321 Arbeiten
Die vorgestellte Arbeit zeigt, dass ein rotierendes Gleichgewicht bei der kollaborativen Transport von an Seilen hängenden Lasten durch die Nutzung von Zentrifugalkräften für die horizontale Spannung ermöglicht, dass die Drohnen rein vertikalen Schub erzeugen können, was den Energieverbrauch im Vergleich zu statischen Ansätzen um bis zu 20 % senkt.
Dieser Artikel stellt ein SISA-basiertes Machine-Unlearning-Framework vor, das die Lokalisierung von Kurzschlussfehlern in Transformatorwicklungen ermöglicht und durch gezieltes Neutrainieren betroffener Daten-Shards die Auswirkungen vergifteter Trainingsdaten effizient beseitigt, ohne das gesamte Modell neu trainieren zu müssen.
Diese Studie stellt einen topologiebewussten Reinforcement-Learning-Ansatz vor, der Persistenzhomologie nutzt, um die Widerstandsfähigkeit von Stromverteilungsnetzen bei Ausfällen durch optimierte Netzumschaltung und Lastabwurf zu erhöhen.
Diese Arbeit stellt einen kommunikationsbewussten Rahmen vor, der Routing-Beschränkungen mit einer Matrix-Vervollständigungsmethode kombiniert, um die Genauigkeit der Wiederherstellung fehlender Messdaten in Verteilungsnetzen unter Kommunikationsausfällen signifikant zu verbessern.
Diese Arbeit stellt ein benutzerfreundliches Framework vor, das es Wissenschaftlern ermöglicht, mit Hilfe von LLM-gestützter Skripterstellung auf handelsüblicher Hardware animierte 3D-Darstellungen petaskaliger, zeitvariabler Klimadaten zu erzeugen und dabei die Abhängigkeit von spezialisierten Infrastrukturen sowie die Datenübertragungszeiten erheblich zu reduzieren.
Das Paper stellt GuideTWSI vor, einen umfassenden Datensatz für taktile Leit- und Warnsysteme, der synthetische und reale Bilder kombiniert, um die geografischen und geometrischen Beschränkungen bestehender Daten zu überwinden und so eine zuverlässige Navigation für blinde und sehbehinderte Menschen zu ermöglichen.
Diese Arbeit stellt ein neues, verteilungsfreies Framework für die robuste Trajektorienoptimierung nicht-gaußscher stochastischer Systeme vor, das konforme Inferenz nutzt, um durch statistisch validierte Kontraktionsbedingungen und Konfidenzmengen garantierte Chance-Constraint-Einhaltung ohne übermäßig konservative Annahmen zu ermöglichen.
Diese Arbeit stellt einen auf dem ADMM-Verfahren basierenden verteilten modellprädiktiven Regelungsansatz vor, der die kollaborative Fortbewegung und Manipulation schwerer Lasten durch ein Team von Laufrobotern mit Manipulatoren in komplexen Umgebungen durch effiziente Zerlegung des globalen Optimierungsproblems in parallele Teilprobleme ermöglicht.
Dieser Tutorial-Artikel bietet eine anwendungsorientierte Einführung in gestützte Inertialnavigationssysteme, indem er eine geometrische Formulierung auf Basis der verallgemeinerten Special-Euclidean-Gruppe SE₂(3) verwendet, um die Fusion von Inertialmessungen mit Hilfsdaten unter expliziter Berücksichtigung von Invarianz und Symmetrie zu erläutern und dabei moderne Erweiterungen wie äquivariante Filtermethoden vorzustellen.
Diese Arbeit stellt ein Fahrzeug-zu-Netz-Koordinierungsframework vor, das auf dem Soft Actor-Critic-Algorithmus basiert, um durch eine zweiphasige Trainingsstrategie die Spannungsregelung in Ein- und Mehr-Hub-Systemen unter Berücksichtigung von Batteriezustands- und Flottenverfügbarkeitsbeschränkungen zu optimieren.
