Scalable Design of Attack-Resilient Controllers for Positive Systems
Lund University（隆德大学）；University of Pennsylvania（宾夕法尼亚大学）；KTH（皇家理工学院）；Uppsala University（乌普萨拉大学）
本文提出了一种针对正系统在面对网络攻击时的安全和鲁棒控制器设计框架，通过最小化最大损失分析攻击影响，并展示线性策略可优化攻击策略。
2026-06-25 cs.SY eess.SY
Frontiers in Scalable Distributed Control: SLS, MPC, and Beyond
系统级综合（SLS）方法以易于理解、计算可扩展的方式促进大型信息物理网络的分布式控制。本文综述了SLS方法及其在非线性控制、MPC、自适应控制和控制学习中的相关扩展。为了说明基于SLS的方法的有效性，我们提出了一个案例研究的动力电网，通信约束，执行器饱和，干扰，和不断变化的设定点。这个简单但具有挑战性的案例研究需要使用模型预测控制（MPC），然而，标准的MPC技术往往规模不大，大型系统，并招致沉重的计算负担。为了解决这个问题，我们结合两个基于SLS的控制器，形成一个分层的MPC控制器。我们的控制器具有恒定的计算复杂度相对于系统的大小，给出了一个20倍的在线计算要求减少，并仍然实现了集中式MPC控制器的3%以内的性能。
2021-03-31 cs.SY eess.SY
Coordinated Ramp Metering Control based on Scalable Nonlinear Traffic Dynamics Model Discovery in a Large Network
针对大规模高速公路网络非线性交通模型难以实时获取的问题，本文提出利用SINDYc从数据中发现动态模型并与MPC结合，实现协调匝道计量控制，在含三条高速和八个匝道的网络中验证了其优于现有方法的实时应用潜力。
2025-03-09 cs.SY eess.SY
Scalable Adaptive Traffic Light Control Over a Traffic Network Including Turns, Transit Delays, and Blocking
本文为网格状交通网络开发了考虑转向、通行延迟和阻塞的自适应交通灯控制器，利用无穷小扰动分析（IPA）推导数据驱动的成本梯度估计器，并通过在线梯度算法迭代优化参数，提出了一种通用可扩展的实时多交叉口交通灯控制框架。
2024-04-26 cs.SY eess.SY
Scalable Adaptive Traffic Light Control Over a Traffic Network Including Transit Delays
该研究针对含过境延误的多交叉口交通网络，提出基于IPA的数据驱动梯度估计和在线梯度算法的自适应交通灯控制方法，以最小化平均等待时间并改善绿波特性，且具有可扩展性。
2023-05-15 cs.SY eess.SY
A scalable control design for grid-forming inverters in microgrids
微电网越来越被认为是将分布式能源整合到电力网络中的关键技术，允许负载和分布式能源的本地集群自主运行。然而，微电网运行带来了新的挑战，特别是在孤岛运行中，因为大型旋转机器不再提供频率和电压控制。相反，微电网中的功率转换器必须协调以调节频率和电压并确保稳定性。我们认为，设计控制器，以实现这些目标的问题。利用无源性理论推导微电网的分散稳定条件，提出了一种并网逆变器的控制设计方法。对于分析，我们使用高阶模型的逆变器和先进的动态模型的线路与任意大量的状态。通过满足分散条件，即插即用操作可以实现与保证的稳定性，和性能也可以通过将此条件作为一个约束，在相应的最优化问题制定改善。此外，与以前的非下垂方法相比，我们的控制设计可以提高微电网的功率共享特性。最后，现实的仿真证实，控制器的设计提高了电力网络的稳定性和性能。
2021-06-19 cs.SY eess.SY math.OC
Observed Control - Linearly Scalable Nonlinear Model Predictive Control with Adaptive Horizons
Colorado School of Mines（科罗拉多矿业学院）
本文提出观测控制方法，利用状态估计与模型预测控制的对偶性，以线性时域可扩展性高效计算控制动作，并通过卡尔曼平滑器及非线性滤波器扩展实现自适应时域和任意时域控制。
2026-09-23 cs.RO cs.SY eess.SY
IOGRUCloud: A Scalable AI-Driven IoT Platform for Climate Control in Controlled Environment Agriculture
IOGRU LLC（IOGRU有限责任公司）
本文提出IOGRUCloud平台，通过整合AI控制与边缘计算，实现温室气候自动调节，减少73%的人工校准工作量，降低能耗23%，提升气候稳定性31%。
2026-04-08 cs.SY eess.SY
