361 Arbeiten
Die Arbeit führt das neuartige Konzept der Zwei-Speicher-strikten Dissipativität ein, das die asymptotische Stabilität ökonomischer modellprädiktiver Regelungen äquivalent garantiert und dabei einen direkteren Bezug zu Wertfunktionen sowie eine einfachere Verifizierbarkeit im Vergleich zur herkömmlichen strikten Dissipativität bietet.
Diese Arbeit stellt adaptive Algorithmen für die automatische Link-Auswahl in Mehrkanal-Mehrfachzugriffssystemen mit Bandit-Feedback und Link-Ausfällen vor, die entweder eine schnelle Konvergenz durch innere konvexe Optimierung oder eine effizientere Implementierung bei langsamerer Konvergenz ermöglichen, um die zeitliche Durchschnittsnutzungsrate zu maximieren.
Die vorgestellte Arbeit führt generative prädiktive Regelung ein, ein überwachtes Lernframework, das Flow-Matching-Policies nutzt, um dynamische und schwer zu demonstrierende Roboter-Aufgaben zu lösen, indem es die Notwendigkeit von Experten-Demonstrationen umgeht und hochfrequentes Feedback ermöglicht.
Die Arbeit demonstriert, dass ein einfacher iLQR-Ansatz mit MuJoCo-Dynamik und endlich-differenzierten Ableitungen eine überraschend effektive und echtzeitfähige Ganzkörper-Modellprädiktive Regelung für quadrupede und humanoide Roboter ermöglicht, die sich mit wenigen Sim-to-Real-Anpassungen erfolgreich auf reale Hardware übertragen lässt.
Diese Arbeit stellt einen VISKY-Regler (Virtual Inertia Skyhook) für halbaktive Fahrwerke mit magnetorheologischen Dämpfern vor, der durch eine virtuelle Trägheit auf Basis von Beschleunigungsfeedback die Fahrkomfort- und Fahrdynamikleistung verbessert, ohne zusätzliche Hardware zu benötigen.
Diese Studie untersucht erstmals mittels eines SCC-beschränkten Bilevel-Modells, wie konventionelle Generatoren in Märkten für Kurzschlussstromleistungen durch strategisches Verhalten Marktmacht ausüben können, was zu ineffizienten Preisen und höheren Kosten für Verbraucher führt, und diskutiert Maßnahmen zur Abschwächung dieser Probleme.
Das Paper stellt MARLIN vor, ein dezentrales Reservoir-Management-Framework, das Multi-Agenten-Reinforcement-Learning durch murmelnde Schwarmintelligenz und LLM-gesteuerte Belohnungsformung kombiniert, um unter Unsicherheiten eine skalierbare globale Koordination zu erreichen und die Hochwasserreaktion sowie die Rechenleistung signifikant zu verbessern.
Der Artikel stellt ROSflight 2.0 vor, eine schlanke, auf ROS 2 basierende Open-Source-Autopilot-Architektur für unbemannte Luftfahrzeuge, die durch ihre Modularität und den Wechsel zu ROS 2 die UAV-Forschung erleichtert und Hardware-Experimente beschleunigt.
Der Artikel stellt ROSplane 2.0 vor, eine von Forschern entwickelte, auf ROS 2 basierende Open-Source-Autopilot-Software für feste Flügel, die durch modulare Architektur, verbesserte Schätz- und Regelalgorithmen sowie eine vereinfachte aerodynamische Modellierung die Integration neuer Forschungsmethoden und den Übergang von Simulation zur Realität beschleunigt.
Diese Studie stellt einen bioinspirierten Ansatz vor, der das Verhalten von Ameisenkolonien nachahmt, um durch die Kombination von Basis-, Bedrohungs- und Umweltpunktzahlen den Zustand industrieller Produktionsprozesse (wie das Frittieren von Kartoffelchips) in Echtzeit als „in Kontrolle" oder „außer Kontrolle" zu klassifizieren und bevorstehende Wartungsbedarf vorherzusagen.