Diese umfassende Übersicht analysiert netzwerkbewusste Modellierungs-, Optimierungs- und Steuerungsmethoden für integrierte Energiesysteme, identifiziert methodische Grenzen hinsichtlich Skalierbarkeit und Garantien und leitet daraus Forschungsrichtungen für effiziente, koordinierte Betriebskonzepte ab.
Diese Arbeit stellt ein Multi-Agenten-KI-Framework vor, das durch den Einsatz spezialisierter LLM-Agenten und retrieval-augmentierter Generierung die automatische, konfliktbewusste Orchestrierung von rApp-Richtlinien in Open RAN ermöglicht und dabei die Bereitstellungsgenauigkeit signifikant steigert sowie die Reasoning-Kosten drastisch senkt.
Diese Übersichtsarbeit entwickelt eine perspektive der unterwasserembodied intelligence, die Planung und Steuerung als untrennbar mit physikalischen, wahrnehmungs- und ressourcenbeschränkungen verknüpft betrachtet, um durch eine neue Fehler-Taxonomie und integrierte Forschungsrichtungen robuste autonome Systeme für reale Ozeanumgebungen zu ermöglichen.
Die Arbeit stellt einen modellfreien prädiktiven Tracking-Algorithmus für nichtlineare Systeme mit Koopman-Einbettung vor, der auf Willems' Fundamentalslemma basiert und nachweist, dass die dynamische Reue mit dem Vorhersagehorizont exponentiell abnimmt.
Dieser Tutorial-Überblick fasst die Anwendung von Machine-Learning-Methoden im Internet der Unterwasser-Dinge zusammen, indem er deren Potenzial zur Bewältigung spezifischer Herausforderungen wie akustischer Dämpfung und begrenzter Energie über alle Netzwerkschichten hinweg analysiert, signifikante Leistungssteigerungen dokumentiert und eine Roadmap für die zukünftige Implementierung sowie offene Forschungsfragen aufzeigt.
Dieser zweite Teil der Arbeit untersucht kostengesteuertes Repräsentationslernen für die lineare quadratische Gaußsche (LQG) Regelung mit unendlichem Zeithorizont, indem er finite-Sample-Garantien für die Lernverfahren bietet, die entweder explizite oder implizite latente Dynamikmodelle (ähnlich MuZero) nutzen, und dabei eine neue technische Leistung zur Persistenz der Erregung für stochastische Prozesse erbringt.
Dieses Papier stellt eine auf Integralen Quadratischen Beschränkungen (IQC) basierende Methode zur -Ausgangsregelung von LPV-Systemen mit zeitvariierenden Eingangsverzögerungen vor, die durch die Kombination parameterabhängiger Lyapunov-Funktionen und dynamischer IQC-Multiplikatoren verzögerungsabhängige, konvexe Synthesebedingungen ermöglicht und so eine effiziente Rekonstruktion des Reglers ohne explizite Festlegung der Parameterabhängigkeit erlaubt.
Der Artikel stellt einen innovativen Inverse-Dynamics-Beobachter vor, der ein lineares Einspurmodell mit einer verteilten Reifendynamik in Form von hyperbolischen partiellen Differentialgleichungen kombiniert, um den Seitenwindwinkel und die Reifenkräfte ausschließlich aus Giergeschwindigkeit und Querbeschleunigung zu schätzen.
Die Arbeit stellt VB-NET vor, ein physikbasiertes Grau-Box-Deep-Learning-Framework, das komplexe Thermodynamik von Klimaanlagen in ein standardisiertes virtuelles Batterie-Modell übersetzt, um durch physikalische Konsistenz und geringen Datenbedarf eine präzise und interpretierbare Modellierung für die Netzregelung zu ermöglichen.
Dieses Papier stellt einen leichtgewichtigen, vollständig online arbeitenden Model-Predictive-Control-Rahmen vor, der mittels isotonischer Regression auf Streaming-Daten bidirektionale Modelle für Markenwerbung erstellt und so im Vergleich zu Baseline-Strategien die Ausgaben-effizienz und Kostenkontrolle erheblich verbessert.