions-Phänomene und bietet einen thermodynamisch konsistenten Rahmen für die Modellierung und Steuerung komplexer Mehrphysik-Prozesse.
Diese Arbeit stellt eine verteilte Kalman-Konsens-Filterung für die Mehrzielverfolgung in mobilen Roboternetzwerken vor, die durch eine adaptive Unsicherheitsgewichtung und eine Rahmenausrichtungsmethode die Fusion heterogener Lokalisierungsdaten verbessert und so die Tracking-Genauigkeit trotz lokaler Drifts erhöht.
Diese Arbeit leitet Bedingungen für die Erhaltung starker Kontraktivität bei der Diskretisierung infinitesimal kontrahierender Systeme durch Multi-Stage-Runge-Kutta-Verfahren ab und erweitert damit bestehende Ergebnisse von schwacher auf starke Kontraktivität bezüglich verschiedener Normen, einschließlich der Eindeutigkeit der Lösung impliziter Gleichungen.
Die Arbeit stellt SliceFed vor, ein neuartiges Framework für federiertes, eingeschränktes Multi-Agenten-Deep-Reinforcement-Learning, das durch die Kombination von Lagrange-Primal-Dual-Methoden mit Proximal Policy Optimization und Federated Averaging eine sichere und effiziente dynamische Spektrumsslicing-Steuerung für 6G-Netze ermöglicht, die strenge URLLC-Latenzanforderungen erfüllt und den Datenschutz wahrt.
Die Arbeit stellt KProxNPLVM vor, ein neuartiges probabilistisches latentes Variablenmodell, das durch die Verwendung des Wasserstein-Abstands als Proximal-Operator die durch amortisierte Inferenz verursachten Approximationsfehler überwindet und so die Genauigkeit von Soft-Sensoren in industriellen Anwendungen verbessert.
Diese Arbeit schlägt ein ISAC-gestütztes, dynamisches Koordinationsschema für mehrere UAVs vor, das durch die gemeinsame Optimierung von Flugbahnen, Bandbreitenzuweisung und Basisstationszuordnung die präzise Erfassung mobiler Ziele in der Low-Altitude Economy unter Einhaltung von Kommunikationsanforderungen ermöglicht.
Diese Arbeit stellt einen hybriden Zonopen-basierten Ansatz vor, der exakte Vorwärts- und Rückwärts-Erreichbarkeitsmengen für geschlossene RNN-Systeme mit ReLU-Aktivierungsfunktionen berechnet und durch eine skalierbare Relaxierungsmethode einen kontrollierbaren Kompromiss zwischen Rechenaufwand und Approximationsgenauigkeit ermöglicht.
Diese Studie stellt einen effizienten Multi-Agenten-Deep-Reinforcement-Learning-Ansatz vor, der mit virtuellen Ankerknoten koordinierte UAVs zur präzisen Lokalisierung von Methanquellen und zur Überwindung der Grenzen traditioneller Suchmethoden einsetzt.
Die vorgestellte Arbeit schlägt ein neues System für verdeckte Kommunikation mit rotierenden Antennen vor, bei dem durch die gemeinsame Optimierung von Sendestrahlformung und Antennenrotationswinkeln mittels eines alternierenden Optimierungsalgorithmus die Übertragungsrate maximiert und gleichzeitig die Entdeckungswahrscheinlichkeit durch mehrere Wächter minimiert wird.
Die Arbeit stellt eine optimierte C++-Implementierung des QPALM-OCP-Algorithmus vor, die die spezifische Struktur von Optimalsteuerungsproblemen nutzt, um durch Parallelisierung und Vektorisierung die Recheneffizienz signifikant zu steigern.
Diese Studie stellt einen probabilistischen Rahmen vor, der auf quantilregressionsbasierten Modellen beruht, um dynamische thermische Schutzsettings für Verteiltransformatoren vorherzusagen und so durch eine risikobewusste Anpassung der Betriebsparameter eine Kapazitätssteigerung von 10–12 % bei gleichzeitiger Gewährleistung der thermischen Sicherheit zu erreichen.
Dieser Artikel stellt eine Notfall- und frequenzbewusste Planungsmethode für HGÜ-Leitungen in asynchron gekoppelten Mehrbereichsnetzen vor, die durch die Entwicklung eines koordinierten Notfall-Frequenzregelungskonzepts und die Extraktion von Sicherheitsbeschränkungen mittels eines gewichteten schrägen Entscheidungsbaumverfahrens eine optimale Kapazitätsauslegung unter Berücksichtigung wirtschaftlicher und sicherheitstechnischer Anforderungen ermöglicht.
Diese Arbeit stellt einen robusten, parametrischen MPC-Ansatz für das Microgrid-Dispatch vor, der die endogene Unsicherheit temperatur- und betriebsabhängiger Batteriedegradation durch ein auf XGBoost basierendes probabilistisches Modell und eine langfristige Simulation der Wechselwirkungen zwischen Degradation und Dispatch berücksichtigt, um einen optimalen Kompromiss zwischen Betriebskosten und Batterielebensdauer zu finden.
Die Arbeit stellt einen algebraischen Rahmen für die approximative Modellreduktion von Markovschen offenen Quantensystemen vor, der durch Projektion auf die Zentralfaltung oder störungstheoretische Methoden eine vollständig positive und spur-erhaltende Dynamik garantiert und dabei Fehlerabschätzungen sowie Verbindungen zur adiabatischen Elimination herstellt.