Der Artikel stellt einen datengesteuerten Rahmen zur Online-Schätzung des Wirkungsgrads von Quadrotor-Motoren vor, der durch Minimierung von Trajektorienresten mittels eines iterativ gewichteten Least-Squares-Verfahrens und eines primal-dualen Innere-Punkte-Verfahrens robuste Ergebnisse liefert und sich für Anwendungen wie Fehlererkennung und vorausschauende Wartung eignet.
Diese Studie bietet den ersten direkten Vergleich zwischen gate-basierten und adiabatischen Quantencomputing-Ansätzen zur Lösung der AC-Leistungsflussgleichungen und zeigt anhand eines 4-Bus-Systems, wie sich QAOA, D-Wave und Fujitsu Digital Annealer hinsichtlich Genauigkeit und Skalierbarkeit für die Optimierung moderner Stromnetze verhalten.
Diese Arbeit stellt konservative Wahrscheinlichkeitsgrenzen für das Spektrum der Admittanzmatrix unter unsicheren Netzparametern vor, indem sie Konzentrationsschranken für Zufallsmatrizen nutzt, um Fehlerabschätzungen für gängige Power-Flow-Näherungen zu ermöglichen und die Skalierung dieser Unsicherheiten in Abhängigkeit von der Knotenkritikalität zu analysieren.
Die vorgestellte Arbeit entwickelt eine effiziente, intervallbasierte Erreichbarkeitsanalyse für neuronale ODEs mittels gemischter Monotonie, die durch den gezielten Kompromiss zwischen Genauigkeit und Rechenleistung besonders für hochdimensionale, sicherheitskritische Echtzeitanwendungen geeignet ist.
Diese Studie stellt eine CVT-basierte Steuerungsmethode für Multi-UAV-Flotten zur Überwachung von Überflutungsgebieten vor, die mithilfe einer Gaußschen Mischverteilung von Dichtefunktionen eine präzisere Erfassung der betroffenen Bereiche und eine verbesserte Abdeckung im Vergleich zu herkömmlichen Modellen ermöglicht.
Diese Arbeit stellt einen Echtzeit-Rahmen vor, der mithilfe einer modifizierten Hankel-DMD mit gleitendem Fenster verrauschte, partielle Messdaten dynamischer Hindernisse denoist und für die robotische Bewegungsplanung vorhersagt.
Diese Arbeit führt das Konzept der abhängigen erreichbaren Mengen für Zwei-Agenten-Szenarien ein, charakterisiert deren Geometrie am Beispiel der Konstanten-Bearing-Verfolgungsstrategie durch theoretische Grenzen und Optimierungsprobleme und validiert die Ergebnisse mittels Simulationen.
Diese Arbeit stellt XR-DT vor, ein Framework für Extended Reality und Digital Twins, das eine menschenbewusste Modellprädiktive Pfadintegral-Steuerung (HA-MPPI) mit einem Transformer-basierten Vorhersagemodell kombiniert, um sichere und effiziente Navigation von mobilen Robotern in gemeinsamen Arbeitsräumen zu ermöglichen.
Die Arbeit stellt SORS vor, einen modularen, energiebasierten Simulator auf Finite-Elemente-Basis, der durch die Integration von sequentieller quadratischer Programmierung für Kontakthandhabung eine hohe physikalische Genauigkeit bei der Simulation komplexer weicher Roboter in Multiphysik-Umgebungen ermöglicht und so die Lücke zwischen Simulation und Realität schließt.
Der Artikel stellt StochasticBarrier.jl vor, ein Open-Source-Toolbox in Julia zur Synthese stochastischer Barrierenfunktionen für die Sicherheitsverifikation diskreter stochastischer Systeme, das durch den Einsatz von Sum-of-Squares-Optimierung und stückweise konstanten Funktionen bestehende Werkzeuge in Geschwindigkeit, Skalierbarkeit und Sicherheitswahrscheinlichkeit deutlich übertrifft.