Generative Predictive Control: Flow Matching Policies for Dynamic and Difficult-to-Demonstrate Tasks

Questo articolo introduce il controllo predittivo generativo, un framework di apprendimento supervisionato che combina il controllo predittivo basato su campionamento e la modellazione generativa per addestrare politiche di flusso di matching su compiti dinamici difficili da dimostrare, permettendo l'uso di dati simulati e garantendo feedback ad alta frequenza.

Vince Kurtz, Joel W. Burdick2026-03-09🤖 cs.AI

Whole-Body Model-Predictive Control of Legged Robots with MuJoCo

Il paper dimostra l'efficacia sorprendente di un approccio semplice basato sull'algoritmo iLQR con dinamica MuJoCo per il controllo predittivo del modello (MPC) a corpo intero di robot quadrupedi e umanoidi, che riesce a generalizzare facilmente dal simulatore alla realtà senza complesse considerazioni sim-to-real.

John Z. Zhang, Taylor A. Howell, Zeji Yi, Chaoyi Pan, Guanya Shi, Guannan Qu, Tom Erez, Yuval Tassa, Zachary Manchester2026-03-09💻 cs

MARLIN: Multi-Agent Reinforcement Learning with Murmuration Intelligence and LLM Guidance for Reservoir Management

Il paper presenta MARLIN, un framework decentralizzato per la gestione dei bacini idrici che combina l'intelligenza degli stormi di storni con l'apprendimento per rinforzo multi-agente e la guida dei LLM per migliorare la coordinazione globale, ridurre i tempi di calcolo e ottimizzare la risposta alle inondazioni in condizioni di incertezza.

Heming Fu, Shan Lin, Guojun Xiong2026-03-09💻 cs

Performance Comparison of Gate-Based and Adiabatic Quantum Computing for AC Power Flow Problem

Questo studio presenta il primo confronto diretto tra l'informatica quantistica a porte (GQC) e quella adiabatica (AQC) per risolvere le equazioni del flusso di potenza in corrente alternata, dimostrando attraverso esperimenti numerici su un sistema a 4 bus le prestazioni, l'accuratezza e la scalabilità di questi approcci rispetto a tecnologie quantistiche e ispirate al quantum.

Zeynab Kaseb, Matthias Moller, Peter Palensky, Pedro P. Vergara2026-03-09⚛️ quant-ph

Admittance Matrix Concentration Inequalities for Understanding Uncertain Power Networks

Questo articolo presenta limiti probabilistici conservativi per lo spettro della matrice di ammettenza e i modelli di flusso di potenza lineare in reti con parametri incerti, fornendo un quadro teorico per valutare gli errori delle approssimazioni comuni e dimostrando che tali limiti scalano in funzione della criticità nodale.

Samuel Talkington, Cameron Khanpour, Rahul K. Gupta, Sergio A. Dorado-Rojas, Daniel Turizo, Hyeongon Park, Dmitrii M. Ostrovskii, Daniel K. Molzahn2026-03-09💻 cs

XR-DT: Extended Reality-Enhanced Digital Twin for Safe Motion Planning via Human-Aware Model Predictive Path Integral Control

Questo articolo presenta XR-DT, un framework di Gemello Digitale potenziato dalla Realtà Estesa che integra un modello di controllo predittivo HA-MPPI e un sistema di previsione delle traiettorie umane basato su Transformer per garantire una pianificazione sicura ed efficiente della navigazione robotica in ambienti condivisi con esseri umani.

Tianyi Wang, Jiseop Byeon, Ahmad Yehia, Yiming Xu, Jihyung Park, Tianyi Zeng, Sikai Chen, Ziran Wang, Junfeng Jiao, Christian Claudel2026-03-09🤖 cs.AI