Scalable tube model predictive control of uncertain linear systems using ellipsoidal sets
针对受动态模型不确定性和外部扰动影响的线性系统，提出了一种新的鲁棒模型预测控制（MPC）算法。的不确定性建模使用一个线性分数扰动结构与时变扰动矩阵，使算法被应用到一个大的模型类。MPC控制器构造一个状态管作为一个参数化的椭球集的序列来约束系统的状态轨迹。所提出的方法的结果在一个半定的计划在线求解，其规模与系统的顺序线性。状态管的设计被配制成一个离线优化问题，它提供了灵活性，施加所需的功能，如强大的不变性的终端集。这与大多数现有的管MPC策略相比，在状态管中使用多面体集，这是难以设计的，其复杂性随着系统阶数的组合而增长。该算法保证约束满足，递归的可行性，和闭环的稳定性。使用两个仿真研究证明了该算法的优点。
2022-06-09 cs.SY eess.SY math.OC
DC Microgrids with Nested Nonlinear Distributed Control: Scalable Large-Signal Stability and Voltage Containment
Norwegian University of Science and Technology (NTNU)（挪威科技大学）；The University of Manchester（曼彻斯特大学）
本文提出了一种具有嵌套非线性分布式控制的直流微电网控制框架，通过优化策略实现稳定运行和优化的电流共享。
2026-02-16 cs.SY eess.SY
Scalable Synthesis of Minimum-Information Linear-Gaussian Control by Distributed Optimization
University of Texas, Austin（德克萨斯大学奥斯汀分校）
考虑离散时间线性二次高斯控制问题，使从系统状态到控制输入的有向信息与控制代价的加权和最小。通过求解一个半定规划问题，可以将最优控制策略和最优传感策略综合起来。然而，现有的解决方案通常与水平长度成立方比例。我们利用问题中的结构来开发分布式算法，该算法将合成问题分解为一组较小的问题，每个时间步一个。我们证明了该算法在时间上是线性的地平线长度。作为该算法的应用，我们考虑了随机干扰存在下的带障碍物的状态空间中的路径规划问题。该算法在保证路径安全性的前提下，计算出感知和控制成本共同最小的局部最优解，数值算例表明，该算法可以扩展到数千个水平长度，并计算出局部最优解。
2020-04-11 cs.RO cs.SY eess.SY
A Distributed Scalable Architecture using L1 Adaptive Controllers for Primary Voltage Control of DC Microgrids
University College Cork（科克大学）；United Technologies Research Centre Ireland Ltd（联合技术研究院爱尔兰有限公司）；MaREI-SFI Research Centre, University College Cork（科克大学马雷伊-科学基金会研究中心）
本文提出了一种新的分布式控制架构，用于异构直流孤岛微电网中的分布式发电单元，通过L1自适应控制器实现主电压控制，确保系统渐近稳定性和鲁棒性。
2018-01-22 cs.SY eess.SY
Scalable Reinforcement Learning for Linear-Quadratic Control of Networks
本文针对网络化线性二次控制问题，利用空间指数衰减结构，设计了一种基于演员-评论家框架的分布式强化学习算法，仅用局部信息即可学习近最优控制器，并通过仿真验证了其有效性。
2024-03-13 cs.SY eess.SY
On the design of scalable networks rejecting first order disturbances
本文研究了受时延和干扰影响的网络系统的分布式控制协议设计问题。具体而言，我们提出了使用一个多路复用架构来设计分布式控制协议，拒绝多项式干扰斜坡，并保证可扩展性，禁止放大的残余干扰。对于这种架构，我们给出了一个充分条件的控制协议，以保证可扩展性和斜坡拒绝。结果的有效性，它可以用来研究网络的非线性耦合的非线性代理，说明通过机器人编队控制问题。
2022-05-20 cs.SY eess.SY
Scalable Distributed Nonlinear Control Under Flatness-Preserving Coupling
GRASP Laboratory, University of Pennsylvania（宾夕法尼亚大学 GRASP 实验室）；Sibley School of Mechanical and Aerospace Engineering, Cornell University（康奈尔大学 Sibley 机械与航空航天工程学院）
研究了动态耦合下非线性差分平坦子系统的分布式控制，提出保持平坦性的耦合方法，确保局部平坦输出保持整体系统平坦性，并设计分布式控制器实现可扩展轨迹跟踪。
2026-03-14 cs.SY eess.SY
