A Cooperative Multi-Agent Probabilistic Framework for Search and Track Missions
KIOS Research and Innovation Center of Excellence（KIOS卓越研究与创新中心）；Department of Electrical and Computer Engineering, University of Cyprus（塞浦路斯大学电气与计算机工程系）
本文提出了一种协作多智能体框架，用于在未知数量目标的情况下高效搜索与追踪。
2026-02-21 cs.SY eess.SY
Fuzzy-based Robust Precision Consensus Tracking for Uncertain Networked Systems with Cooperative-Antagonistic Interactions
在非线性多智能体系统的二分一致性跟踪（BCT）任务中，随机干扰和执行器故障被认为是影响有效控制器设计和跟踪精度提高的重要因素.为了解决这些困难，我们设计了一个改进的有限时间性能函数（FTPF）的模糊容错分布式协同控制方案，实现有限时间鲁棒精度BCT任务的非线性多智能体系统。改进后的FTPF的参数选择范围放宽，使系统获得更好的瞬态性能。利用随机李雅普诺夫稳定性理论，证明了系统的所有信号在概率上是半全局一致最终有界的，并且二部一致误差在预定时间内可以满足任意精度的概率.最后，为了验证其有效性，所提出的控制方案被应用到一组车辆的BCT任务，表现出预期的控制性能在各种不确定性。
2022-04-16 cs.SY eess.SY nlin.AO
Quadratic-Programming-based Control of Multi-Robot Systems for Cooperative Object Transport
Department of Mechanical Engineering, City University of Hong Kong（香港城市大学机械工程系）
本文提出基于二次规划的多机器人协同运输控制方法，通过设计速度和位置跟踪控制器，实现对球形物体的协同运输并保证系统稳定性。
2025-12-14 cs.SY eess.SY
MPC for Tracking applied to rendezvous with non-cooperative tumbling targets ensuring stability and feasibility
针对主动碎片清除中与非合作翻滚目标的交会，提出一种基于中间坐标变换和QP求解的模型预测追踪控制器，通过终端LQR和死区保证稳定性与可行性，并在Envisat交会模拟中验证性能。
2024-03-16 cs.SY eess.SY math.OC
Time-Optimal Path Tracking for Cooperative Manipulators: A Convex Optimization Approach
Linköping University（林雪平大学）；ABB Robotics Division（ABB机器人事业部）
研究了多机器人协同搬运物体的时间最优路径跟踪问题。考虑到刚性抓物体的问题，我们表明，它可以作为一个凸优化问题，并有效地解决了最优性的保证。当公式化问题时，我们避免使用特定的扳手分布，并利用系统可用的全部驱动。然后，我们考虑的问题，掌握使用摩擦力，并表明，这个问题也，在一个力封闭掌握假设，可以制定为一个凸优化问题，并有效地解决和最优。为了确保牢牢把握，在这一方法中考虑了内力。
2023-03-13 cs.RO cs.SY eess.SY
Cooperative Optimal Output Tracking for Discrete-Time Multiagent Systems: Stabilizing Policy Iteration Frameworks
State Key Laboratory of Synthetical Automation of Process Industries, Northeastern University（东北大学流程工业综合自动化国家重点实验室）
本文提出两种基于策略迭代的算法，用于离散时间多智能体系统的协同最优输出跟踪，通过稳定化策略迭代框架和Q学习框架实现高效稳定的控制方案。
2026-01-26 cs.SY eess.SY
Adaptive Cooperative Tracking and Parameter Estimation of an Uncertain Leader over General Directed Graphs
研究了具有不确定领导者的异构Euler-Lagrange系统的协同跟踪问题。与大多数现有的工作不同，系统的动态知识的领导者节点是不可访问的任何从节点在我们的文件。对所有跟随节点设计分布式自适应观测器，同时估计领导节点的状态和参数。观测器的设计不依赖于领导节点的频率知识，估计误差收敛到零指数。此外，这些结果也适用于一般的有向图，其中Laplacian矩阵的对称性不成立。这是由于两个新开发的李雅普诺夫方程，这完全取决于通信网络拓扑。有趣的是，利用这些李雅普诺夫方程，许多结果的多智能体系统的无向图可以扩展到一般的有向图。最后，本文还提出了自适应控制系统的知识库，为自适应观测器的参数收敛性分析提供了主要工具。
2022-01-31 cs.SY eess.SY math.OC
