321 artigos
O artigo propõe uma abordagem de transporte aéreo colaborativo de cargas suspensas por cabos em equilíbrio rotativo, onde a força centrífuga gera a tensão horizontal necessária, permitindo que os drones mantenham empuxo puramente vertical e reduzam o consumo de energia em até 20% em comparação com métodos estáticos tradicionais.
Este artigo propõe um framework de desaprendizagem de máquina baseado em SISA para localização de curtos-circuitos entre espiras em transformadores de potência, permitindo a remoção eficiente de dados envenenados por falhas de sensores através do retreinamento seletivo de subconjuntos de dados, o que reduz significativamente o tempo de processamento em comparação com o retreinamento completo do modelo.
Este estudo apresenta um framework de aprendizado por reforço baseado em grafos que incorpora características topológicas de ordem superior, como a homologia de persistência, para otimizar a reconfiguração e o desligamento de carga em redes de distribuição de energia, resultando em maior resiliência, entrega de energia e estabilidade de tensão diante de falhas causadas por eventos extremos ou ciberataques.
Este artigo propõe um quadro de recuperação de dados que integra restrições de roteamento de rede de comunicação com completamento de matriz de baixo posto para melhorar a precisão na recuperação de medições faltantes em redes de distribuição, superando os métodos tradicionais que ignoram a dependência espacial causada por falhas na comunicação.
Este artigo apresenta um framework acessível que permite a cientistas sem especialização em visualização criar animações 3D de dados climáticos em escala petasséptica em estações de trabalho comuns, utilizando um sistema de descritores de animação, acesso eficiente a dados na nuvem e uma interface assistida por LLM para gerar resultados em tempo reduzido.
O artigo apresenta o GuideTWSI, um novo conjunto de dados diversificado de imagens sintéticas e reais que supera as limitações geográficas e de viewpoint dos datasets existentes ao incluir tanto barras direcionais quanto domos truncados, visando melhorar a detecção e navegação segura de pessoas cegas e com baixa visão.
Este artigo apresenta um método inovador para otimização de trajetória robusta e livre de distribuições em sistemas estocásticos não lineares e não gaussianos, utilizando inferência conformal para garantir o cumprimento de restrições de chance com garantias estatísticas fechadas, permitindo a aplicação segura de planejadores baseados em aprendizado em cenários críticos.
Este artigo propõe um framework de controle preditivo baseado em modelo distribuído (DMPC) utilizando o método ADMM para permitir o transporte colaborativo de cargas pesadas por equipes de robôs quadrúpedes com manipuladores, decompondo o problema global em subproblemas paralelos que garantem escalabilidade, desempenho em tempo real e robustez em ambientes complexos.
Este tutorial apresenta uma introdução orientada ao controle para sistemas de navegação inercial assistida, utilizando uma formulação baseada na teoria de grupos de Lie centrada no grupo estendido SE₂(3) para desenvolver uma estrutura geométrica clara que funde medições inerciais com informações auxiliares, destacando explicitamente os papéis da invariância e da simetria.
Este artigo apresenta um framework de coordenação Vehicle-to-Grid (V2G) baseado em aprendizado por reforço que utiliza o algoritmo Soft Actor-Critic para regular a tensão em sistemas de carregamento de um ou múltiplos hubs, respeitando restrições de bateria e demonstrando, através de simulações no sistema IEEE 34-bus, uma recuperação de tensão robusta e priorização da disponibilidade da frota em cenários de sobrecarga.
Este artigo de revisão oferece uma análise abrangente dos métodos de modelagem, otimização e controle conscientes da rede para Sistemas Energéticos Integrados, identificando limitações metodológicas e propondo direções de pesquisa para superar os desafios de interdependências complexas e garantir escalabilidade em futuras redes energéticas de baixo carbono.
Este trabalho propõe um framework de IA multiagente baseado em LLMs para automatizar a geração e orquestração de políticas de rApps em Open RAN, resolvendo conflitos e alcançando alta precisão de implantação com redução significativa de custos computacionais.
Este artigo de revisão propõe uma perspectiva de inteligência corporificada subaquática baseada no acoplamento de restrições, argumentando que a autonomia confiável em robôs subaquáticos exige integrar planejamento e controle com as limitações físicas, de comunicação e energéticas do ambiente marinho, oferecendo uma taxonomia de falhas e direções de pesquisa para sistemas mais resilientes e verificáveis.
Este artigo propõe e analisa um algoritmo de rastreamento preditivo baseado no lema fundamental de Willems para sistemas não lineares com embutimento linear de Koopman, demonstrando que o arrependimento dinâmico decai exponencialmente com o horizonte de previsão e que os custos acumulados coincidem com os do sistema linear elevado.
Esta pesquisa de revisão sintetiza o papel fundamental do aprendizado de máquina em todas as camadas da Internet das Coisas Subaquáticas (IoUT), demonstrando ganhos significativos em eficiência energética, taxa de transmissão e precisão de detecção ao abordar os desafios únicos de comunicação subaquática, ao mesmo tempo em que identifica barreiras persistentes e traça um roteiro para a implementação futura.
Este artigo apresenta garantias de amostragem finita para o aprendizado de representações de estado orientado a custos no controle Linear Quadrático Gaussiano (LQG) de horizonte infinito, explorando duas abordagens distintas — uma com dinâmica latente explícita e outra implícita, semelhante ao MuZero — e estabelecendo uma contribuição técnica fundamental sobre a persistência de excitação em um novo processo estocástico.
Este artigo propõe uma abordagem de controle de realimentação de saída baseada em restrições quadráticas integrais (IQC) para sistemas LPV com atrasos de entrada variantes no tempo, derivando condições de síntese convexas e dependentes do atraso que permitem a reconstrução explícita do controlador e oferecem melhor desempenho e menor conservadorismo em comparação com métodos tradicionais.
Este artigo propõe um observador inovador baseado em dinâmica inversa que combina um modelo linear de veículo de uma pista com uma representação distribuída dos pneus via equações diferenciais parciais hiperbólicas, permitindo a estimativa precisa do ângulo de derrapagem e das forças dos pneus apenas a partir de medições de taxa de guinada e aceleração lateral, mesmo na presença de ruído e incertezas do modelo.
Este artigo apresenta o VB-NET, uma estrutura de aprendizado profundo cinza-construída e baseada em física que transforma sistemas de ar condicionado em modelos de "bateria virtual" padronizados, superando modelos de caixa-preta convencionais ao garantir consistência física e alcançar alta precisão com dados históricos mínimos.
Este artigo propõe um framework leve de Controle Preditivo Modelado (MPC) para anúncios de marca que utiliza regressão isotônica online para construir modelos monotônicos diretamente de dados em fluxo, eliminando a necessidade de modelos complexos de aprendizado de máquina e melhorando significativamente a eficiência de gastos e o controle de custos em comparação com estratégias de base.