361 articoli
Il paper propone un algoritmo online di minimi quadrati per la previsione cooperativa di sistemi dinamici con osservazioni asincrone, dimostrando un limite di rimpianto logaritmico e condizioni sufficienti per superare i predittori basati su modelli locali.
Questo studio presenta il dataset NC-tALC, una raccolta di dati ad alta fedeltà derivata da esperimenti controllati che analizzano le dinamiche di interazione e le manovre di cambio corsia dei veicoli autonomi in transizione (tAV) in presenza di veicoli guidati da umani o dotati di cruise control adattivo.
Questo studio propone un quadro di modellazione per la ricerca sugli incendi boschivi e i sistemi elettrici, volto a colmare le lacune nelle attuali simulazioni integrando la propagazione spaziale e temporale del fuoco, le interazioni tra pericoli e infrastrutture e gli impatti sociali ed economici delle interruzioni di corrente.
Questo articolo presenta un quadro di analisi dello stato spaziale basato su equazioni differenziali algebriche che, in modo agnostico rispetto alla distribuzione statistica, quantifica e propaga le incertezze nelle simulazioni idrologiche e idrodinamiche accoppiate per migliorare le previsioni delle inondazioni urbane anche in condizioni di misurazione parziale.
Questo articolo propone un'architettura ibrida per la coordinazione sicura di sistemi multi-agente che utilizza un programma lineare a numeri interi misti per assegnare responsabilmente le manovre di evitamento delle collisioni, riducendo così le reazioni ridondanti e la complessità computazionale rispetto ai tradizionali filtri di sicurezza decentralizzati basati sulle funzioni di barriera di controllo.
Il documento propone una nuova formulazione della risposta in frequenza per i sistemi non lineari basata sull'operatore di Koopman, permettendo di derivare curve di Bode attraverso la trasformata di Laplace dell'output e fornendo condizioni sufficienti per l'esistenza di tale risposta.
Questo lavoro presenta un metodo di controllo semplificato basato su un modello massa-molla che, regolando l'angolo di atterraggio e applicando una coppia correttiva, permette a piccoli robot saltatori di mantenere la stabilità su terreni in pendenza senza richiedere sensori o calcoli complessi.
Questo articolo propone un approccio basato su un modello di "doppia età delle informazioni" (Dual-AoI) e un processo decisionale di Markov per ottimizzare la programmazione delle trasmissioni in sistemi di monitoraggio wireless con arrivi casuali di dati, superando le limitazioni delle politiche convenzionali e garantendo una maggiore freschezza delle informazioni rispetto ai metodi esistenti.
Questo articolo introduce la "Conversational Demand Response" (CDR), un meccanismo di coordinamento bidirezionale basato sull'intelligenza artificiale agentic che permette agli aggregatori e ai prosumer di interagire tramite linguaggio naturale, colmando il divario tra automazione scalabile e la necessità di trasparenza e controllo utente per garantire una partecipazione sostenibile.
Questo studio presenta un metodo di navigazione autonoma per veicoli spaziali nel sistema solare esterno (fino a 250 UA) basato sulle misurazioni delle parallassi stellari, dimostrando tramite simulazioni Monte Carlo che è possibile raggiungere precisioni sub-AU e ridurre la dipendenza dal tracciamento radiometrico da Terra.
Il paper presenta AIRT, un framework di deep learning end-to-end che genera piani di radioterapia VMAT per il cancro alla prostata in meno di un secondo, dimostrando una qualità non inferiore ai piani standard prodotti da RapidPlan Eclipse.
Il paper introduce la Frequency-Separable Hamiltonian Neural Network (FS-HNN), un approccio che supera i limiti delle reti neurali hamiltoniane tradizionali nella modellazione di dinamiche multiscala decomponendo l'hamiltoniana in modi veloci e lenti addestrati su scale temporali distinte, migliorando così l'estrapolazione a lungo termine e la generalizzazione su sistemi ODE e PDE.
Il paper presenta CLAIRE, un framework ibrido di deep learning che combina autoencoder e classificazione supervisionata per migliorare il rilevamento dei guasti nella manifattura intelligente, offrendo allo stesso tempo interpretabilità delle previsioni tramite tecniche basate sulla teoria dei giochi.
Questo articolo introduce il concetto di "corridoi di barriera di controllo" che unifica le funzioni di barriera di controllo e i corridoi di movimento sicuri, trasformando le funzioni di sicurezza in regioni obiettivo locali per garantire una selezione persistente e verificabilmente sicura degli obiettivi durante l'esplorazione autonoma di ambienti sconosciuti.
Questo articolo propone un schema di controllo predittivo adattivo basato su dati per sistemi lineari tempo-variante che, aggiornando online un guadagno di retroazione tramite programmazione semidefinita, garantisce la stabilità esponenziale e il rispetto dei vincoli, estendendo inoltre la robustezza al rumore di processo.
Questo lavoro estende un'architettura ibrida digitale-analogica basata su RIS alimentati da array, proponendo un metodo pratico per la progettazione di codebook di fascio e un framework di precodificazione a bassa complessità che garantisce alta efficienza spettrale e piena conformità ai meccanismi di acquisizione dei fasci e di segnalazione di riferimento 3GPP 5GNR in scenari di canale multipath realistici.
Questo articolo presenta un nuovo quadro di dinamica adattiva consapevole dell'incertezza per robot sottomarini con bracci manipolatori, che integra vincoli di coerenza fisica e stima a orizzonte mobile per ottenere modelli dinamici accurati e affidabili, come dimostrato sperimentalmente su un sistema BlueROV2 Heavy.
Questo articolo propone un metodo per costruire funzioni di Lyapunov ISS dipendenti dal tempo per sistemi impulsivi a partire da funzioni candidate, unendo così la facilità di costruzione delle seconde alla garanzia di esistenza e alla maggiore potenza analitica delle prime.
Questo articolo estende il concetto di Control Lyapunov Value Functions (CLVF) ai sistemi non lineari perturbati definendo la Robust CLVF (R-CLVF), che identifica l'insieme robustamente invariante più piccolo e garantisce la stabilizzazione esponenziale, proponendo inoltre tecniche di avvio caldo e decomposizione del sistema per mitigare la maledizione della dimensionalità nei calcoli.
Questo studio propone algoritmi greedy randomizzati, MRG, DRG e Random-WSSA, per risolvere efficientemente problemi di selezione di sensori submodulari deboli con vincoli di budget e prestazioni, fornendo garanzie di approssimazione e dimostrando la loro efficacia nella selezione di costellazioni satellitari per l'osservazione terrestre.