Cooperative Learning with Gaussian Processes for Euler-Lagrange Systems Tracking Control under Switching Topologies
Robert Koch Institute（罗伯特·科赫研究所）；Technical University of Munich（慕尼黑工业大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Freie Universität Berlin（柏林自由大学）
针对切换拓扑下部分未知动态的欧拉-拉格朗日多智能体系统，提出基于高斯过程回归的相关性感知合作学习控制方法，通过规避后验方差计算高效确定聚合权重，并经李雅普诺夫分析保证跟踪误差有界，仿真验证了其有效性。
2024-02-05 cs.LG cs.MA cs.SY
Projected gradient-tracking in multi-cluster games and its application to power management
我们关注的是一个分布式的方法来解决多集群游戏中出现的多智能体系统。在这样的游戏中，代理人被分成不同的集群。属于同一个集群的智能体相互合作，以实现一个共同的集群目标，而集群之间进行非合作博弈。为了能够处理信息的稀疏性，因为每个代理只知道问题的特定部分，我们将梯度跟踪和共识方法用于信息分配到一个算法中，该算法可以在单次运行中解决合作和非合作问题。问题的约束条件考虑到相应的投影算子和线性收敛性证明了适当的常数步长。该算法被应用到一天前的电源管理问题，提出了作为一个多集群的游戏，其效率是通过模拟证明。
2022-03-11 cs.SY eess.SY
A distributed motion planning approach to cooperative underwater acoustic source tracking
University of Genova（热那亚大学）；ISME, Interuniversity Center of Integrated Systems for the Marine Environment（海洋环境集成系统跨大学中心）；Institute for Systems and Robotics, Instituto Superior Técnico（高级技术研究所系统与机器人研究所）
本文提出了一种基于分布式模型预测控制的水下声源跟踪方法，通过优化多代理协同运动规划提升跟踪性能。
2025-12-01 cs.SY eess.SY
Cooperative Transportation of UAVs Without Inter-UAV Communication
National Chiao Tung University（国立交通大学）
提出了一种基于主从系统的协同运输系统。据我们所知，这是第一个不需要无人机之间通信的工作，并且可以实时修改有效载荷的参考轨迹，以便它可以应用于动态变化的环境。为了在无通信条件下实时跟踪修改后的参考轨迹，将领导者-跟随者系统视为非完整系统，设计了领导者的控制器以实现对有效载荷的渐近跟踪.为了消除安装力传感器的需要，开发了UKFs（无迹卡尔曼滤波器）来估计由领导者和跟随者施加的力。对闭环系统的跟踪误差进行了稳定性分析。仿真结果表明了该跟踪控制器的良好性能。实验结果表明，所设计的主从控制器在实际环境中均能正常工作，但在受限空间内，气流扰动对跟踪误差有较大影响。
2021-11-05 cs.RO cs.SY eess.SY
Passive Handwriting Tracking via Weak mmWave Communication Signals
提出一种由一发射机、两接收机组成的毫米波协同被动感知框架，利用多普勒频率积分估计微小运动速度，实现90%误差低于6毫米的手写跟踪，并在弱信号、无视距路径条件下保持鲁棒。
2023-11-03 cs.SY eess.SY
Adaptive Machine Learning for Cooperative Manipulators
利用自适应机器学习方法研究了在不精确运动学模型下形成闭合运动链的协作机器人的自校正控制问题。由两个级联估计器在线更新与互连机械臂的相对位置/方向不确定性有关的运动学参数，以调整合作控制器，从而实现具有最小范数驱动力的精确运动跟踪。该技术允许精确校准所涉及的机械手的相对运动学，而不需要高精度的端点传感或力测量，因此它是经济合理的。研究整个实时估计器/控制器系统的稳定性表明，如果i）角速度矢量的方向不随时间保持恒定，并且ii）初始运动学参数误差由一些已知参数的缩放器函数上界，则可以确保自适应控制过程的收敛性和稳定性。自适应控制器被证明是无奇异性的，即使控制律涉及反演的估计参数计算的矩阵的近似。实验结果表明，传统的逆动态控制方案的跟踪性能的运动学不准确的敏感性，而跟踪误差显着减少的自校正合作控制器。
2022-09-06 cs.RO cs.SY eess.SY
Learning-Based Geometric Leader-Follower Control for Cooperative Rigid-Payload Transport with Aerial Manipulators
Universidad Politécnica de Madrid（马德里理工大学）；Centre for Automation and Robotics (CSIC-UPM)（自动化与机器人中心（西班牙国家研究委员会-马德里理工大学））
