361 articles
Cette étude évalue l'adaptation de modèles de langage de petite taille pour la classification des rôles leader-suiveur en interaction humain-robot, démontrant que le fine-tuning en mode zero-shot offre un compromis optimal entre précision et faible latence par rapport aux approches sans entraînement ou en mode one-shot.
Ce papier présente DRAFTO, un nouvel algorithme d'optimisation de trajectoire pour les manipulateurs robotiques qui combine une descente de Gauss-Newton dans un espace réduit et une réparation adaptative de faisabilité pour garantir une grande efficacité et fiabilité dans des tâches complexes de manipulation.
Ce papier présente TATIC, un cadre unifié qui combine l'estimation des forces de contact et un réseau de convolution temporel conscient de la tâche pour inférer simultanément l'intention sémantique de l'humain et ajuster les paramètres de mouvement à partir de corrections physiques brèves lors de la collaboration humain-robot.
Cet article examine l'impact du choix des paramètres sur la convergence d'un algorithme de colonie de fourmis modifié pour optimiser l'architecture hiérarchique d'un système de contrôle industriel distribué, offrant ainsi des recommandations de réglage applicables à d'autres problèmes d'optimisation combinatoire.
Ce papier étend le cadre des systèmes Hamiltoniens à Port Irréversibles (IPHS) à la modélisation des fluides non isentropiques avec dissipation visqueuse en description eulérienne, en démontrant comment intégrer le transport convectif et définir une classe générale de systèmes IPHS contrôlés aux limites tout en respectant les lois de la thermodynamique.
Cet article propose un algorithme de couverture multitâche adaptatif basé sur des processus gaussiens pour des robots multiagents, capable d'apprendre les demandes sensorielles inconnues et de garantir un regret cumulatif sous-linéaire par rapport à un oracle.
Cet article étend les formulations des systèmes port-Hamiltoniens irréversibles (IPHS) aux systèmes distribués en N dimensions décrivant les phénomènes de conduction-diffusion, offrant ainsi un cadre thermodynamiquement cohérent pour la modélisation et le contrôle de ces processus multi-physiques couplés.
Cet article présente une implémentation d'un filtre de Kalman à consensus distribué pour le suivi multi-objets dans des réseaux de robots mobiles, intégrant un mécanisme de pondération adaptative de l'incertitude qui améliore la précision du suivi en atténuant l'impact des données peu fiables tout en s'appuyant sur une méthode d'alignement de repères pour gérer les incertitudes de localisation hétérogènes.
Cet article établit des conditions sous lesquelles les méthodes de Runge-Kutta multi-étapes préservent la forte contractivité des systèmes dynamiques continus lors de leur discrétisation, en fournissant des critères explicites pour les méthodes implicites et en garantissant l'existence et l'unicité des solutions des équations de stage via une analyse de contractivité infinitésimale.
Ce papier propose SliceFed, un cadre d'apprentissage par renforcement profond multi-agents contraint et fédéré qui optimise le découpage dynamique du spectre pour les réseaux 6G en garantissant une efficacité spectrale élevée tout en respectant strictement les contraintes d'interférence et les délais de latence URLLC sans échanger de données brutes.
Cet article propose KProxNPLVM, une nouvelle méthode d'inférence variationnelle pour les modèles de variables latentes probabilistes non linéaires qui, en relâchant l'objectif d'apprentissage via une distance de Wasserstein, élimine l'erreur d'approximation inhérente aux approches amorties et améliore ainsi la précision des capteurs mous.
Cet article propose un schéma de détection collaborative dynamique de cibles mobiles par plusieurs drones (UAV) assisté par l'ISAC, où un algorithme itératif à faible complexité optimise conjointement l'association aux stations de base, les trajectoires des drones et l'allocation de bande passante pour minimiser la borne de Cramer-Rao a posteriori (PCRB) tout en respectant les exigences de communication.
Cet article propose une méthode basée sur les zonotopes hybrides pour calculer de manière exacte ou relaxée les ensembles de réachabilité avant et arrière des réseaux de neurones récurrents en boucle fermée, permettant ainsi de certifier leur sécurité tout en offrant un compromis ajustable entre complexité computationnelle et précision.
Cette étude propose un cadre innovant basé sur l'apprentissage par renforcement multi-agents pour permettre à des drones de localiser efficacement les sources de fuites de méthane provenant de puits abandonnés, surpassant les méthodes traditionnelles en précision et en efficacité opérationnelle.
Cet article propose un système de communication discrète innovant utilisant des antennes rotatives pour optimiser conjointement le faisceau de transmission et les angles de rotation, permettant ainsi d'atteindre des performances de couverture bien supérieures aux schémas conventionnels face à plusieurs gardiens.
Cet article présente une implémentation optimisée en C++ de l'algorithme QPALM-OCP pour le contrôle optimal, qui exploite la parallélisation et la vectorisation des étapes indépendantes du problème pour améliorer les performances par rapport à la méthode QPALM originale.
Cet article propose un cadre probabiliste utilisant la régression par quantiles pour prédire dynamiquement les paramètres de protection thermique des transformateurs de distribution, permettant d'augmenter la capacité de 10 à 12 % tout en gérant les risques de surchauffe grâce à des prévisions adaptatives.
Cet article propose une méthode de planification HVDC intégrant des contraintes de fréquence et une gestion des urgences pour optimiser la capacité des liaisons inter-régionales dans un réseau asynchrone, garantissant ainsi un équilibre entre efficacité économique et sécurité fréquentielle lors des pannes.
Cet article propose une stratégie de dispatch robuste pour microgrids intégrant un modèle de dégradation probabiliste des batteries dépendant de la température et une incertitude endogène, afin d'optimiser le compromis entre les coûts opérationnels et la durée de vie des batteries sur l'ensemble de leur cycle de vie.
Cet article présente un cadre algébrique pour la réduction approximative des dynamiques quantiques ouvertes markoviennes qui garantit la positivité complète et la conservation de la trace, en établissant des liens avec l'élimination adiabatique et en fournissant des bornes d'erreur pour les systèmes à plusieurs corps dissipatifs.