301 articles
Cet article propose une approche d'optimisation différentiable basée sur les fonctions de barrière de contrôle pour apprendre de manière interprétable, à partir de données, comment les agents multi-agents allouent leur responsabilité afin d'assurer des interactions sûres et efficaces.
Cet article propose un cadre de prognostique non supervisé permettant de prédire la durée de vie utile résiduelle des habitats spatiaux profonds en identifiant simultanément des modes de défaillance inconnus et en sélectionnant les capteurs pertinents à partir de données non étiquetées.
Cet article propose une méthode de contrôle robuste et de programmation de gain qui atténue les décalages distributionnels des paramètres des modèles d'approximation en restreignant le système en boucle fermée pour qu'il soit cohérent avec les données d'apprentissage, une approche formulée comme un programme semi-défini convexe et évaluée sur un problème de programmation de gain.
Cet article propose un nouvel algorithme d'analyse de l'accessibilité vers l'avant pour les systèmes de rétroaction neurale non linéaires, qui utilise des enveloppes polyédriques et une programmation linéaire en nombres entiers pour obtenir une sur-approximation sûre avec une amélioration d'un ordre de grandeur par rapport à l'état de l'art.
Cet article présente les Fonctions de Barrière de Contrôle Filtrées (FCBF), un cadre unifié intégrant des filtres de régularisation d'entrée aux Fonctions de Barrière de Contrôle d'Ordre Élevé (HOCBF) pour garantir simultanément la sécurité du système, les limites de commande et la continuité Lipschitz des entrées de contrôle.
Cet article propose un cadre de commande prédictive distribuée pour coordonner des systèmes multi-agents hétérogènes et non linéaires sous contraintes, où la tâche coopérative émerge des interactions optimisées des agents plutôt que d'être prédéfinie, tout en garantissant la stabilité et la faisabilité récursive.
Le papier présente CONQURE, un environnement d'exécution conjointe open-source qui comble le fossé entre le développement d'algorithmes quantiques et l'intégration HPC en permettant l'offloading transparent de noyaux quantiques vers des processeurs quantiques via une extension OpenMP et une API de gestion des ressources.
Cet article propose une stratégie hybride de contrôle et d'estimation pour les rendez-vous autonomes, qui utilise l'apprentissage actif pour optimiser les manœuvres initiales et améliorer l'observabilité dans la détermination orbitale relative basée uniquement sur des mesures angulaires, permettant ainsi une estimation précise de l'état initial et une exécution fiable du rendez-vous.
Cet article propose une méthode d'approximation par horizon fini pour les équilibres de Nash en boucle fermée dans les jeux linéaires-quadratiques à horizon infini, en établissant des conditions d'unicité, un algorithme de calcul efficace et des garanties de convergence avec une borne explicite sur l'erreur de coût.
Cet article présente la validation matérielle du contrôle de pente angulaire pour les convertisseurs DC/AC formant le réseau, démontrant expérimentalement sa capacité à réguler la fréquence et à assurer le partage de la puissance tout en résolvant les défis d'implémentation liés à la discrétisation et à la dérive d'horloge.
Cet article propose un contrôleur hybride combinant l'apprentissage par renforcement profond et la recherche d'extremum bornée pour améliorer la robustesse et la performance des systèmes non linéaires à temps variable, comme démontré par une application au réglage automatique d'un accélérateur de particules.
Cet article propose AffPCL, un cadre d'apprentissage collaboratif personnalisé qui réduit la complexité d'échantillonnage grâce à des mécanismes de correction de biais et d'importance, permettant une accélération adaptative basée sur l'affinité entre agents sans nécessiter de connaissances préalables sur leur hétérogénéité.
Cet article propose l'algorithme IMAS, qui résout le problème de sélection conjointe d'agents de détection et de synthèse de politiques de perception active dans les Dec-POMDP en exploitant les propriétés de sous-modularité des objectifs informationnels pour garantir une performance de .
Cet article propose le filtrage de sécurité cohérent avec le chemin (PACS), une méthode qui garantit la sécurité formelle des politiques de diffusion tout en préservant leur taux de réussite aux tâches en évitant les modifications imprévisibles des actions lors du déploiement.
Bien que la méthode MLD-BFM ait obtenu les meilleurs résultats de prédiction pour le mouvement des doigts, cette étude conclut que les descripteurs spatiaux n'apportent pas d'amélioration statistiquement significative par rapport aux descripteurs temporels classiques, soulignant ainsi que la haute densité des enregistrements sEMG encode déjà suffisamment d'informations spatiales via les descripteurs d'amplitude.
Cet article présente EMFusion, un cadre de diffusion conditionnelle probabiliste qui améliore la fiabilité des prévisions de champs électromagnétiques sélectifs en fréquence pour les réseaux sans fil en intégrant des facteurs contextuels, en fournissant des estimations d'incertitude explicites et en surpassant les modèles de base existants.
Cet article présente la conception et la mise en œuvre d'un système de localisation relative pour le robot modulaire SnailBot, qui fusionne la reconnaissance de marqueurs ArUco, l'analyse du flux optique et les données IMU pour assurer un positionnement précis et robuste en temps réel.
Cet article étend la théorie des polynômes lorentziens et complètement log-concaves aux variétés et dynamiques contraintes par un cône convexe, établissant de nouveaux critères de stabilité de Lyapunov pour les systèmes d'inégalités variationnelles évolutives et des interprétations de dépendance négative via des inégalités de Rayleigh généralisées.
Cet article démontre, pour la première fois de manière rigoureuse à l'aide de problèmes d'estimation de performance, que l'intégration de mises à jour locales dans l'algorithme distribué DIGing peut accélérer l'optimisation sans réduire le pas de gradient, révélant que deux mises à jour locales suffisent à obtenir le gain maximal.
Cette étude présente une approche hybride combinant l'apprentissage et des modèles pour la détection rapide de glissement via des capteurs tactiles multimodaux et l'optimisation des forces internes, permettant une stabilisation réactive des préhensions multifilaires en boucle fermée avec une latence inférieure à 50 ms.