Voltage Control of DC Islanded Microgrids: Scalable Decentralised L1 Adaptive Controllers
University College Cork（科克大学）；United Technologies Research Centre Ireland Ltd（联合技术研究中心爱尔兰有限公司）
本文提出了一种可扩展的去中心化控制方案，用于直流孤岛微电网的主级控制架构，通过在现有DC-DC升压转换器基线电压控制器中安装局部状态反馈L1自适应控制器，实现动态不确定性和即插即用操作下的快速稳健电压稳定性。
2018-03-20 cs.SY eess.SY
A Scalable Network-Aware Multi-Agent Reinforcement Learning Framework for Decentralized Inverter-based Voltage Control
针对高渗透DGs下分散式电压控制的可扩展性难题，本文提出利用网络结构截断critic输入的SNA框架，降低通信成本并提供近似保证，在114个DGs系统中验证有效。
2023-12-07 cs.LG cs.MA cs.SY
Toward a Scalable Upper Bound for a CVaR-LQ Problem
我们研究了一个离散的，有限的时间范围内分布模糊的线性二次型，最优控制问题，其中的成本是通过评估条件风险价值（CVaR）。我们采取步骤，推导出一个可扩展的动态规划方法上限的最优值函数为这个问题。这个动态的程序产生一个新的，可调的风险规避控制政策，我们比较现有的国家的最先进的方法。
2022-06-25 cs.SY eess.SY
Scalable multi-agent reinforcement learning for distributed control of residential energy flexibility
本文提出了一种新的可扩展类型的多智能体强化学习为基础的协调分布式住宅能源。合作代理学习控制电动汽车，空间加热和灵活的负载在一个部分可观察的随机环境中提供的灵活性。在标准的独立Q学习方法中，在随机环境中，部分可观测性下的代理协调性能会大规模下降。在这里，从历史数据的离线凸优化学习和隔离奖励信号中对总奖励的边际贡献的新颖组合提高了稳定性和大规模性能。使用固定大小的Q表，产消者能够评估他们对整个系统目标的边际影响，而无需彼此或与中央协调员共享个人数据。案例研究用于评估探索源，奖励定义和多智能体学习框架的不同组合的适应性。它表明，所提出的战略在个人和系统层面上创造价值，由于能源进口，损失，配电网络拥堵，电池折旧和温室气体排放的成本降低。
2022-03-27 cs.SY eess.SY
Scalable distributed and decentralized $\mathscr{H}_2$ controller synthesis for interconnected linear discrete-time systems
当前线性互联系统的分布式$\mathscr{H}_2$控制器综合的局限性是可扩展性，由于非凸或非结构化的综合条件。在本文中，我们开发了凸的和结构化的条件存在的分布式$\mathscr{H}_2$控制器的离散时间互联系统的互连结构，对应于一个任意的图形。中性互联和存储功能与块对角结构被用来获得耦合条件是一个相当低的计算复杂度相比，相应的集中式$\mathscr{H}_2$控制器综合问题。此外，开发的条件适用于相应的分散$\mathscr{H}_2$控制器综合问题与固定的供应功能的互连。所开发的分布式$\mathscr{H}_2$控制器综合方法的有效性和可扩展性证明了小型到大型振荡器网络的循环图。
2021-01-14 cs.SY eess.SY
Supervisory Control of Multi-Agent Discrete-Event Systems with Partial Observation
本文研究了具有部分观测的多智能体离散事件系统。代理可以被分成几组，其中每个代理具有相似的（同构的）状态转换结构，因此可以重新标记到相同的模板中。在此基础上，针对部分观测的情况，设计了一个状态大小和计算代价与Agent数目无关的可扩展监督器。部分观测下的可伸缩监督程序不需要重新计算，无论有多少代理添加到系统或从系统中删除。我们通过提出模板级别上可扩展的最少限制性监督程序的安全性和最大许可性的充分条件，将我们早期的结果推广到部分观察。一个例子来说明所提出的可扩展的监督合成。
2021-03-19 cs.SY eess.SY
Distributed Predictive Control Barrier Functions: Towards Scalable Safety Certification in Modular Multi-Agent Systems
Institute for Dynamic Systems and Control, ETH Zurich（苏黎世联邦理工学院动态系统与控制研究所）；University of California Berkeley（加州大学伯克利分校）
本文提出分布式预测性控制屏障函数（D-PCBF）作为多智能体系统的安全框架，通过模型预测确保在动态网络拓扑变化下的可恢复安全性，并通过仿真和实验证明其有效性。
