288 articoli
Questo lavoro propone un approccio basato su funzioni di barriera di controllo e ottimizzazione differenziabile per apprendere in modo efficiente e interpretabile le allocazioni di responsabilità degli agenti nelle interazioni multi-agente, permettendo di codificare fattori sociali e contestuali per garantire interazioni sicure ed efficienti.
Questo articolo propone un framework di prognostica non supervisionato che, utilizzando dati di guasto non etichettati, identifica simultaneamente modalità di guasto latenti e seleziona sensori informativi per migliorare la previsione della vita utile residua negli habitat spaziali profondi autonomi.
Questo articolo propone un metodo di controllo robusto che, formulando come programma semidefinito convesso l'obiettivo di rallentare gli spostamenti distribuzionali nei parametri dei modelli approssimanti, garantisce la coerenza tra il sistema in anello chiuso e i dati di apprendimento, risolvendo efficacemente problemi di scheduling del guadagno in sistemi non lineari.
Il paper propone un nuovo algoritmo per l'analisi della raggiungibilità in avanti dei sistemi di feedback neurale non lineari, che genera enclosures poliedriche strette e le codifica in un programma lineare intero-misto (MILP) per ottenere un'approssimazione superiore sicura, dimostrando un miglioramento di un ordine di grandezza rispetto allo stato dell'arte.
Questo articolo introduce i Filtri di Funzioni di Barriera di Controllo (FCBF), un quadro teorico che integra filtri dinamici di regolarizzazione negli HOCBF all'interno di un programma quadratico per garantire simultaneamente la sicurezza del sistema, i vincoli di controllo e la continuità Lipschitziana degli ingressi, eliminando così le variazioni brusche tipiche dei metodi esistenti.
Il documento propone un framework di controllo predittivo distribuito per coordinare sistemi multi-agente eterogenei e non lineari, garantendo stabilità e ricorsività mentre la soluzione cooperativa emerge dinamicamente dalle interazioni ottimizzate tra gli agenti.
Il documento presenta CONQURE, un framework open-source che integra risorse quantistiche e classiche in un ambiente di esecuzione congiunta, permettendo l'offloading efficiente di kernel quantistici tramite un'estensione OpenMP e dimostrando una riduzione dei tempi di esecuzione fino a 3,1 volte.
Questo lavoro propone una strategia ibrida di stima e controllo per il rendezvous autonomo che utilizza l'apprendimento attivo per progettare input di controllo ottimizzati, migliorando l'osservabilità nella determinazione orbitale relativa iniziale basata solo su misure angolari e permettendo una transizione efficace verso un filtro di Kalman esteso e un controlore predittivo per completare la manovra.
Questo articolo propone e analizza un metodo di approssimazione a orizzonte finito per gli equilibri di Nash in feedback nei giochi lineari quadratici a orizzonte infinito, fornendo condizioni di unicità, un algoritmo efficiente e garanzie teoriche sulla convergenza del costo.
Questo articolo presenta la validazione hardware del controllo di droop angolare per convertitori DC/AC grid-forming, dimostrando attraverso esperimenti la sua capacità di regolare esattamente la frequenza, sincronizzare più convertitori e gestire scenari di avvio a freddo, pur affrontando le sfide pratiche di discretizzazione e deriva dell'orologio.
Questo articolo propone un controllore ibrido che combina l'apprendimento per rinforzo profondo (DRL) con la ricerca del massimo limitata (bounded extremum seeking) per migliorare la robustezza e le prestazioni dei sistemi di controllo non lineari a tempo variabile, come dimostrato nella sintonizzazione automatica di un acceleratore di particelle.
Il paper propone AffPCL, un framework di apprendimento collaborativo personalizzato che riduce la complessità dei campioni adattandosi automaticamente all'eterogeneità degli agenti tramite meccanismi di correzione, garantendo un'accelerazione basata sull'affinità senza richiedere conoscenze a priori del sistema.
Il paper presenta IMAS, un algoritmo che risolve il problema della selezione congiunta degli agenti sensoriali e della sintesi di politiche di percezione attiva in Dec-POMDP, garantendo un'approssimazione ottimale sfruttando la sottomodularità degli obiettivi basati sull'informazione reciproca.
Il paper propone PACS, un metodo di filtraggio della sicurezza basato sulla consistenza del percorso che garantisce il rispetto dei vincoli di sicurezza in tempo reale senza degradare le prestazioni dei modelli di diffusione, mantenendo la coerenza con la distribuzione di addestramento e superando gli approcci reattivi tradizionali.
Lo studio conclude che, sebbene il metodo MLD-BFM basato su descrittori spaziali abbia ottenuto le migliori prestazioni nella decodifica del movimento di cinque dita, il suo vantaggio rispetto alle tradizionali caratteristiche temporali non è statisticamente significativo, suggerendo che le registrazioni ad alta densità codificano già informazioni spaziali sufficienti attraverso descrittori basati sull'ampiezza.
Il documento presenta EMFusion, un framework di previsione probabilistica basato sulla diffusione condizionale che, integrando fattori contestuali e strategie di imputazione, supera le prestazioni dei modelli esistenti nella previsione selettiva in frequenza dei campi elettromagnetici, fornendo stime affidabili con quantificazione esplicita dell'incertezza per la pianificazione delle reti wireless.
Questo articolo presenta la progettazione e l'implementazione di un sistema di localizzazione relativa per SnailBot, un robot modulare auto-ricostituibile, che integra il riconoscimento di marcatori ArUco, l'analisi del flusso ottico e i dati IMU in un framework unificato per garantire un posizionamento preciso e robusto in tempo reale.
Questo lavoro estende la teoria dei polinomi di Lorentz e completamente log-concavi a variational analysis e dinamiche vincolate su coni, introducendo i concetti di coni -Lorentziani e -semipositivi per stabilire nuove condizioni di stabilità di Lyapunov e interpretazioni di dipendenza negativa per sistemi di disuguaglianze variazionali evolutive.
Questo articolo dimostra, tramite l'uso dei Problemi di Stima delle Prestazioni (PEP), che l'integrazione di aggiornamenti locali nell'algoritmo distribuito DIGing accelera l'ottimizzazione senza ridurre il passo, rivelando che due aggiornamenti locali sono sufficienti per ottenere il massimo miglioramento teorico.
Questo lavoro presenta un approccio ibrido che combina sensori tattili multimodali e ottimizzazione delle forze interne per realizzare un controllo reattivo dello scorrimento in prese robotiche multifinger, consentendo una stabilizzazione chiusa in meno di 50 millisecondi.