本文提出基于学习的几何领导者-追随者控制方法，用于多空中机械臂协同运输刚性负载，通过高斯过程补偿未知干扰并保证控制稳定性。
2026-02-25 cs.SY eess.SY math.OC
Cooperative Adaptive Learning Control for A Group of Nonholonomic UGVs by Output Feedback
本章提出了一种基于高增益控制器的协同确定性学习（CDL）控制算法，用于一组相同的单轮车型无人地面车辆（UGV）跟踪期望的参考轨迹。对于车辆状态，可以测量车辆的位置，而速度估计使用高增益观测器。对于轨迹跟踪控制器，采用径向基函数（RBF）神经网络（NN）在线估计飞行器的未知动力学，并通过CDL保证NN权值收敛和估计精度。本章的主要挑战和新颖之处在于，在不完全了解车辆状态和车辆模型的情况下，使用这种基于混合器的CDL算法来跟踪参考轨迹。此外，系统中的任何车辆都能够沿着所有车辆代理所经历的轨迹的并集学习未建模动态的知识，使得所学习的知识可以被重新使用以遵循在学习阶段中定义的任何参考轨迹。基于学习的跟踪收敛性和共识学习结果，以及使用学到的知识跟踪经验轨迹，示出使用李雅普诺夫方法。仿真结果表明了该算法的有效性。
2020-02-24 cs.SY eess.SY
Cooperative Estimation of 3D Target Motion via Networked Visual Motion Observer
Tokyo Institute of Technology（东京工业大学）
针对视觉传感器网络，提出一种称为网络化视觉运动观测器的协同估计机制，同时满足静态目标平均和动态目标跟踪，并推导了最终误差上界和分析了跟踪性能。
2011-07-26 cs.SY eess.SY math.OC
Multi-UAV Planning for Cooperative Wildfire Coverage and Tracking with Quality-of-Service Guarantees
Georgia Institute of Technology（佐治亚理工学院）
近年来，研究人员委托机器人和无人机（无人机）团队进行准确的在线野火覆盖和跟踪。虽然大多数先前的工作集中在这种多机器人系统的协调和控制上，但迄今为止，这些UAV团队还没有被赋予推理火灾轨迹的能力（即，位置和传播动态）以在时间范围上提供性能保证。受空中野火监测问题的启发，我们提出了一个预测框架，该框架使多无人机团队能够在概率性能保证的情况下进行合作，以实现协作的现场覆盖和火灾跟踪。我们的方法使无人机推断的潜在火灾传播动力学的时间延长的协调在安全关键条件。我们推导出一组新的，分析的时间，和跟踪误差的界限，使无人机团队分配其有限的资源，并根据情况下的特定估计状态覆盖整个火灾区域，并提供概率性能保证。我们的结果不仅限于空中野火监测的案例研究，一般适用于问题，如搜索和救援，目标跟踪和边境巡逻。我们评估我们的方法在模拟和演示的物理多机器人测试平台上的建议框架，以考虑到真正的机器人动力学和限制。我们的定量评估验证了我们的方法的性能，分别比最先进的基于模型和强化学习基准测试的跟踪误差小7.5倍和9.0倍。
2022-06-21 cs.AI cs.RO cs.SY
Heterogeneous Multi-Agent Multi-Target Tracking using Cellular Sheaves
本文提出使用细胞sheaves框架解决异构多智能体多目标跟踪问题，通过调和扩展方法处理非线性动态和干扰，提供去中心化控制律和稳定性分析。
2025-12-31 cs.MA cs.SY eess.SY
Robust Cooperative Formation Control of Fixed-Wing Unmanned Aerial Vehicles
Institute for Aerospace Studies, University of Toronto（航空航天研究学院，多伦多大学）
本文研究了固定翼无人机在紧密编队飞行中用于节能的鲁棒协同编队控制问题，提出了一种新的协同控制方法，通过虚拟结构概念解决大规模无人机编队中虚拟领导者设计的难题，并采用协作者滤波器生成平滑的参考信号，同时利用不确定性与扰动观测器补偿气动耦合导致的模型不确定性，最终实现了鲁棒的编队控制。
2019-05-06 cs.MA cs.RO cs.SY
A Cooperative Bearing-Rate Approach for Observability-Enhanced Target Motion Estimation
College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；Westlake University（西湖大学）
针对基于视觉的目标运动估计可观测性低、难跟踪高机动目标的问题，本文提出分布式递推最小二乘框架下的STT-R协同估计器，结合方位角速率信息增强可观测性，经仿真与实验验证能提升估计精度、减少速度滞后，实现高机动目标跟踪。
2025-02-12 cs.RO cs.SY eess.SY
To What Extent Can Inherent Communication Noise Guarantee Privacy in Distributed Cooperative Control?
