318 artículos
Este trabajo propone un enfoque de optimización diferenciable basado en funciones de barrera de control para aprender de forma eficiente y cuantitativa la asignación de responsabilidad de los agentes en interacciones multiagente, permitiendo modelar su disposición a ajustar su comportamiento para garantizar la seguridad de los demás.
Este artículo presenta un marco de prognóstico no supervisado que identifica modos de fallo latentes y selecciona sensores informativos a partir de datos sin etiquetar para predecir con mayor precisión la vida útil restante en hábitats de espacio profundo autónomos.
Este artículo propone un enfoque de control robusto que mitiga los cambios distribucionales en los parámetros de modelos aproximados de sistemas no lineales mediante la restricción de la consistencia con los datos de aprendizaje y la ralentización de las transiciones en el espacio de estado-entrada, formulando el problema como un programa semidefinido convexo eficiente.
Los autores proponen un nuevo algoritmo para el análisis de alcanzabilidad hacia adelante de sistemas de retroalimentación neuronal no lineales que utiliza envolventes poliedrales y programación lineal entera mixta para lograr una sobreaproximación segura y una mejora de un orden de magnitud frente al estado del arte.
Este artículo presenta las Funciones de Barrera de Control Filtradas (FCBF), un marco que extiende las HOCBF mediante un filtro de regularización de entrada para garantizar simultáneamente la seguridad del sistema, los límites de control y la continuidad Lipschitz de las señales de control, evitando así cambios abruptos que puedan degradar el rendimiento o dañar los actuadores.
Este artículo propone un marco de control predictivo basado en modelo distribuido para coordinar sistemas multiagente heterogéneos y no lineales bajo restricciones individuales y de acoplamiento, donde la solución cooperativa emerge dinámicamente de las interacciones optimizadas entre los agentes en lugar de estar predeterminada.
Este trabajo presenta CONQURE, un entorno de ejecución conjunta de código abierto que integra recursos cuánticos y clásicos mediante una API de programación modular y un marco de programación para permitir la descarga eficiente de núcleos cuánticos en unidades de procesamiento cuántico (QPU) dentro de sistemas de computación de alto rendimiento.
Este trabajo propone un marco híbrido de estimación y control que utiliza un algoritmo de aprendizaje activo para diseñar secuencias de control que maximizan la observabilidad en la determinación inicial de órbitas relativas basada solo en mediciones angulares, permitiendo una transición efectiva a un filtro de Kalman extendido y un controlador predictivo para lograr un encuentro autónomo exitoso.
Este artículo propone y analiza un método de aproximación de horizonte finito para calcular equilibrios de Nash en retroalimentación en juegos lineales-cuadráticos de horizonte infinito, estableciendo condiciones de unicidad, un algoritmo eficiente y cotas de error que garantizan la convergencia de los costos hacia la solución óptima.
Este artículo presenta la validación experimental en hardware del control de caída angular para convertidores DC/AC formadores de red, demostrando su capacidad para regular la frecuencia con exactitud, realizar arranque en negro y compartir potencia, al tiempo que aborda desafíos de implementación como la discretización y la deriva del reloj.
Este artículo presenta un controlador híbrido que combina el aprendizaje por refuerzo profundo (DRL) con la búsqueda de extremos acotada (ES) para mejorar la robustez y el rendimiento de sistemas no lineales variantes en el tiempo, demostrando su eficacia mediante una simulación general y la sintonización automática de un acelerador de partículas.
El artículo presenta AffPCL, un marco de aprendizaje colaborativo personalizado que utiliza mecanismos de corrección de sesgo e importancia para lograr una reducción adaptativa de la complejidad de muestreo en entornos heterogéneos, interpolando automáticamente entre la aceleración lineal y el aprendizaje independiente sin requerir conocimiento previo de la heterogeneidad del sistema.
Este artículo presenta IMAS, un algoritmo que aborda la selección conjunta de agentes de sensado y la síntesis de políticas de percepción activa en Dec-POMDPs mediante una optimización de dos capas basada en métricas de información mutua, garantizando un rendimiento de gracias a la submodularidad de los objetivos.
El artículo presenta PACS, un filtro de seguridad que garantiza el despliegue seguro de políticas de difusión mediante frenado consistente con la trayectoria y análisis de alcanzabilidad, preservando así el rendimiento de la tarea y superando a los métodos reactivos existentes en entornos dinámicos.
Este estudio demuestra que, aunque el método de campo de bloque basado en descriptores lineales multicanal (MLD-BFM) logra la mejor precisión en la decodificación continua de cinco grados de libertad de los dedos mediante sEMG de alta densidad, su ventaja sobre las características temporales convencionales no es estadísticamente significativa, lo que sugiere que la resolución espacial inherente a las grabaciones densas es más crítica que los descriptores espaciales explícitos para esta tarea.
Este artículo presenta EMFusion, un marco de pronóstico probabilístico basado en difusión condicional que utiliza una arquitectura U-Net residual con atención cruzada para realizar pronósticos multivariados selectivos en frecuencia de campos electromagnéticos (EMF) en redes inalámbricas, ofreciendo estimaciones de incertidumbre calibradas y superando significativamente a los modelos existentes en precisión y fiabilidad.
Este artículo presenta el diseño e implementación de un sistema de localización relativa modular para el robot SnailBot, que fusiona la detección de marcadores ArUco, el flujo óptico y los datos de la IMU para lograr un posicionamiento preciso y robusto en tiempo real para tareas colaborativas.
Este artículo extiende la teoría de los polinomios de Lorentz y log-concavidad completa a análisis variacional y dinámicas restringidas a conos, introduciendo los conceptos de polinomios -Lorentzianos y conos -semipositivos para establecer nuevas desigualdades de Rayleigh, interpretar la dependencia negativa en medidas de Gibbs y derivar criterios de estabilidad de Lyapunov para sistemas de desigualdades variacionales evolutivas.
Este artículo demuestra teóricamente y valida experimentalmente que incorporar actualizaciones locales en el algoritmo distribuido DIGing puede acelerar la optimización sin reducir el tamaño del paso, revelando que dos actualizaciones locales son suficientes para lograr la máxima mejora posible.
Este trabajo presenta un enfoque híbrido que combina aprendizaje y modelos para la adaptación reactiva de fuerzas internas en agarres multifingerados, utilizando una sensorización háptica multimodal para detectar deslizamientos en ~20 ms y optimizar las fuerzas normales mediante programación cuadrática, logrando así una estabilización cerrada en menos de 50 ms.