A Goal-Oriented Approach for Active Object Detection with Exploration-Exploitation Balance
Loughborough University（拉夫堡大学）；Imperial College London（帝国理工学院）；University of Birmingham（伯明翰大学）
本文提出一种面向目标的主动物体检测方法，通过探索-利用平衡的成本函数指导下一步视角选择，结合不确定性估计实现高效检测，适用于未知环境中的制造任务。
2026-10-01 cs.SY eess.SY
Large Scale Model Predictive Control with Neural Networks and Primal Active Sets
University of Pennsylvania（宾夕法尼亚大学）；University of California San Diego（加利福尼亚大学圣迭戈分校）
本文提出了一种显式-隐式方法来计算模型预测控制（MPC）律，并保证其递归可行性和渐近稳定性。该方法结合了离线训练的全连接神经网络与在线原始有效集求解器。神经网络提供了一个控制输入初始化，而原始有效集方法确保递归的可行性和渐近稳定性。该神经网络的训练与原始-对偶损失函数，旨在生成控制序列，是原始可行的，并满足所需的次优水平。由于单独的神经网络不能保证约束满足，它的输出被用来在线热启动原始有效集方法。我们证明了这种方法可以扩展到具有数千个优化变量的大型问题，这对于当前的方法来说是具有挑战性的。我们的方法实现了2倍减少在线推理时间相比，在不同的求解器和初始化策略的基准套件的最佳方法。
2021-07-05 cs.LG cs.SY eess.SY
Model Predictive Vehicle Yaw Stability Control via Integrated Active Front Wheel Steering and Individual Braking
车辆稳定性控制系统是道路交通主动安全系统的重要组成部分。研究了采用主动前轮转向和单独制动的汽车横向稳定性控制问题。车辆横向稳定性控制意味着将车辆横摆率和车辆侧滑角保持在期望值。为此，设计了基于模型的控制器。期望的横摆角速度从单轨车辆模型获得，期望的侧偏角被选择为零。控制器的设计包括两部分，下位机和上位机。基于模型预测控制（MPC）方法设计了上位控制器。该上控制器利用线控转向系统改变前轮转向角，并且还产生用于稳定车辆的横摆运动所需的控制力矩。下部控制器是单独的制动算法。它决定了单个制动轮。以这种方式，可以将控制力矩施加到车辆。所设计的控制器进行了测试，使用非线性单轨车辆模型和高保真CarMaker车辆模型。
2022-10-19 cs.SY eess.SY
XIT: Exploration and Exploitation Informed Trees for Active Gas Distribution Mapping in Unknown Environments
Loughborough University（拉夫堡大学）；Imperial College London（帝国理工学院）
XIT通过平衡探索与利用，提升未知环境中自主气体分布映射的效率和质量。
2026-08-25 cs.RO cs.SY eess.SY
Safe Importance Sampling in Model Predictive Path Integral Control
我们介绍了嵌入式障碍状态控制下的重要性采样的概念，题为安全控制模型预测路径积分控制（SC-MPPI）。对于在具有多个约束的环境中操作的机器人系统，在执行优化时，硬约束通常利用惩罚函数来编码。利用基于优化的技术（例如控制障碍函数）的替代方案可以用作安全过滤器以确保系统不违反给定的硬约束。相比之下，这项工作利用了安全滤波器的原理，但在模型预测路径积分控制的前向采样期间应用它。所得到的前向样本集可以在安全控制器的域内保持安全，从而提高样本效率并允许改进对状态空间的探索。我们通过类似于信息理论MPPI的信息理论原理推导出该控制器。我们的经验表明，优越的采样效率，探索和系统性能的SC-MPPI相比，模型预测路径积分控制（MPPI）和微分动态规划（DDP）优化屏障状态。
2023-03-06 cs.SY eess.SY
Learning-based Model Predictive Control for Safe Exploration
Vector Institute（向量研究所）；Max Planck ETH Center for Learning Systems（马克斯·普朗克-ETH学习系统中心）
本文提出了一种基于学习的模型预测控制方法，通过高斯过程先验假设构建可证明准确的轨迹置信区间，从而提供可证明的高概率安全保证，用于动态系统的安全高效探索和学习。
2018-11-07 cs.AI cs.LG cs.RO
Open-/Closed-loop Active Learning for Data-driven Predictive Control
本文提出开/闭环主动学习策略，用于数据驱动预测控制中有效获取信息丰富的数据集，通过最小化可接受系统集合体积并设计自适应预测控制器，验证了方法的有效性与稳定性。
2025-11-27 cs.SY eess.SY
Auto-Optimization with Active Learning in Uncertain Environment: A Predictive Control Approach
本文提出一种结合主动学习的预测控制方法，用于在不确定环境中自主优化运行条件，通过引入虚拟激励信号和持续激励验证机制，解决参数识别与跟踪的最佳运行条件之间的矛盾。
2025-12-04 cs.SY eess.SY
MM-LMPC: Multi-Modal Learning Model Predictive Control via Mode-Specific Terminal Design and Bandit-Based Exploration
Graduate School of Engineering, The University of Osaka（大阪大学大学院工学研究科）；Institute of Systems and Information Engineering, University of Tsukuba（筑波大学系统信息工程学研究所）
提出多模态LMPC（MM-LMPC），通过聚类轨迹为运动模式并构建模态特定终端设计，结合LCB元控制器选择模式，以增强探索并降低代价，理论保证稳定性与收敛性。
