325 Arbeiten
Diese Studie demonstriert, wie sich durch die Anwendung von Dimensionsanalyse und Skalierungsgesetzen auf agentenbasierte Simulationen von Drohnenschwärmen komplexe Designentscheidungen vereinfachen, kritische Erfolgs-Grenzen identifizieren und fundierte Kompromisse zwischen Anzahl der Agenten sowie Plattformparametern wie Geschwindigkeit und Reichweite treffen lassen.
Diese Arbeit entwickelt ein regelungstheoretisches Rahmenwerk, das die Handlungsfähigkeit von KI-Agenten in Feedback-Schleifen als hierarchische Entscheidungsbefugnis formalisiert und eine mathematische Grundlage für die Analyse von Stabilität, Sicherheit und Leistung solcher Systeme bietet.
Diese Arbeit stellt ein KI-gestütztes Framework vor, das durch eine kontextbewusste Zwei-Phasen-Aufteilung und eine Korrektur räumlicher Fehler die Zuverlässigkeit der Vorhersage von zellularem Datenverkehr für die 5G/6G-Planung verbessert und dabei das Problem der räumlichen Datenlecks bei herkömmlichen Trainings-Test-Splits löst.
Diese Arbeit stellt ein auf Graph Attention Networks basierendes Modell vor, das mithilfe öffentlicher Bereitstellungsdaten die Spektrumnachfrage in feinen räumlichen Skalen präzise schätzt und damit die effiziente Spektrumverwaltung und -zuteilung unterstützt.
Dieser Artikel stellt verteilte dynamische Algorithmen vor, die es mehreren Agenten ermöglichen, basierend ausschließlich auf lokalen Daten ohne Austausch der Rohmessungen globalen Stabilitätsnachweise (Lyapunov-Zertifikate) zu ermitteln und optimale LQR-Regler für lineare zeitinvariante Systeme zu entwerfen.
Diese Arbeit stellt eine neuartige, verteilte Methode zur sicherheitskritischen Steuerung von Multi-Agenten-Systemen mit unkontrollierbaren Agenten vor, bei der durch einen adaptiven Beobachter rekonstruierte Control Barrier Functions verwendet werden, um die Kopplung von Sicherheitsbeschränkungen aufzulösen und die Systemsicherheit auch unter Unsicherheiten rigoros zu garantieren.
Die Studie nutzt reale Kalifornien-Daten, um zu zeigen, dass die Fahrzeug-zu-Netz-Technologie (V2G) für täglich ladende Elektroautofahrer am vielversprechendsten ist und ihre Auswirkungen auf die Batterielebensdauer stark von der Empfindlichkeit gegenüber der Kalenderalterung sowie dem Ladezustand abhängen.
Diese Arbeit stellt einen neuartigen Greifer mit aktiven, gezahnten Rollen und nachgiebigen Fingern vor, der zuverlässig dünne, flexible Folien von sterilen Beuteln trennt und so eine häufige, körperlich belastende manuelle Aufgabe im Krankenhaus automatisiert.
Der Artikel beweist, dass nicht-polynomiale Port-Hamiltonian-Systeme durch eine polynomiale Immersion in einen höherdimensionalen Raum überführt werden können, wobei wesentliche strukturelle und energetische Eigenschaften erhalten bleiben, was die Anwendung von Sum-of-Squares-Optimierung für die Stabilisierung ermöglicht.
Der Artikel stellt eine Referenzarchitektur und einen Fahrplan für Quanten-zentrierte Supercomputer (QCSC) vor, die durch die nahtlose Integration von Quanten-, Grafik- und Prozessoren in drei Entwicklungsphasen die manuelle Orchestrierung überwinden und hybride Quanten-Klassische Algorithmen für komplexe Anwendungen in Chemie und Materialwissenschaft beschleunigen sollen.
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.