361 Arbeiten
Diese Arbeit stellt einen Ansatz vor, der Graph-Filter verwendet, um die Konvergenz von ergodischen Mittelwerten in reversiblen Markov-Ketten zu optimieren, wobei die Chebyshev- und Legendre-Filter eine deutlich schnellere Konvergenz als das traditionelle ergodische Mittel erreichen.
Dieser Beitrag stellt einen Ansatz vor, der durch die Erweiterung von LTL-Spezifikationen um zeitliche und schwerewegsbezogene Risikomaße sowie die Formulierung als lineares Optimierungsproblem autonome Fahrzeuge befähigt, menschähnliche Risikoabwägungen zwischen Kollisionsgefahren und Verkehrsregelverstößen zu treffen.
Diese Studie liefert notwendige und hinreichende Bedingungen für die Eingangs-zustands-Stabilität (ISS) impulsiver geschalteter Systeme mit stabilen und instabilen Modi, indem sie zeitvariante ISS-Lyapunov-Funktionen unter weniger restriktiven Schaltbedingungen einführt und eine Methode zur Konstruktion einer abnehmenden Lyapunov-Funktion sowie einen Ansatz für unbekannte Schaltsignale bereitstellt.
Die Arbeit stellt C* vor, einen neuartigen, auf Rapidly Covering Graphs basierenden Algorithmus zur Echtzeit-Abdeckung unbekannter Umgebungen, der durch effiziente Sampling- und Pruning-Techniken vollständige Abdeckung garantiert und in Simulationen sowie Experimenten gegenüber bestehenden Methoden signifikant bessere Ergebnisse in Bezug auf Abdeckungszeit, Trajektorienlänge und Vermeidung von Lücken erzielt.
Das Paper stellt LUCIFER vor, ein Inferenz-basiertes Middleware-System, das durch einen Signal-Vertrag natürliche Sprachupdates in entkoppelte, entscheidungsrelevante Signale übersetzt, um die Diagnosefähigkeit zu verbessern und die Sicherheit sowie Effizienz autonomer Systeme in dynamischen Umgebungen wie der Suche und Rettung zu erhöhen.
Diese Studie analysiert die Robustheit von Reinforcement-Learning-Policies, indem sie interne synaptische Filterung und externe adversarische Angriffe kombiniert, um Parameter als fragil, robust oder antifragil zu klassifizieren und damit die Grundlage für widerstandsfähigere RL-Systeme zu schaffen.
Diese Arbeit stellt ein sensorloses, 4-Kanal-bilaterales Teleoperationsverfahren für kostengünstige Manipulatoren vor, das durch eine störungsbeobachterbasierte Schätzung von Geschwindigkeit und externen Kräften stabile Kraftrückkopplung auch bei hohen Geschwindigkeiten ermöglicht und nachweislich die Erfolgsrate beim Imitationslernen verbessert.
Die Arbeit stellt CBF-RL vor, ein Framework, das Control Barrier Functions direkt in das Reinforcement-Learning-Training integriert, um sichere Strategien zu erlernen, die auch ohne nachgeschaltete Online-Sicherheitsfilter robust in realen Anwendungen wie der Unitree G1-Humanoiden-Roboterplattform operieren können.
Die Arbeit zeigt, dass bestehende Abwehrmechanismen gegen Control-Flow-Hijacking-Angriffe in Multi-Agent-Systemen aufgrund grundlegender Zielkonflikte und unvollständiger Kontextsicht umgangen werden können, und stellt darauf aufbauend ControlValve vor, eine neue Verteidigung, die auf dem Prinzip der Control-Flow-Integrität basiert und die Ausführung durch generierte Graphen sowie kontextuelle Regeln erzwingt.
Dieses Paper stellt TEMPO-VINE vor, den ersten multimodalen öffentlichen Datensatz mit Echtzeit-Sensordaten aus verschiedenen Weinbergen, der speziell entwickelt wurde, um die Forschung zu Sensorfusion, SLAM und Ortung unter realen und sich verändernden landwirtschaftlichen Bedingungen zu fördern.
