361 articoli
Questo articolo propone l'uso di filtri grafici ottimali, in particolare quelli di Chebyshev e Legendre, per accelerare significativamente la convergenza delle medie ergodiche nelle catene di Markov reversibili rispetto ai metodi tradizionali.
Questo articolo propone un metodo per la guida autonoma che bilancia i rischi di collisione e le violazioni delle regole stradali, estendendo una metrica di rischio umano tramite specifiche di logica temporale lineare (LTL) formulate come problemi di raggiungibilità risolvibili mediante programmazione lineare e validati nel simulatore Carla.
Questo studio fornisce una caratterizzazione necessaria e sufficiente dell'ISS per sistemi impulsivi commutati con flussi stabili e instabili, introducendo funzioni di Lyapunov dipendenti dal tempo e condizioni di commutazione meno restrittive che permettono di garantire la stabilità anche in presenza di segnali di commutazione sconosciuti.
Il paper presenta C*, un algoritmo innovativo di pianificazione del percorso di copertura per ambienti sconosciuti basato su Grafi a Copertura Rapida (RCG), che garantisce una copertura completa ed efficiente in tempo reale con prestazioni superiori rispetto ai metodi esistenti, come dimostrato da simulazioni e esperimenti reali.
Il paper presenta LUCIFER, un middleware che implementa un "contratto di segnale" per tradurre in tempo reale aggiornamenti linguistici umani in segnali di controllo decouplati, migliorando sicurezza ed efficienza nella raccolta di informazioni in sistemi autonomi senza accoppiare la comprensione del linguaggio ai pianificatori decisionali.
Questo studio analizza la robustezza delle politiche di apprendimento per rinforzo applicando filtri sinaptici come stress interno e attacchi avversariali come stress esterno, permettendo di classificare i parametri della rete in fragili, robusti o antifragili e dimostrando come i parametri antifragili possano migliorare le prestazioni in ambienti di controllo continuo.
Questo articolo presenta e convalida sperimentalmente un sistema di teleoperazione bilaterale a 4 canali senza sensori di forza per manipolatori a basso costo, dimostrando che tale approccio consente un'interazione stabile ad alta velocità e migliora significativamente l'apprendimento per imitazione fornendo dati di dimostrazione arricchiti da informazioni di forza.
Il paper propone CBF-RL, un framework che integra le Funzioni di Barriera di Controllo (CBF) direttamente nell'addestramento del Reinforcement Learning per internalizzare i vincoli di sicurezza nella politica appresa, permettendo così un dispiegamento sicuro e robusto su robot reali senza la necessità di filtri di sicurezza in tempo reale.
Questo articolo dimostra che le attuali difese contro l'hijacking del flusso di controllo nei sistemi multi-agente sono vulnerabili a causa di conflitti intrinseci tra sicurezza e funzionalità, proponendo quindi ControlValve, un nuovo meccanismo di difesa che garantisce l'integrità del flusso di controllo attraverso la generazione e l'applicazione di grafi di esecuzione autorizzati.
Questo articolo presenta TEMPO-VINE, il primo dataset pubblico multi-modale e multi-temporale che integra dati eterogenei da sensori come LiDAR, GPS e telecamere in vigneti reali, fornendo un benchmark fondamentale per lo sviluppo e la valutazione di sistemi autonomi di localizzazione e mappatura in condizioni agricole complesse.
Questo lavoro presenta un PMUT bimorfo in niobato di litio con uno strato attivo spesso 20 µm che, grazie all'ottimizzazione geometrica, raggiunge un'elevata efficienza di trasmissione e una straordinaria resilienza termica, funzionando stabilmente fino a 600 °C e sopravvivendo fino a 900 °C.
Questo lavoro presenta un metodo efficiente basato sulla mollificazione per generare percorsi robotici lisci e differenziabili con garanzie di curvatura, colmando il divario tra le uscite non differenziabili dei pianificatori e i requisiti di controllo in tempo reale.
Il paper presenta un algoritmo efficiente che, partendo da un insieme di generatori di un sottocampo di funzioni razionali, ne trova un insieme generatore semplice, migliorando lo stato dell'arte sia in termini di prestazioni che di qualità dei risultati e dimostrando la sua utilità in ambiti come l'identificabilità strutturale dei parametri.
Questo lavoro propone un nuovo algoritmo di cinematica inversa in anello chiuso per robot soffici, formulato nel dominio infinito-dimensionale e basato su operatori neurali differenziabili, che permette di controllare l'intera forma del robot superando le limitazioni dei metodi tradizionali a dimensioni finite.
Questo articolo propone un framework di fusione dati in tempo reale che ottimizza congiuntamente la stima dello stato e la politica di fusione sotto vincoli di privacy differenziale di Rényi, adattando dinamicamente il budget di privacy per minimizzare l'errore di stima, come dimostrato in uno studio caso sulla densità del traffico.
Questo articolo propone un paradigma di convergenza basato su un sistema di sistemi e modellato con SysML, che integra osservazioni reali, pensiero sistemico, modellazione visiva, matematica e informatica per affrontare in modo multidisciplinare le complesse sfide dell'Antropocene, come dimostrato dallo studio del bacino idrografico della Chesapeake Bay.
Questo articolo propone la strategia DIACC, basata sull'apprendimento per rinforzo multi-agente, per migliorare l'efficienza del traffico misto agli ingorghi attraverso un controllo cooperativo che distingue le interazioni tra veicoli automatizzati da quelle con veicoli guidati da umani, integrando un meccanismo di sicurezza proattiva.
Il paper presenta AMV-L, un framework di gestione della memoria per agenti LLM a lungo termine che, sostituendo le tradizionali politiche basate sull'età con un ciclo di vita guidato dal valore e un set di candidati limitato, garantisce un controllo preciso della latenza di coda e migliora significativamente il throughput e la stabilità rispetto ai sistemi esistenti.
Il paper presenta un formalismo consapevole del rischio per valutare le traiettorie di sistemi in presenza di incertezza, modellando esplicitamente l'influenza reciproca tra sistema e ambiente per garantire coerenza nelle preferenze e migliorare l'esplicabilità delle decisioni, come dimostrato in un esempio di guida autonoma.
Questo articolo propone un'architettura congiunta di comunicazione a luce visibile e backscatter ambientale per le reti Ambient IoT, presentando i concetti fondamentali, le applicazioni pratiche, dimostrazioni sperimentali su diversi dispositivi e una roadmap per le future direzioni di ricerca.