2026-03-31 cs.RO cs.SY eess.SY
Towards a Scalable and Flexible Simulation and Testing Environment Toolbox for Intelligent Microgrid Control
微型电网和智能电网在将可再生能源纳入常规电网和向偏远地区供电方面发挥着重要作用。现代MSG由于其高效率和灵活性而在很大程度上由电力电子转换器驱动。然而，由于在各种不同的MSG拓扑结构中对能量可用性、安全性和电压质量的要求最高，因此控制MSG是一项具有挑战性的任务。这就要求在开发阶段对新的控制方案进行全面测试，并与现有技术进行比较，以确保其可行性。这特别适用于强化学习（RL）领域的数据驱动控制方法，其稳定性和操作行为很难先验评估。因此，OpenModelica微电网Gym（OMG）包，一个开源的软件工具箱的模拟和控制优化的味精，提出。它能够对任意MSG拓扑进行建模和仿真，并为即插即用控制器测试提供基于Python的接口。特别是，标准化的OpenAI Gym接口允许轻松集成基于RL的控制器。除了OMG工具箱的介绍，应用程序的例子突出显示，包括安全的贝叶斯优化低级别的控制器调整。
2020-05-19 cs.SY eess.SY
Scalable Supervisory HVAC Control for Linear Objectives
Purdue University（普渡大学）
研究针对线性依赖热负荷的目标开发几乎无需调试的HVAC控制器，最多需两个热参数，模拟中性能对参数误差鲁棒，无需调整，能保持舒适度并实现一定比例性能提升，避免传统方法负担，获取先进控制大部分价值。
2026-09-21 cs.SY eess.SY
A Scalable and Energy Efficient IoT System Supported by Cell-Free Massive MIMO
IoT（物联网）系统以无线方式支持大量IoT设备。我们展示了如何使用无小区大规模多输入多输出（多输入多输出）来提供可扩展且节能的物联网系统。我们采用最佳线性估计与随机导频获取信道状态信息（信道状态信息）MIMO预编码和解码。在上行链路中，我们采用最佳线性解码器，并利用RM（随机矩阵）理论，以获得两个准确的SINR（信号干扰加噪声比）近似只涉及大规模衰落系数。我们推导出几个最大-最小型功率控制算法的基础上精确的SINR表达式和RM近似。接下来，我们考虑下行链路（DL）传输的功率控制问题。为了避免解决一个耗时的准凹问题，需要重复测试的可行性的SOCP（二阶锥规划）问题，我们开发了一个神经网络（NN）辅助功率控制算法，结果在30倍的计算时间减少。该功率控制算法导致可扩展的无小区大规模多输入多输出网络，其中由每个AP进行的计算量不取决于网络AP的数量。UL和DL功率控制算法都可以明显提高系统频谱效率（SE），更重要的是，可以成倍提高能效（EE），这对物联网网络至关重要。
2020-11-14 cs.SY eess.SY
Decentralized Safe and Scalable Multi-Agent Control under Limited Actuation
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Delhi Technological University（德里技术大学）；University of Virginia（弗吉尼亚大学）
针对现有多智能体控制方法难以同时兼顾安全性、驱动约束满足、死锁预防与大规模可扩展性的问题，提出融合神经ICBF、嵌入式MPC-ICBF及梯度优化死锁缓解的去中心化算法，在千级智能体场景下实现安全高效控制。
2024-09-15 cs.MA cs.RO cs.SY
Scalable and Anonymous Modeling of Large Populations of Flexible Appliances
本文提出一种中粒度随机混合模型，用于表示两类家电：可延迟负载和热控负载，实现可扩展的负载建模与控制，同时保护用户隐私。
2014-04-07 cs.SY eess.SY
Scalable Robust Adaptive Control from the System Level Perspective
California Institute of Technology（加州理工学院）
本文提出了一种新的鲁棒和自适应控制框架，用于分布式和可扩展地学习和控制互联线性子系统的大型系统。核心方法是通过时间变化的动态控制器实现，结合系统层面合成的最新工作，提出了一种通用的鲁棒自适应控制算法，能够在通信和延迟约束下以分布式方式解决鲁棒优化问题，且在系统互联稀疏且局部子系统动态仅依赖少量参数时表现优异。
2019-03-29 cs.SY eess.SY
A decentralized scalable approach to voltage control of DC islanded microgrids
Università degli Studi di Pavia（帕维亚大学）；United Technologies Research Center Ireland（联合技术研究中心爱尔兰）；Institute of Energy Technology, Aalborg University（奥尔堡大学能源技术研究所）