Diese Arbeit stellt einen mechanisch robusten, bimorphen PMUT auf Basis von 20 µm dicken, periodisch gepolten Lithiumniobat-Filmen vor, der durch optimierte Geometrie eine hohe elektromechanische Kopplung erreicht und eine außergewöhnliche Temperaturbeständigkeit bis zu 600 °C bei stabiler Funktion sowie bis zu 900 °C beim Überleben demonstriert.
Dieses Paper stellt eine rechnerisch effiziente Methode zur Mollifikation vor, die nicht-differenzierbare Wegpunkte in glatte, ausführbare Pfade mit garantierter Krümmungsgrenze umwandelt und somit Echtzeit-Anwendungen auf Mikrocontrollern für nicht-holonome Roboter ermöglicht.
Dieses Paper stellt einen effizienten Algorithmus vor, der unter Verwendung von partiellen Gröbner-Basis-Berechnungen und dünnbesetzter Interpolation eine vereinfachte Erzeugendensmenge für rationale Funktionenkörper findet und damit sowohl in der Leistungsfähigkeit als auch in der Ergebnisqualität den aktuellen Stand der Technik verbessert.
Diese Arbeit stellt einen neuartigen, unendlich-dimensionalen Ansatz für die geschlossene Regelkreis-Inverse Kinematik (CLIK) bei weichen Robotern vor, der differenzierbare neuronale Operatoren nutzt, um die Abbildung von Aktuation auf die Robotergestalt zu erlernen und so die Steuerung unteraktuatorischer Systeme durch die Berücksichtigung der gesamten Form im Aufgabenraum zu ermöglichen.
Diese Arbeit stellt einen Rahmen für die optimale Echtzeit-Fusion von Zeitreihendaten unter Rényi-Differentialprivacy vor, bei dem ein fusionierter Ausgabeprozess und ein Zustandsabschätzer gemeinsam optimiert werden, um den Schätzfehler unter Einhaltung eines privaten Budgets zu minimieren, was in einer Fallstudie zur Verkehrsdichteschätzung erfolgreich demonstriert wird.
Dieser Beitrag stellt ein System-of-Systems-Konvergenzparadigma vor, das auf SysML und einer Meta-Kognitionskarte basiert, um durch die Integration von Beobachtungen, Systemdenken, Visualisierung, Mathematik und Informatik disziplinäre Silos bei der Bewältigung komplexer gesellschaftlicher Herausforderungen des Anthropozäns zu überwinden, was anhand eines Fallbeispiels im Einzugsgebiet der Chesapeake Bay veranschaulicht wird.
Dieser Beitrag stellt eine Dual-Interaction-Aware Cooperative Control (DIACC)-Strategie vor, die mittels Multi-Agenten-Reinforcement-Learning und spezifischer Module zur Unterscheidung zwischen kooperativen und beobachtenden Interaktionen die Stauentlastung in gemischtem Verkehr mit autonomen und menschlich geführten Fahrzeugen verbessert.
Die Studie stellt AMV-L vor, ein Framework für das lebenszyklusgesteuerte Speichermanagement von LLM-Agenten, das durch wertbasierte Promotion und Entlassung sowie eine auf die Arbeitsmenge beschränkte Suche die Tail-Latenz und den Durchsatz in langlaufenden Systemen im Vergleich zu herkömmlichen TTL- und LRU-Ansätzen signifikant verbessert.
Die Autoren stellen einen risikobewussten Formalismus vor, der die Bewertung von Systemtrajektorien unter Unsicherheit durch explizite Modellierung der Wechselwirkungen zwischen System und Umwelt ermöglicht, komplexe Zielkonflikte systematisch handhabt und eine konsistente Präferenzordnung für die autonome Fahrzeugsteuerung sicherstellt.
Diese Arbeit stellt ein gemeinsames Architekturkonzept für sichtbare Licht- und RF-Rückstreukommunikation in ambienten IoT-Netzen vor, das fundamentale Prinzipien, praktische Anwendungen und experimentelle Nachweise für batteriebetriebene Geräte zusammenfasst und einen Fahrplan für zukünftige Forschungsrichtungen aufzeigt.