301 artigos
Este trabalho propõe uma abordagem baseada em otimização diferenciável e funções de barreira de controle para aprender, a partir de dados, alocações de responsabilidade que quantificam como agentes autônomos ajustam seu comportamento para garantir interações seguras e socialmente alinhadas.
Este artigo propõe uma estrutura de prognóstico não supervisionada para habitats de espaço profundo que, utilizando dados de falha sem rótulos, identifica simultaneamente modos de falha latentes e seleciona sensores informativos para prever a vida útil restante com maior precisão.
Este artigo propõe uma abordagem de controle robusto que formula a restrição de distribuição de parâmetros como um programa semidefinido convexo para mitigar deslocamentos distribucionais em sistemas não lineares, garantindo que o controlador seja eficaz para os dados futuros experimentados após sua aplicação.
Este artigo propõe um novo algoritmo para análise de alcançabilidade de sistemas de feedback neural não lineares, que utiliza envoltórios poliedrais e programação linear inteira mista (MILP) para obter sobre-approximações seguras, demonstrando uma melhoria de uma ordem de magnitude em relação ao estado da arte.
Este artigo propõe o uso de Funções de Barreira de Controle Filtradas (FCBFs), que integram um filtro de regularização de entrada a Funções de Barreira de Ordem Superior (HOCBFs) em um programa quadrático unificado, garantindo simultaneamente a segurança do sistema, limites de controle e continuidade Lipschitz das entradas de controle para evitar variações abruptas.
Este artigo propõe um framework de controle preditivo baseado em modelo distribuído para coordenar sistemas multiagente heterogêneos e não lineares, onde a tarefa cooperativa emerge das interações otimizadas dos agentes sob restrições individuais e acopladas, garantindo viabilidade recursiva e estabilidade assintótica.
O artigo apresenta o CONQURE, um ambiente de execução coeso e de código aberto que integra recursos quânticos e clássicos através de uma API modular e de baixa latência, permitindo o offloading eficiente de kernels quânticos via OpenMP para QPUs e demonstrando uma redução de 3,1 vezes no tempo de execução de simulações VQE em dispositivos de íons aprisionados.
Este trabalho propõe uma estratégia híbrida de estimativa e controle para rendezvous autônomo, que utiliza um algoritmo de aprendizado ativo para otimizar a entrada de controle e melhorar a observabilidade na determinação inicial de órbita relativa apenas com medições angulares, permitindo uma transição eficaz para um filtro de Kalman estendido e um controlador preditivo baseado em modelo para a conclusão da missão.
Este artigo propõe e analisa uma estratégia de horizonte finito para aproximar o equilíbrio de Nash de feedback em jogos dinâmicos lineares-quadráticos de horizonte infinito, estabelecendo condições para a unicidade da solução, um algoritmo computacional eficiente e garantias teóricas de convergência de custo.
Este artigo apresenta a validação experimental em hardware do controle de *droop* angular para conversores DC/AC formadores de rede, demonstrando sua capacidade de regulação exata de frequência, sincronização e partilha de potência em cenários de partida a frio e multi-conversor, ao mesmo tempo que aborda desafios de implementação como discretização e desvio de relógio.
Este artigo propõe um controlador híbrido que combina Aprendizado por Reforço Profundo (DRL) com Busca de Extremo Limitada (ES) para melhorar a robustez de sistemas não lineares variantes no tempo, superando as limitações individuais de cada método ao utilizar o DRL para controle rápido baseado em dados históricos e a ES para garantir estabilidade frente a variações dinâmicas.
O artigo propõe o framework AffPCL, um método de aprendizado colaborativo personalizado que utiliza correções de viés e importância para reduzir a complexidade de amostragem de forma adaptativa, garantindo aceleração linear em cenários homogêneos e desempenho robusto sem degradação em ambientes heterogêneos, tudo sem exigir conhecimento prévio do sistema.
O artigo apresenta o algoritmo IMAS, que resolve o problema de seleção conjunta de agentes sensores e síntese de políticas de percepção ativa em Dec-POMDPs, utilizando uma estrutura de otimização em duas camadas baseada em métricas de informação mútua e garantindo um desempenho de através de propriedades de submodularidade.
O artigo propõe o filtro de segurança PACS, que utiliza frenagem consistente com o trajeto e análise de alcançabilidade baseada em conjuntos para garantir segurança formal em políticas de difusão sem comprometer a taxa de sucesso das tarefas ou desviar da distribuição de treinamento.
Este estudo conclui que, embora o método de campo de bloco baseado em descritores lineares multicanal (MLD-BFM) tenha alcançado a melhor precisão na decodificação contínua de cinco graus de liberdade do movimento dos dedos a partir de sinais HD sEMG, a melhoria não foi estatisticamente significativa em comparação com características temporais convencionais, sugerindo que a alta resolução espacial já é capturada por descritores baseados em amplitude e que preservar essa resolução espacial é mais crítico do que aplicar redução de dimensionalidade.
O artigo apresenta o EMFusion, um framework de previsão probabilística baseado em difusão condicional que utiliza uma arquitetura U-Net residual com atenção cruzada para realizar previsões multivariadas e seletivas em frequência de campos eletromagnéticos em redes sem fio, superando os modelos existentes ao fornecer estimativas de incerteza calibradas e lidar com medições irregulares.
Este artigo apresenta o design e a implementação de um sistema de localização relativa para o SnailBot, um robô modular auto-reconfigurável, que integra reconhecimento de marcadores ArUco, análise de fluxo óptico e processamento de dados IMU em uma estrutura unificada para garantir posicionamento preciso e robusto em tempo real.
Este artigo estende a teoria dos polinômios de Lorentz e completamente log-côncavos para a análise variacional e dinâmica restrita a cones, definindo cones -Lorentzianos e -semipositivos para estabelecer novas desigualdades de Rayleigh, interpretações de dependência negativa e critérios de estabilidade de Lyapunov para sistemas de desigualdades variacionais evolutivas.
Este artigo demonstra, pela primeira vez de forma rigorosa, que a incorporação de atualizações locais no algoritmo DIGing pode acelerar a otimização distribuída com gradientes exatos, revelando que apenas duas iterações locais são suficientes para obter a melhoria máxima sem necessidade de reduzir o tamanho do passo.
Este artigo apresenta uma abordagem híbrida que combina aprendizado e modelos para controle reativo de deslizamento em agarres multifingerados, utilizando sensores táteis multimodais e otimização de forças internas para estabilizar o agarre em tempo real com latência inferior a 50 ms.