University College London（伦敦大学学院）；Institute of Systems Science, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）；School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院）
研究多智能体系统中固有通信噪声能否保证隐私，通过建立通信噪声模型，设计分布式LQR机制，以保护智能体私有控制偏好实现编队跟踪，提供差分隐私保证，验证了理论结果及隐私 - 性能权衡。
2026-07-29 cs.SY eess.SY
Cooperative Control of Linear Multi-Agent Systems via Distributed Output Regulation and Transient Synchronization
University of Stuttgart（斯图加特大学）；University of California Riverside（加州大学河滨分校）
本文提出了一种新的分布式调节器，用于协调相同和不同类型的线性智能体，通过基于暂态状态组件的耦合实现暂态同步，以提高群体在暂态阶段的协同行为并保证同步误差的衰减率。
2014-05-31 cs.SY eess.SY math.DS
Viewpoint-driven Formation Control of Airships for Cooperative Target Tracking
Institute for Flight Mechanics and Controls, University of Stuttgart（斯图加特大学飞行力学与控制研究所）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
本文针对飞艇非完整约束和风扰下的协同目标跟踪，利用空速与距离的周期性关系推导最优运动捕捉编队解，并开发MPC控制器，经仿真和实物验证。
2023-03-21 cs.RO cs.SY eess.SY
Can Inherent Communication Noise Guarantee Privacy in Distributed Cooperative Control ?
University College London（伦敦大学学院）；Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）
本文提出了一种基于LQR的分布式协同控制框架，利用内在通信噪声实现差分隐私保护，无需额外隐私噪声，同时保证系统跟踪误差的收敛性。
2026-01-12 cs.SY eess.SY
Observer-Based Coordinated Tracking Control for Nonlinear Multi-Agent Systems with Intermittent Communication under Heterogeneous Coupling Framework
研究了一类具有间歇通信和信息约束的非线性多智能体系统（MAS）在动态切换拓扑下的协调跟踪控制问题.首先，设计了一个状态观测器来估计系统中不可测的实际状态信息。其次，在动态切换拓扑结构中引入可调的异构耦合加权参数，提出异构耦合框架下的分布式协调跟踪控制协议。然后，构造了一个新的引理，实现了观测器增益、状态反馈增益和异构耦合增益矩阵的协同设计。进一步证明了系统的稳定性，并给出了通信速率的取值范围。在此基础上，将间歇通信模式扩展为正常通信、主从通信中断和所有智能体通信中断三种时间间隔情况，并改进了分布式协调跟踪控制方法，解决了这一问题。最后，通过非线性多传感器的仿真实验验证了方法的正确性。
2022-06-29 cs.SY eess.SY math.DS
A hybrid approach for cooperative output regulation with sampled compensator
Huazhong University of Science and Technology（华中科技大学）；Wuhan University（武汉大学）
本文提出了一种分布式混合控制器，用于线性多智能体系统的协作输出调节问题，通过设计状态反馈律实现协作输出调节，并通过数值仿真验证了采样数据控制律的效果。
2016-04-19 cs.MA cs.SY eess.SY
Adaptive Dynamic Programming and Data-Driven Cooperative Optimal Output Regulation with Adaptive Observers
针对连续时间线性多智能体系统，提出了一种基于自适应动态规划（adaptive dynamic programming，ADP）的自适应最优控制策略，以实现系统的协作最优输出调节.所提出的方法是不同的ADP和合作的输出调节在这个意义上说，外系统动力学的知识是不需要在设计的外状态观测器的那些代理没有直接访问外系统的现有文献。此外，最优控制策略获得没有任何代理的建模信息的先验知识，同时实现合作的输出调节。相反，我们使用沿着底层动力系统的轨迹的状态/输入信息和估计的外部状态来学习最优控制策略。仿真结果表明，该算法的有效性，外系统矩阵和外状态的估计误差以及跟踪误差均在最优意义下收敛到零，解决了协作最优输出调节问题。