本文提出了一种去中心化控制方案，用于由多个分布式发电单元组成的直流孤立微电网，通过优化问题确保系统稳定性，实现控制器的可扩展性。
2015-03-24 cs.SY eess.SY
Dynamically Feasible Planning and Control in Complex Environments: a Scalable Systematic Approach
University of Michigan（密歇根大学）
针对受非凸约束的线性离散时间系统，提出生成安全集的方法及参考调节器，能保证系统安全与参考命令收敛，在线计算开销低，特定情况下安全集计算高效，通过仿真验证了方法的适用性。
2026-07-15 cs.SY eess.SY
A scalable line-independent design algorithm for voltage and frequency control in AC islanded microgrids
Università degli Studi di Pavia（帕维亚大学）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
本文提出了一种去中心化控制合成方法，用于稳定交流孤立微电网中的电压和频率，该方法允许在不损害整体稳定性的情况下添加或移除分布式发电单元。核心贡献是提出了一种线路无关的设计算法，允许每个局部控制器仅需对应分布式发电单元的参数，而无需相邻单元的线路模型，并且新单元接入时无需重新调节相关单元的调节器。
2018-10-15 cs.SY eess.SY
Prevalence and scalable control of localized networks
控制网络动态的能力对于确保许多技术、生物和社会系统的理想功能至关重要。这样的系统通常由大量的网络元件组成，并且控制大规模网络仍然具有挑战性，因为计算和通信要求随着网络规模的增加而快速增加。在这里，我们引入了网络局部性的概念，即使动态是非线性的，也可以利用它来控制网络的可扩展性。我们发现，网络局部性捕获的信息度量，几乎普遍观察到在真实和模型网络。在局部网络中，最优控制动作和系统响应都必然集中在由信息度量引起的小邻域内。这使我们能够开发本地化的算法来确定网络的可控性和优化驱动节点的位置。这也使我们能够开发一个本地化的算法，用于设计本地反馈控制器，接近相应的最佳全局控制器的性能，同时产生的计算成本的数量级较低。我们验证了仓本振荡器网络以及三个大型经验网络中算法的局部性，性能和效率：美国东部电网的同步动态，全球航空运输网络介导的流行病传播，以及人脑网络中的阿尔茨海默病动态。总之，我们的研究结果表明，大型网络可以控制的计算和通信成本与小型网络。
2022-08-11 cond-mat.dis-nn cs.SY eess.SY
Scalable Gaussian Process Regression via Deterministic Trigonometric Features: Uniform Bounds for Safe Model Predictive Control
RWTH Aachen University（亚琛工业大学）；Chalmers University of Technology（查尔姆斯理工大学）
本文提出确定性三角特征高斯过程（DTF-GP）框架，将GP回归转化为贝叶斯线性回归，推导其高概率一致不确定性边界，集成至学习型MPC后，在大数据场景下兼顾安全保证与计算效率。
2026-08-18 cs.SY eess.SY
CINOC: Cardinality-Invariant Neural Operator Policies for Scalable PDE Control
Johns Hopkins University（约翰斯·霍普金斯大学）
提出基数不变神经算子控制（CINOC），通过将PDE控制重构为算子学习问题，实现策略在传感器、执行器或智能体配置变化时的零样本迁移和可扩展性。
2026-05-25 cs.SY eess.SY
A Scalable Port-Hamiltonian Approach to Plug-and-Play Voltage Stabilization in DC Microgrids
基于变流器的直流微电网电压稳定的主要挑战之一是多个相互作用的单元显示间歇性供电行为。在本文中，我们解决了这个问题的分散可扩展，即插即用的电压控制器的电压源转换器（VSC）在初级水平。与现有的方法相比，我们遵循一个系统的和建设性的设计，基于端口-哈密顿系统（PHSs），既不需要启发式命题的李雅普诺夫函数，也不计算辅助变量，如时间导数。利用PHS方法得到的Hamilton函数作为李雅普诺夫函数，并利用无源系统的模块性，给出了所设计的VSC控制器实现微电网电压渐近稳定的充分条件.积分作用（IA），它保留了无源PHS结构，鲁棒的设计对未知的干扰，并确保在稳态零电压误差。数值仿真说明了所提出的电压控制器的功能。
2020-02-12 cs.SY eess.SY
Scalable Voltage Control using Structure-Driven Hierarchical Deep Reinforcement Learning