2026-09-15 cs.SY eess.SY
Goal-oriented safe active learning for predictive control using Bayesian recurrent neural networks
Politecnico di Milano（米兰理工大学）；ETH Zürich（苏黎世联邦理工学院）；Imperial College London（帝国理工学院）；Chalmers University of Technology（查尔姆斯理工大学）
本文提出一种基于贝叶斯递归神经网络的在线模型适应方案，通过目标导向的安全主动学习算法，在预测控制框架中递归更新递归神经网络的最后层参数，确保安全性和控制性能，实验证明其在能源系统中的经济性与安全性。
2026-04-14 cs.SY eess.SY
Active Learning-based Model Predictive Coverage Control
本文针对初始未知环境下的多智能体覆盖控制问题，提出分层与集成式MPC框架，并结合UCB主动学习实现探索-利用权衡，保证闭环约束满足与最优收敛，并在微型小车平台上验证比较。
2024-03-29 cs.SY eess.SY
Task-Oriented Active Learning of Residual Dynamics for Model Predictive Path Integral Control
Technical University of Munich（慕尼黑工业大学）
本文提出任务导向信息获取（ToIA）准则，用于MPPI控制中的在线GP残差学习，通过加权任务相关性选择信息，在模拟越野导航中显著提升成功率。
2026-09-18 cs.RO cs.SY eess.SY
LMI-based robust model predictive control for a quarter car with series active variable geometry suspension
针对串联主动可变几何悬架（SAVGS）四分之一汽车，提出基于LMI的鲁棒模型预测控制方案，通过不确定系统建模与半定松弛优化，在满足约束下提升乘坐舒适性与道路附着性，仿真验证优于被动悬架及传统H∞控制。
2024-01-29 cs.SY eess.SY
Leveraging Adaptive Model Predictive Controller for Active Cell Balancing in Li-ion Battery
North Carolina State University（北卡罗来纳州立大学）；University of Tehran（德黑兰大学）；University of Denver（丹佛大学）
本文提出自适应模型预测控制器用于锂离子电池串并联电路中的主动细胞平衡，通过递归最小二乘法预测未来电压，提升电池组电压均衡性。
2017-06-18 cs.SY eess.SY
A Distributed Model Predictive Wind Farm Controller for Active Power Control
由于风的波动性和风能作为电源的使用越来越多，风力发电将对电网的稳定性产生越来越大的负面影响。在本文中，模型预测控制策略，不仅稳定了风电场产生的功率，但也创造了可能性，执行功率参考跟踪与风电场。通过功率参考跟踪，电网运营商可以使电力生产适应电力需求的变化，并抵消由其他发电机引入的波动。通过这种方式，风电场实际上可以有助于稳定的电网时，这是必要的，而不是负面影响it.A低保真度控制为导向的风电场模型开发和采用分布式模型预测控制器。在该控制模型中，尾流动力学被考虑在内，因此，模型的阶数相对较大。从计算的角度来看，这使得集中式模型预测控制难以为大型风电场提供实时控制。因此，本文提出的控制器是一种分布式模型预测控制。在这里，中央控制问题被划分为较小的本地控制问题，这些问题在本地控制器上并行解决，这显著降低了计算复杂度，并且使模型预测控制在风电场中的应用更接近于实际实施。在10和64涡轮风力发电场的模拟中测试所提出的控制解决方案。
2020-07-10 cs.SY eess.SY
Optimizing Exploration with a New Uncertainty Framework for Active SLAM Systems
CIFASIS, French Argentine International Center for Information
本文提出一种基于不确定性地图和符号相对熵的主动SLAM框架，通过不确定性前沿平衡探索与利用，兼容多传感器，实现自主探索开放空间。
2025-06-21 cs.RO cs.SY eess.SY
Racing a Wheeled Quadruped: Active Load Transfer Mitigation via Model Predictive Control
University of California, Berkeley（加州大学伯克利分校）；Politecnico di Milano（米兰理工大学）
提出一种结合模型预测控制与强化学习的层次控制框架，通过主动侧倾控制减少轮式四足机器人自主竞速中的横向载荷转移，实现最高44%的LTR降低、8.7%的圈速提升和21.3%的侧向加速度增强。
2026-06-26 cs.RO cs.SY eess.SY
Optimistic Active Exploration of Dynamical Systems
ETH Zürich（苏黎世联邦理工学院）；MPI for Intelligent Systems（马克斯·普朗克智能系统研究所）
本文提出主动探索算法 OPAX，通过乐观最大化未知动态与观测之间的信息增益，实现动力系统的全局逼近，并在理论和实验中验证其零样本下游任务规划能力。
2023-10-30 cs.LG cs.RO cs.SY
Learning to Drift in Extreme Turning with Active Exploration and Gaussian Process Based MPC
State Key Laboratory of Industrial, Zhejiang University（工业-state重点实验室，浙江大学）
提出结合高斯过程回归与模型预测控制的模型校正漂移控制器，通过主动探索漂移速度来校正模型失配并最小化轨迹误差，仿真与实验证明其显著降低了横向与速度跟踪误差。
2025-06-01 cs.AI cs.RO cs.SY