2022-09-25 cs.SY eess.SY
Autonomous Cooperative Flight Control for Airship Swarms
Heriot-Watt University（赫瑞-瓦特大学）；University of Campinas (UNICAMP)（坎皮纳斯大学（UNICAMP））
本文研究了两种飞艇群自主协同飞行控制器的设计方法。第一个控制器是基于编队飞行的，第二个是基于群体智能策略。在这两种情况下，飞艇团队需要执行两项不同的任务：航路点路径跟踪和地面移动目标跟踪。在这项工作中考虑的无人机平台是在巴西开发的NOAMAY飞艇。我们使用模拟环境来测试所提出的方法。结果表明，固有的灵活性的群体智能的方法在这两个任务。
2020-04-16 cs.RO cs.SY eess.SY
Cooperative Localization for Mobile Networks: A Distributed Belief Propagation - Mean Field Message Passing Algorithm
Aalborg University（奥尔堡大学）；Danish Defence（丹麦国防部）；CMRE（北约海上作战研究中心）；TU Wien（维也纳工业大学）
本文提出一种混合消息传递方法用于移动代理的分布式协作定位与跟踪，通过信念传播和均场消息传递分别处理运动相关和测量相关部分，采用高斯信念近似仅需每个迭代广播三个实值，通信开销低但估计精度可与粒子信念传播相当。
2016-04-03 cs.MA cs.SY eess.SY
Distributed MPC for Self-Organized Cooperation of Multiagent Systems -- Extended Version
本文提出一种带人工参考的序贯分布式跟踪MPC方案，通过邻居间仅交换人工参考和耦合代价实现异构非线性多智能体的无外部引导自组织协作，并给出闭环渐近收敛条件及一致性、编队应用。
2024-06-12 cs.SY eess.SY
Sparse Sensing Architectures with Optimal Precision for Tracking Multi-agent Systems in Sensing-denied Environments
在本文中，跟踪问题的多智能体系统，在一个特定的场景中，一段代理进入一个感知拒绝的环境或行为作为非合作目标，被认为是。重点是确定最佳的传感器精度，同时促进稀疏的传感器测量，以保证指定的估计性能。该问题是制定在离散时间集中卡尔曼滤波框架。该算法通过求解线性矩阵不等式约束下的半定规划，使得精度矩阵的迹最小，精度矩阵定义为传感器噪声协方差矩阵的逆矩阵。仿真结果揭示了传感器精度和感测频率之间的权衡。
2021-03-01 cs.SY eess.SY
Low-Complexity Cooperative Payload Transportation for Nonholonomic Mobile Robots Under Scalable Constraints
School of Mechanical Electrical Engineering and Automation, Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）机电工程与自动化学院）；School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院）；School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院）
针对分布式控制难处理多约束、优化方法集中且耗时的问题，本文改进编队控制，提出低复杂度、分布式且支持可扩展约束的非完整移动机器人协同运输方法，并通过缆索悬挂载荷仿真与实验验证可行性。
2025-02-19 cs.RO cs.SY eess.SY
Nonconvex Distributed Feedback Optimization for Aggregative Cooperative Robotics
针对协作机器人网络的非凸聚合优化问题，提出结合闭环梯度流与一致性动态补偿器的 Aggregative Tracking Feedback，并证明其收敛至驻点且经多机器人监视仿真验证。
2024-04-05 cs.SY eess.SY math.OC
SMA-NBO: A Sequential Multi-Agent Planning with Nominal Belief-State Optimization in Target Tracking
Texas A&M University（得克萨斯农工大学）
