361 articoli
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.
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.
Il paper propone un nuovo metodo di raggiungibilità basato su intervalli che sfrutta la monotonia mista per fornire sovrastime efficienti e scalabili degli insiemi raggiungibili delle Neural ODE, offrendo un compromesso tra precisione e velocità ideale per applicazioni in tempo reale e ad alta dimensionalità.
Questo studio presenta una strategia di controllo per sciami di droni che utilizza la tassellazione di Voronoi centroidale con una miscela gaussiana di funzioni di densità per monitorare con maggiore precisione le aree alluvionate rispetto ai modelli gaussiani tradizionali.
Questo articolo presenta un framework online che utilizza una variante della decomposizione modale dinamica di Hankel con finestre scorrevoli per denoisare e prevedere in tempo reale le dinamiche di agenti ostacolo, permettendo una pianificazione del movimento robotico più sicura e adattiva.
Questo articolo introduce il concetto di "insieme raggiungibile dipendente" per scenari di inseguimento tra due agenti, caratterizzandone la geometria attraverso la strategia di inseguimento a rotta costante, fornendo limiti teorici, formulando un nuovo problema di ottimizzazione e validando i risultati tramite simulazioni.
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.
Il paper presenta SORS, un simulatore modulare ad alta fedeltà basato sul metodo degli elementi finiti e ottimizzazione vincolata, progettato per superare le sfide della modellazione fisica dei robot soffici e colmare il divario tra simulazione e realtà attraverso validazione sperimentale e ottimizzazione del controllo.
Il paper presenta StochasticBarrier.jl, una toolbox open-source in Julia che sintetizza funzioni barriera stocastiche per la verifica di sicurezza di sistemi stocastici discreti, superando gli strumenti esistenti in termini di velocità, scalabilità e stime di probabilità di sicurezza.
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.