Pacific Northwest National Laboratory（太平洋西北国家实验室）
本文提出了一种新的分层深度强化学习（DRL）的设计用于电网电压控制。DRL代理被训练用于控制动作的快速和自适应选择，使得在扰动之后可以满足电压恢复标准。现有的电压控制技术受到操作速度、不同位置之间的最佳协调和可扩展性的问题的困扰。我们利用区域明智的分工结构的电力系统，提出了一个分层的日间行车灯设计，可以扩展到更大的网格模型。我们采用了一种增强的增广随机搜索算法，是专为电压控制问题的两级架构。我们训练区域分散的RL代理计算较低级别的政策，为个别地区，并同时训练一个更高级别的DRL代理，使用更新的较低级别的政策，以有效地协调控制行动所采取的较低级别的代理。IEEE基准39节点模型的3个区域的数值实验表明，所提出的分层方法的优点和各种复杂性。
2021-01-29 cs.LG cs.SY eess.SY
Cell-Free Data Power Control Via Scalable Multi-Objective Bayesian Optimisation
Ericsson Research（爱立信研究院）；KTH Royal Institute of Technology（KTH皇家理工学院）
无小区多用户多输入多输出网络是传统蜂窝结构的有希望的替代方案，因为它们具有在网络的整个覆盖区域上提供统一服务质量和高资源利用率的潜力。为了实现这一潜力，以前的工作已经开发了无线电资源管理机制，使用各种优化引擎。在这项工作中，我们考虑的问题，整体遍历频谱效率最大化的上下行数据功率控制在无小区网络的背景下。为了在大型网络中解决这个问题，并解决收敛时间的限制，我们应用可扩展的多目标贝叶斯优化。此外，我们讨论了如何交叉的多保真度仿真和贝叶斯优化可以提高无线电资源管理在无细胞网络。
2022-12-20 cs.LG cs.SY eess.SY
Mitigating Traffic Oscillations in Mixed Traffic Flow with Scalable Deep Koopman Predictive Control
School of Transportation, Southeast University, Nanjing, China, 211189（东南大学交通学院）；Jiangsu Key Laboratory of Urban ITS, Nanjing, China, 210096（江苏省城市智能交通重点实验室）；Jiangsu Collaborative Innovation Center of Modern Urban Traffic Technologies, Nanjing, China, 210096（江苏省现代城市交通技术协同创新中心）；Department of Civil Engineering, Institute of Transport Studies, Monash University, Melbourne, Australia, VIC 3800（莫纳什大学土木工程系）；College of Transportation Engineering, Tongji University, Shanghai, PR China, 201804（同济大学交通工程学院）
本文提出了一种自适应深度Koopman预测控制框架，通过学习HDV的跟车动力学来提高混合交通流的稳定性，实现低计算成本的高效控制。
2025-08-10 cs.AI cs.SY eess.SY
Scalable High-Speed Lateral Control for Single-Body and Articulated Autonomous Vehicles
本文提出一种可扩展横向控制框架，通过对基于回旋曲线的控制器改进，结合灵活跟踪点选择与仿真验证，实现单体与铰接式自动驾驶车辆的高速鲁棒路径跟踪。
2026-08-11 cs.RO cs.SY eess.SY
QuCtrl-BELL: A Compiler-Driven Sub-Microsecond Feedback Control Stack for Scalable Trapped-Ion Quantum Experiments
Tsinghua University（清华大学）；Hefei National Laboratory（合肥国家实验室）；University of Science and Technology of China（中国科学技术大学）
本文提出QuCtrl-BELL，一种编译器驱动的子微秒反馈控制堆栈，用于可扩展的囚离子量子实验，通过分离控制流与硬件状态数据，解决经典控制系统的根本权衡问题，展示编译器基础设施在可扩展囚离子量子控制中的可编程性、确定性定时和模块化。
2026-05-21 cs.PL cs.SY eess.SY
Scalable synthesis of safety certificates from data with application to learning-based control
Institute for Dynamic Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院）
本文提出了一种高效的方法来合成安全集和控制律，通过基于凸优化问题的近似方法，提高了可扩展性，同时利用高斯过程先验减少保守性，应用于自动驾驶车队等场景。