在移动多传感器系统目标跟踪中，传感器的部署影响系统的观测能力和状态估计质量。基于部分可观测马尔可夫决策过程（POMDP）制定的可观测传感器动态，不可观测的目标状态，并伴随着观察法律，我们提出了一种分布式信息驱动的解决方案的多智能体目标跟踪问题，即顺序多智能体名义信念状态优化（SMA-NBO）。SMA-NBO试图通过滚动时域控制来最小化期望跟踪误差，其中包括启发式期望剩余成本（HECTG）。SMA-NBO结合了目标置信状态在视界上的计算有效近似。代理的代理决策是能够利用板上（边缘）计算选择（次优）目标跟踪演习表现出非近视的合作舰队行为。该优化问题明确地结合了定义来自世界模型的目标遮挡的语义信息。为了说明我们的方法的有效性，随机遮挡森林环境进行了模拟。SMA-NBO与其他基线方法进行了比较。仿真结果表明，SMA-NBO算法1）通过基于最大后验概率估计的单样本轨迹代替期望目标轨迹的计算，在保持跟踪性能的同时降低了计算代价：2）通过顺序优化单智能体策略并有效利用其他智能体的意图策略，生成协同机群决策; 3）适当地结合了多重加权跟踪惩罚（MWTP）HECTG，其通过计算高效的启发式算法提高了跟踪性能。
2022-03-03 cs.MA cs.RO cs.SY
Decentralized Multi-target Tracking in Urban Environments: Overview and Challenges
在多目标跟踪中，传感器控制涉及动态配置传感器以提高跟踪性能。这些技术中的许多集中于具有无记忆状态的传感器（例如，波形自适应、波束调度和传感器选择），使其自身适合于计算上高效的控制策略。然而，由于平台状态动态的复杂性，用于多目标跟踪的移动传感器控制显著更具挑战性。这种平台的复杂性需要高保真、非近视的控制策略，以便在保持安全操作的同时实现强大的跟踪性能。这些传感器控制技术在非合作城市监视应用中特别重要，包括感兴趣的人，车辆和未经授权的UAV拦截。在这篇综述论文中，我们强调了在城市环境中多目标跟踪的移动传感器控制的当前状态。我们使用这个应用程序来激励信息融合，跟踪和控制研究社区之间更紧密的合作，在三个挑战领域相关的城市监控问题的需要。
2019-07-05 cs.SY eess.SY
Human Physical Interaction based on UAV Cooperative Payload Transportation System using Adaptive Backstepping and FNTSMC
本文针对双四旋翼无人机协同载荷运输系统，提出结合自适应反步位置控制与快速非奇异终端滑模姿态控制的非线性控制策略，并通过导纳控制实现人机物理交互，以提升系统稳定性与操作响应性。
2025-03-13 cs.SY eess.SY
A Potential Game Approach for Information-Maximizing Cooperative Planning of Sensor Networks
KAIST（韩国科学技术院）
本文提出了一种潜在游戏方法，用于分布式选择信息性传感器，以最大化测量变量与目标量之间的互信息。通过证明局部效用函数导致潜在游戏，最终收敛到纯策略纳什均衡。
2014-03-04 cs.GT cs.SY eess.SY
Cooperative distributed model predictive control for embedded systems: Experiments with hovercraft formations
Hamburg University of Technology（汉堡工业大学）；TU Dortmund University（多特蒙德工业大学）；EPFL（洛桑联邦理工学院）
本文提出无需中央协调器、可在气垫船机载毫秒级运行的协作式分布式MPC方法，并通过多场景编队实验验证其灵活性。
2025-03-17 cs.RO cs.SY eess.SY
Distributed Dynamic Platoons Control and Junction Crossing Optimization for Mixed Traffic Flow in Smart Cities- Part II. Stability, Optimization, and Performance Analysis
在第二部分中，我们提出了一个完全分布式的非线性可变车头时距空间策略，以确保随后的安全巡航和交叉路口，其中多个邻居刺激的合作感知和合作跟踪的跟随连接的自动驾驶汽车（CAV）的领导者CAV，这将导致一个异构的交通流动态。一旦适当的长度的ADSCAS所确定的第一部分的特点是形成的，我们提出了一个合作的观察员设计，以估计领导CAV的加速度调整，这是由未知的交通灯。我们将证明，分布式和弹性非线性队列控制和交叉路口问题将通过鲁棒的协同轨迹跟踪优化算法来解决，以确保队列的快速形成和分裂以及有限时间范围内的安全交叉路口巡航，同时考虑到周围车辆（SV）的社会驾驶行为（SDB），跟随CAV的动态，以及即将到来的交通信号时刻表，同时最小化整个排的燃料消耗。通过性能分析和实例验证了所提出的多队列动态管理方法的有效性，同时也表明，CAV与人驾驶车辆（HDV）之间的协作可以进一步平滑行驶轨迹，降低燃油消耗，提高混合交通流的安全性
2022-09-02 cs.SY eess.SY
A Distributed Active Perception Strategy for Source Seeking and Level Curve Tracking
