2038 पेपर
यह शोधपत्र क्वाडकॉप्टर्स के लिए एक सुदृढ़ आउटपुट फीडबैक नियंत्रण रणनीति प्रस्तावित करता है जो सिस्टम मॉडल को रूपांतरित करने के लिए एक ज्यामितीय दृष्टिकोण और नियंत्रण नियम को संश्लेषित करने के लिए एक विस्तारित ऑब्जर्वर विधि का उपयोग करता है।
यह शोध पत्र न्यूरल सेलुलर ऑटोमेटा को सीखे गए कोऑर्डिनेट-आधारित प्री-पैटर्न के साथ संयोजित करने वाले एक संयुक्त शिक्षण ढांचे (joint learning framework) को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि विकासात्मक सूचना को प्रारंभिक स्थितियों में ऑफलोड करना, शुद्ध रूप से स्व-संगठित विकल्पों की तुलना में स्व-संगठित प्रणालियों की मजबूती, एन्कोडिंग क्षमता और समरूपता-भंजन (symmetry-breaking) क्षमताओं को बढ़ाता है।
यह शोध पत्र मोनो-आर्टिकुलर और बायो-आर्टिकुलर एक्सोस्केलेटन की तुलना करने वाला एक सिमुलेशन-आधारित बहु-मानदंड पारेटो अनुकूलन अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि बायो-आर्टिकुलर डिज़ाइन शक्ति खपत के संबंध में भार के प्रति कम संवेदनशील होते हैं, मोनो-आर्टिकुलर विन्यास पीक जॉइंट रिएक्शन फोर्स को बेहतर ढंग से कम करते हैं, जिसमें डिवाइस जड़त्व (इनेर्शिया) का बायो-आर्टिकुलर समाधानों की चयापचय लागत पर न्यूनतम प्रभाव पड़ता है।
यह शोध पत्र इष्टतम नियंत्रण (optimal control) के लिए एक एकीकृत KL-नियमित ढांचे (KL-regularized framework) को प्रस्तुत करता है जो सॉफ्ट-पॉलिसी सरोगेट्स (soft-policy surrogates) के माध्यम से शास्त्रीय और जोखिम-संवेदनशील उद्देश्यों का सामान्यीकरण करता है, जिन्हें मूल लक्ष्यों को पुनः प्राप्त करने के लिए पुनरावृत्त किया जा सकता है और एक सिंक्रोनाइज़्ड मामले में, रैखिक बेलमैन ऑपरेटरों और पाथ-इंटिग्रल समाधानों को उत्पन्न कर सकता है।
यह शोध पत्र क्लैप (Clapp) ऑसिलेटर्स के अराजक व्यवहार (chaotic behavior) की जांच करता है, जो अराजक रडार अनुप्रयोगों के लिए उपयुक्त और माइक्रोस्ट्रिप तकनीक के माध्यम से सत्यापन योग्य अराजक क्लैप ऑसिलेटर्स के निर्माण के लिए एक डिजाइन दृष्टिकोण प्रस्तावित करता है।
यह शोध पत्र एक एडेप्टिव स्मूथ चेबिचेफ (Adaptive Smooth Tchebycheff) ढांचे का प्रस्ताव करता है जो वास्तविक समय के ग्रेडिएंट इंटरफेरेंस के आधार पर अनुकूलन सुगमता (optimization smoothness) को गतिशील रूप से नियंत्रित करता है, जिससे उन बहु-उद्देश्यीय रोबोटिक कार्यों के लिए गैर-उत्तल क्षेत्रों (non-convex regions) में पारेटो-इष्टतम नीतियों की सुदृढ़ खोज सक्षम होती है जहाँ स्थिर गैर-रेखीय विधियाँ विफल हो जाती हैं और रैखिक स्केलेराइजेशन (linear scalarizations) सैद्धांतिक रूप से सीमित होते हैं।
यह शोध पत्र पोर्ट-हैमिल्टोनियन न्यूरल नेटवर्क्स को आंशिक अवकल समीकरणों (partial differential equations) तक विस्तारित करता है ताकि डेटा से गैररेखीय स्ट्रिंग गतिकी (nonlinear string dynamics) की सफलतापूर्वक पहचान और अनुकरण किया जा सके, जो गैर-भौतिक-सूचित (non-physics-informed) विधियों की तुलना में बेहतर सटीकता और व्याख्यात्मकता प्रदर्शित करता है।
यह शोध पत्र एक वितरण रूप से सुदृढ़ सुरक्षा फ़िल्टरिंग ढांचे का प्रस्ताव करता है जो अनिश्चित वितरणों के तहत गैररेखीय प्रणालियों के लिए संभाव्यता आधारित सुरक्षा सुनिश्चित करता है, जिसे सुरक्षा प्रमाणन को एक-आयामी स्विचिंग-समय खोज में कम करके और परिमित-नमूना गारंटी के साथ एक नमूना-आधारित प्रक्रिया को नियोजित करके प्राप्त किया गया है।
यह शोध पत्र एमोर्टाइज्ड इनपेंटिंग विद डिफ्यूजन (AID) को प्रस्तुत करता है, जो एक निश्चित प्रीट्रेन डिफ्यूजन बैकबोन पर एक छोटे, पुन: प्रयोज्य गाइडेंस मॉड्यूल को प्रशिक्षित करने की एक विधि है ताकि प्रति-इन्स्टेंस ऑप्टिमाइजेशन के बिना कुशल, उच्च-गुणवत्ता वाली इमेज इनपेंटिंग प्राप्त की जा सके, जो नियत (डिटरमिनिस्टिक) गाइडेंस और सीखने योग्य रैंडमाइज्ड उद्देश्यों के बीच सेतु बनाने के लिए एक नवीन गौसियन फॉर्मूलेशन और एक्टर-क्रिटिक एल्गोरिदम का लाभ उठाता है।
यह शोध पत्र OCULAR प्रस्तुत करता है, जो एक कॉन्फॉर्मल प्रेडिक्शन-आधारित एल्गोरिदम है जो लीनियर गॉसियन डायनेमिक्स मॉडल्स के लिए नॉन-एसिम्प्टोटिक (non-asymptotic), डिस्ट्रीब्यूशन-फ्री अनसर्टेन्टी क्वांटिफिकेशन गारंटी प्रदान करने के लिए सिमेंटिक इमेज सूचना का लाभ उठाता है, जिससे पर्यावरण-विशिष्ट डेटा की आवश्यकता के बिना उच्च और निम्न अनिश्चितता वाले क्षेत्रों के बीच अंतर करके अनदेखे वातावरण में संभाव्य रूप से सुरक्षित नियोजन (probabilistically safe planning) सक्षम होता है।