2020-05-24 cs.LG cs.SY eess.SY
Scalable Multi-modal Model Predictive Control via Duality-based Interaction Predictions
Model Predictive Control Laboratory, UC Berkeley（模型预测控制实验室，伯克利大学）
提出一种用于复杂多模态交通场景的分层实时MPC架构，结合RAID-Net预测车辆交互并简化随机MPC问题以消除无关约束，在模拟路口实现12倍求解加速。
2025-03-31 cs.LG cs.RO cs.SY
Scalable Data-Driven Reachability Analysis and Control via Koopman Operators with Conformal Coverage Guarantees
Georgia Institute of Technology（佐治亚理工学院）；School of ECE（电子工程学院）；Schools of Cybersecurity & Privacy & Aerospace Eng（网络安全与隐私及航空航天工程学院）
本文提出基于Koopman算子的可扩展数据驱动可达性分析与控制方法，通过符合预测保证系统覆盖，提升高维任务的可达集覆盖率和计算效率。
2026-01-03 cs.AI cs.LG cs.RO
Distributed Virtual Model Control for Scalable Human-Robot Collaboration in Shared Workspace
Department of Engineering, University of Cambridge（工程系，剑桥大学）
本文提出一种分布式虚拟模型控制框架，通过去中心化方法实现安全的人机协作，有效解决死锁问题并提升协作效率。
2026-02-19 cs.RO cs.SY eess.SY
Scalable and Approximation-free Symbolic Control for Unknown Euler-Lagrange Systems
IISc, Bengaluru, India（印度理工学院班加罗尔分校）；Centre for Cyber-Physical Systems（网络物理系统中心）
本文提出了一种可扩展且无近似符号控制方法，用于确保未知欧拉-拉格朗日系统满足时序逻辑规范，同时减少计算和内存需求。
2026-01-16 cs.FL cs.SC cs.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
PowerNet: Multi-agent Deep Reinforcement Learning for Scalable Powergrid Control
本文提出了一种高效的多智能体深度强化学习算法，用于电网协同控制。具体来说，我们考虑分布式发电机（DG），这是第一次制定为一个合作的多智能体强化学习（MARL）问题的分布式逆变器为基础的二次电压控制问题。然后，我们提出了一种新的政策MARL算法，PowerNet，其中每个代理（DG）学习的控制策略的基础上（子）全球奖励，但从其邻近的代理的本地状态。由于一个代理的本地控制对远离它的代理的影响有限，我们利用一种新的空间折扣因子来减少远程代理的影响，加快训练过程，提高可扩展性。此外，一个可区分的，基于学习的通信协议，以促进相邻代理之间的合作。此外，为了减轻在策略学习过程中引入的系统不确定性和随机噪声的影响，我们利用动作平滑因子来稳定策略执行。为了便于培训和评估，我们开发了PGSim，一个高效，高保真的电网仿真平台。在两个微电网设置的实验结果表明，开发的PowerNet优于传统的基于模型的控制，以及几个国家的最先进的MARL算法。分散学习方案和高采样效率也使其适用于大规模电网。
2021-08-01 cs.MA cs.SY eess.SY
Ingress Cryogenic Receivers Toward Scalable Quantum Information Processing: Theory and System Analysis
本文提出全无源多路复用cryo-HFDD低温直接检测控制平台，分析光/亚太赫兹链路的热负载、噪声与损耗权衡，证明其可在4 K下支持数千量子比特的低成本可扩展控制。
2025-09-30 cs.SY eess.SY physics.app-ph
Cloud-Based Scheduling Mechanism for Scalable and Resource-Efficient Centralized Controllers
Robotics and AI Group, Department of Computer, Electrical and Space Engineering, Luleå University of Technology（机器人与人工智能组，计算机、电气与航天工程系，卢勒阿大学技术学院）
针对多智能体 CNMPCs 在大规模部署中的可扩展性与计算负担问题，提出基于 Kubernetes 的云端调度机制以监控、优化并卸载控制计算。
2024-10-07 cs.DC cs.MA cs.RO