用于多代理系统定位源或遵循空间分布标量场的期望水平曲线的算法通常需要在代理之间共享场测量以用于梯度估计。然而，在本文中，我们提出了一种分布式主动感知策略，使不同大小和图形结构的群体执行源搜索和水平曲线跟踪，而不需要明确地估计场梯度或明确地共享测量。所提出的方法利用了一个共识式的主成分分析感知算法，不需要显式的通信，以计算一个局部的身体帧。这个身体框架被用来设计一个分布式控制法律，其中每个代理调制其运动的基础上，只有其瞬时场测量。几个稳定性的结果内得到的奇异摄动框架，证明了该战略的收敛性和鲁棒性。此外，效率通过各种计算机模拟和机器人实施$2$ -D标量场进行验证。主动感知策略利用了可用的本地信息，并有可能被用于各种应用，如生物和机器人群体中的信息传播建模。
2021-04-06 cs.SY eess.SY
Cooperative learning in multi-agent systems from intermittent measurements
Princeton University（普林斯顿大学）
针对时变连接和间歇测量下的多智能体系统，提出一种分布式学习协议，从噪声测量中学习未知向量μ，并给出学习速度与网络大小和组合特征的关系。
2014-12-15 cs.LG cs.MA cs.SY
Decentralized Search and Track with Multiple Autonomous Agents
在本文中，我们研究的问题合作搜索和跟踪（SAT）的多个移动目标与一组自主移动代理，表现出有限的传感能力。我们假设，目标的实际数量是未知的先验和目标出生/死亡可能发生在任何地方的监测区域内。因此，需要有效的搜索策略来检测和跟踪尽可能多的目标。为了解决上述挑战，我们增加了经典的概率假设密度（PHD）过滤器，除了目标密度外，还能够及时传播搜索密度。在此基础上，我们开发了分散的合作前瞻策略，有效地搜索和跟踪未知数量的目标内有界的监视区域。通过仿真实验证明了该方法的性能。
2023-02-01 cs.SY eess.SY
Contraction-based Neural Control for Cooperative Aerial Payload Transportation with Variable-length Cables
University of Toronto Institute For Aerospace Studies (UTIAS)（多伦多大学航空研究所）
提出一种多无人机吊挂载荷系统的神经非线性控制框架，通过解耦动力学结构，联合训练神经收缩度量控制器和反馈控制器实现载荷轨迹跟踪，并利用可变长度缆绳进行避障。
2026-06-19 cs.SY eess.SY
Cooperative Online Learning for Multi-Agent System Control via Gaussian Processes with Event-Triggered Mechanism: Extended Version
针对未知动态多智能体系统，提出带事件触发数据选择机制的 GP 在线协作学习控制方法，降低更新频率并保证跟踪收敛、排除 Zeno 行为。
2024-09-17 cs.SY eess.SY
Resilient Interval Observer-Based Control for Cooperative Adaptive Cruise Control under FDI Attack
University of Tulsa（塔尔萨大学）
本文提出了一种结合非线性控制器和区间观测器的控制框架，用于在面对FDI攻击时实现鲁棒的状态估计和安全的协同自适应巡航控制。
2026-01-18 cs.SY eess.SY
Extremum Seeking Tracking for Derivative-free Distributed Optimization
本文提出一种结合梯度跟踪与极值搜索的分布式优化算法，在目标函数未知且仅能获取局部测量的场景下，通过李雅普诺夫和平均分析及共识理论实现任意精确的解估计，并用数值模拟验证。
2024-11-07 cs.SY eess.SY math.OC
High-Speed High-Accuracy Spatial Curve Tracking Using Motion Primitives in Industrial Robots
Rensselaer Polytechnic Institute（伦斯勒理工学院）；GE Research（通用电气研究中心）
工业机器人越来越多地部署在需要末端执行器工具紧密地跟踪指定路径的应用中，诸如在喷涂和焊接中。性能和生产力可能存在相互冲突的目标：跟踪精度，路径速度和运动均匀性。工业机器人通过运动基元进行编程，运动基元由预定义的运动段连接的路径点组成，具有指定的参数，如路径速度和混合区。实际执行的机器人运动取决于机器人关节伺服控制器和关节运动约束（速度、加速度等）。这在很大程度上不为用户所知。今天，对机器人进行编程以实现所需的性能是耗时的，并且主要是手动的，需要调整运动基元中的大量耦合参数。性能还取决于附加参数的选择：可能的冗余自由度、目标曲线的位置和机器人配置。本文提出了一种系统的方法来优化机器人运动原语的性能。该方法首先选择静态参数，然后选择运动基元，最后迭代更新航路点以最小化跟踪误差。最终的性能目标是最大限度地提高路径速度的跟踪精度和速度均匀性的约束下，在整个path.We已经证明了这种方法的有效性，在模拟ABB和FANUC机器人的两个具有挑战性的例子曲线，和实验ABB机器人。与使用当前行业实践的基准相比，优化后的性能显示出超过200%的性能改善。
