Continual uncertainty learning
该研究提出了一种基于课程学习的持续不确定性学习框架，通过将多源不确定性分解为序列任务并结合模型基控制器进行残差学习，有效解决了非线性机械系统鲁棒控制中的样本效率低与灾难性遗忘问题，并成功实现了汽车动力总成主动振动控制的仿真到现实迁移。
💻 Category
cs.SY
307 篇论文
Autonomous Edge-Deployed AI Agents for Electric Vehicle Charging Infrastructure Management
该论文提出了名为 Auralink SDC 的边缘部署 AI 架构，通过置信度校准自主修复、自适应检索增强推理及分层多智能体编排等关键技术，在满足严格安全约束的商用硬件上实现了亚 50 毫秒延迟，从而将电动汽车充电基础设施的自主故障解决率提升至 78%。
Neural Network Tuning of FSMPC for Drives
该论文提出了一种用于五相感应电机有限状态模型预测控制（FSMPC）的神经网络调谐器，通过实验阶跃测试数据训练以优化转速环和定子电流环的控制器参数。
Predictive Control with Indirect Adaptive Laws for Payload Transportation by Quadrupedal Robots
本文提出了一种将间接自适应律与模型预测控制相结合的分层规划控制框架，使四足机器人能够在未知静态及动态负载、地形扰动等不确定性条件下实现鲁棒的负载运输。
SEP-NMPC: Safety Enhanced Passivity-Based Nonlinear Model Predictive Control for a UAV Slung Payload System
本文提出了一种安全增强型无源非线性模型预测控制（SEP-NMPC）框架，通过将严格无源性不等式与高阶控制障碍函数（HOCBFs）相结合，为在复杂环境中运输吊挂负载的四旋翼无人机提供了兼具渐近稳定性与碰撞避免能力的实时控制方案。
Feedback Does Not Increase the Capacity of Approximately Memoryless Surjective POST Channels
该论文证明，对于满足特定满射条件的近似无记忆 POST 信道，反馈并不能增加其容量，从而将香农关于离散无记忆信道的经典结论推广到了更广泛的非严格无记忆场景。
Optimizing Reinforcement Learning Training over Digital Twin Enabled Multi-fidelity Networks
本文提出了一种基于数字孪生多保真网络的层次化强化学习框架，通过联合优化天线倾角调整策略与物理/虚拟网络数据采集比例，在满足时延约束的同时最大化用户数据速率，并显著降低了物理网络的数据采集延迟。
Formation-Aware Adaptive Conformalized Perception for Safe Leader-Follower Multi-Robot Systems
该论文提出了一种基于风险感知 Mondrian 共形预测的分布式形成感知自适应方法，通过生成随形成状态变化的不确定性分位数并将其集成到安全控制中，有效解决了异构感知误差与视野约束耦合下的多机器人编队安全跟踪问题。
The FABRIC Strategy for Verifying Neural Feedback Systems
该论文提出了名为 FABRIC 的新算法，通过结合前向与后向可达性分析技术，有效解决了非线性神经反馈系统验证中后向可达集计算可扩展性不足的问题，并在基准测试中显著优于现有最先进方法。
On the solvability of parameter estimation-based observers for nonlinear systems
本文通过深入分析变换性与可辨识性这两个关键属性，为参数估计观测器（PEBO）在一般非线性系统中的存在性提供了充分条件。
Latent World Models for Automated Driving: A Unified Taxonomy, Evaluation Framework, and Open Challenges
本文提出了一种统一的潜在空间框架，通过构建涵盖表征形式与结构先验的分类体系、明确五大核心内部机制并制定闭环评估方案，系统性地总结了潜在世界模型在自动驾驶中的进展，并指明了实现决策就绪、可验证且资源高效自动驾驶的未来研究方向。
Dynamic Stability Assessment of Grid-Connected Data Centers Powered by Small Modular Reactors
本文提出了一种将小型模块化反应堆与电池储能系统集成的动态建模方法，用于为电网连接的数据中心供电，并通过在 IEEE 118 节点系统上的仿真验证了该方案在应对故障时显著增强电压和频率稳定性的能力。
Differentiable Stochastic Traffic Dynamics: Physics-Informed Generative Modelling in Transportation
本文提出了一种基于伊托型随机交通流模型的可微分生成框架，通过将物理约束从确定性偏微分方程扩展为分布形式，利用包含平流闭合模块的评分网络结合去噪得分匹配与福克 - 普朗克残差损失，实现了能够输出概率分布、置信区间及拥堵风险度量的物理信息交通状态估计。
Optimization-Based Formation Flight on Libration Point Orbits
本文提出了一种基于模型预测控制的框架，通过序列凸规划求解多航天器最优控制问题，在考虑有限机动机会和路径约束的前提下，实现了拉格朗日点轨道（如近直线晕轨道）上航天器编队飞行的精确保持与燃料高效消耗。
Safe or Slow? The Illusion of Thermal Stability Under Reduced-Velocity Nail Intrusion
该研究通过六组受控实验发现，降低大尺寸汽车锂离子电池软包电池的钉子刺入速度可避免热失控，转而引发自放电，表明刺入速度是触发热失控的关键因素，为电池安全系统开发和测试协议优化提供了重要依据。
Amplitude Dependent Bode Diagrams via Scaled Relative Graphs
本文提出了一种基于缩放相对图（SRG）和索伯列夫理论的方法，通过限制输入频率和能量范围来计算非线性 Lur'e 系统的增益界，从而构建出一种将增益表示为频率和能量函数的三维非线性 Bode 图，该方法在特定输入集上比传统全空间分析更具优势，且能退化为线性 Bode 图或增益。
Existence and Design of Functional Observers for Time-Delay Systems with Delayed Output Measurements
本文针对状态延迟与输出测量延迟不一致的线性时滞系统，提出了三种不同阶数的函数观测器结构，建立了代数存在条件与构造性综合方法，并引入广义函数概念以增强设计灵活性，从而实现了对特定状态函数的有效估计。
Distributionally robust two-stage model predictive control: adaptive constraint tightening with stability guarantee
本文提出了一种具有稳定性保证的分布鲁棒两阶段模型预测控制（TSDR-MPC）新方案，通过引入基于 Wasserstein 模糊集的自适应约束收紧机制和仅作用于标称系统的终端约束，有效解决了未知时变扰动下的约束满足与闭环稳定性问题。
System-wide Dynamic Performance Metric for IBR-based Power Networks
本文提出了一种用于评估基于逆变器资源（IBR）电网动态性能的系统级统一指标，该指标通过加权各节点电压相量变化并分解为设备驱动与网络驱动分量，有效解决了 IBR 控制导致的频率与电压动态耦合问题。
Fairness in Robust Unit Commitment Problem Considering Suppression of Renewable Energy
本文提出了一种考虑公平性的可再生能源鲁棒优化模型（RE-RPfair），旨在通过引入基尼系数衡量并实现光伏抑制量在不同光伏源之间的公平分配，从而解决传统单位承诺问题中可再生能源的不确定性挑战。