2023-01-06 cs.RO cs.SY eess.SY
A New Encounter Between Leader-Follower Tracking and Observer-Based Control: Towards Enhancing Robustness against Disturbances
University of Kansas（堪萨斯大学）
本文研究了受扰动影响的领导者-跟随者多智能体系统（MAS）的鲁棒跟踪控制问题，提出了一种新的观测器基于分布式跟踪控制设计，通过设计首个此类分布式扰动观测器，使跟随者能够协作估计影响领导者的扰动以调整其动作，从而在放松的扰动假设下实现有界误差跟踪。
2019-05-10 cs.SY eess.SY
Real-time Vehicle-to-Vehicle Communication Based Network Cooperative Control System through Distributed Database and Multimodal Perception: Demonstrated in Crossroads
Zhejiang University（浙江大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Michigan（密歇根大学）
本文提出基于V2V通信的网络协同控制系统VVCCS，结合分布式数据库和多模态感知，在Qcar平台上实现宏观交通规划与碰撞避免，并通过十字路口演示验证其在复杂城市环境中的潜力。
2024-10-23 cs.AI cs.RO cs.SY
Distributed Model Predictive Control for Cooperative Multirotor Landing on Uncrewed Surface Vessel in Waves
Ingenuity Labs Research Institute（Ingenuity Labs 研究院）
本文提出一种结合人工目标和时空波浪模型的序列分布式模型预测控制方案，解决了多旋翼无人机在恶劣开阔水域无人水面艇上的安全协同着陆问题。
2024-02-16 cs.RO cs.SY eess.SY
Trajectory Tracking for Multi-Manipulator Systems in Constrained Environments
Division of Decision and Control, Department of Electrical Engineering, KTH Royal Institute of Technology（决策与控制系，电气工程系，皇家理工学院）
本文提出了一种多速率规划与控制框架，用于在受限环境中实现多机械臂系统的协同轨迹跟踪。
2025-12-16 cs.RO cs.SY eess.SY
Observer-Based Estimation and Hydrostatic Inertia Modeling for Cooperative Transport of Variable-Inertia Loads with Quadrotors
Norwegian University of Science and Technology（挪威科技大学）；Universidad de San Andrés (UdeSA)（圣安德烈斯大学）；CONICET（阿根廷国家科学研究委员会）；Centre for Automation and Robotics (CSIC-UPM)（自动化与机器人中心）
本文提出基于观测器的估计与静水惯性建模方法，用于四旋翼协同运输变惯性负载，通过预计算惯性张量和查找表实现高效参数识别与控制。
2026-02-27 cs.SY eess.SY math.OC
Guaranteed cost structured control in infinite-horizon linear-quadratic cooperative differential games
本文研究了具有输出反馈信息结构的无限时间线性二次合作微分博弈，提出反馈保证成本结构控制概念，分析其性质并验证了Pareto最优控制的子最优性。
2026-08-25 cs.SY eess.SY math.OC
The Brain-Inspired Cooperative Shared Control Framework for Brain-Machine Interface
Shenzhen Institute of Advanced Technology, CAS（中国科学院深圳先进技术研究院）；University of Chinese Academy of Sciences（中国科学院大学）；Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院）；Tsinghua University（清华大学）
针对脑机接口中神经信号信息量低且噪声高的问题，提出基于脑启发智能的协同共享控制框架，利用脉冲神经网络控制机械臂与轮子，显著提升了系统性能与临床应用潜力。
2024-10-12 cs.HC cs.RO cs.SY
