Online Learning Based Mobile Robot Controller Adaptation for Slip Reduction
University of California, Berkeley(加州大学伯克利分校)
滑移是轮式移动机器人系统中一种非常普遍的现象。它具有不希望的后果,例如浪费能量和阻碍系统稳定性。为了解决移动机器人在湿滑条件下的轨迹跟踪的挑战,我们提出了一个分层的框架,学习和适应增益的跟踪控制器同时在线。具体而言,强化学习(RL)模块用于自动调整横向预测控制器和纵向速度PID控制器中的参数。实验表明,同步增益调整的必要性,并已证明,我们的在线框架优于最好的基线控制器使用固定的增益。通过利用在线增益自适应,我们的框架实现了强大的跟踪性能,拒绝滑动和减少跟踪误差时,移动机器人通过各种地形。
2023-01-30 cs.RO cs.SY eess.SY
AURORA: Autonomous Updating of ROM and Controller via Recursive Adaptation
University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出AURORA框架,通过递归适应实现高维非线性系统ROM控制器的自动更新,结合诊断触发的结构适应,五种专用代理协作迭代生成、判断、修订,通过性能退化分类实现纠正措施,实验表明其在跟踪精度上优于专家基线和经典自适应方法。
2026-03-25 cs.SY eess.SY
Learning Contextual Runtime Monitors for Safe AI-Based Autonomy
Chalmers University of Technology(查尔姆斯理工大学);University of Gothenburg(哥德堡大学);University of California at Berkeley(加州大学伯克利分校)
本文提出了一种学习上下文感知运行时监视器的新框架,用于安全的基于AI的控制集合。通过将监视学习转化为上下文学习任务,该方法在控制器选择中提供理论安全保证,并提高控制器多样性利用,通过自动驾驶模拟验证了其在安全性和性能上的显著改进。
2026-04-02 cs.AI cs.LG cs.SY
Generalizations of Backup Control Barrier Functions: Expansion and Adaptation for Input-Bounded Safety-Critical Control
California Institute of Technology(加州理工学院);Illinois Institute of Technology(伊利诺伊理工大学);Wichita State University(威奇托州立大学)
本文扩展了备份控制屏障函数框架,通过分离扩展控制器与验证备份控制器,实现更广泛的扩展策略,同时保持形式安全保证,并扩展到参数化控制器家族以实现在线适应。
2026-03-19 cs.SY eess.SY
Integrated Online Monitoring and Adaptation of Process Model Predictive Controllers
本文提出基于闭环性能指标统计监控的MPC在线适应方法,通过强化学习和识别技术实现控制器适应,验证于区域供暖系统模拟。
2026-07-29 cs.SY eess.SY
Lyapunov-Based Deep Residual Neural Network (ResNet) Adaptive Control
针对ResNet自适应控制器缺乏Lyapunov权重更新律的问题,本文提出首个基于Lyapunov推导的ResNet自适应控制方法,并通过非光滑分析保证渐近收敛,Monte Carlo仿真显示其较全连接DNN性能提升64%。
2025-02-15 cs.SY eess.SY
Trajectory tracking control of a Remotely Operated Underwater Vehicle based on Fuzzy Disturbance Adaptation and Controller Parameter Optimization
Purdue University(普渡大学)
针对冰下探索中ROV精确轨迹跟踪需求,提出融合模糊自适应扰动抑制与PSO参数优化的MIMO非线性控制器,经仿真验证性能优于基线方法,助力冰下探索技术发展。
2024-05-16 cs.RO cs.SY eess.SY
Guided Policy Improvement for Satisfying STL Tasks using Funnel Adaptation
我们介绍了一种基于采样的学习方法解决最优控制问题的任务满意度约束的系统与部分已知的动态。控制问题的定义是一个成本最小化和一个任务要满足,在信号时序逻辑(STL)的语言。可能的任务的复杂性通常使得它们难以通过随机探索来满足,这限制了学习算法的实际可行性。然而,最近的工作表明,使用控制器来引导学习过程,通过利用系统动力学的可用知识来帮助任务满意度,对于提高该方法的采样效率是非常有益的。出于这些发现,这项工作引入了一个控制器推导框架,自然导致计算效率高的控制器能够提供这样的指导,在学习过程中。派生的控制器的目的是满足一组所谓的鲁棒性规范或漏斗的原子命题构成STL任务的时间演变上施加。理想情况下,这些规范的规定方式,使他们的满意将导致STL任务的满意。然而,在实践中,这样的理想漏斗不一定是先验已知的,并且控制器提供的指导取决于它们的估计。在此通过引入用于在学习过程期间自动更新漏斗的自适应方案来解决这个问题,从而减少其初始用户指定值的作用。两个仿真案例研究证明了所得到的学习算法的有效性。
2020-04-12 cs.SY eess.SY
Data-driven adaptive building thermal controller tuning with constraints: A primal-dual contextual Bayesian optimization approach
Swiss Federal Laboratories for Materials Science and Technology (Empa)(瑞士联邦材料科学与技术实验室(Empa));Swiss Federal Institute of Technology Lausanne (EPFL)(洛桑瑞士联邦理工学院(EPFL))
针对带约束的建筑热控制器参数自适应调优问题,提出原始-对偶上下文贝叶斯优化方法,在仿真中实现更优的能耗节省与热不适度控制,还可跟踪时变约束阈值。
2023-10-01 cs.LG cs.SY eess.SY
A Hybrid Algorithm for Iterative Adaptation of Feedforward Controllers: an Application on Electromechanical Switches
Universidad de Zaragoza(萨拉戈萨大学)
本文提出了一种混合算法,用于改进前馈控制器的迭代适应,通过减少搜索维度和自动切换优化方法,提高电磁开关应用中的控制效率。
2025-06-10 cs.SY eess.SY
Reward-modulated learning using spiking neural networks for vehicle lateral control
本文提出了一种基于脉冲神经网络的车辆横向控制器,该控制器能够复制基于模型的控制器的行为,但具有额外的在线自适应能力。通过利用神经可塑性和奖励调制学习,神经连接被修改以根据所犯错误来调整响应。因此,错误在生物系统中扮演着与多巴胺类似的角色,根据尖峰时间依赖性调节学习过程。连接最初被设置为复制基于模型的控制器的行为。在线自适应允许调整连接参数以提高控制器性能。一个具有预览的路径控制器被用作基线控制器来评估所提出的方法的性能。关键性能指标是从模拟获得的阶跃响应和处理轨迹与20个不同半径的曲线。
2022-07-05 cs.SY eess.SY
Adaptive Pressure Control for Use in Variable-Thrust Rocket Development
Bilkent University(比尔肯特大学);Roketsan INC.(罗凯桑有限公司)
本文提出了一种抗延迟闭环参考模型自适应控制方法,用于实现喷气火箭的可变推力控制,通过改进瞬态响应和延迟补偿,提升了控制器性能和对时间延迟与不确定性的处理能力。
2017-05-04 cs.SY eess.SY
Vehicle Cabin Climate MPC Parameter Tuning Using Constrained Contextual Bayesian Optimization (C-CMES)
针对车辆多区域座舱气候MPC因外部流量变化导致性能下降的整定难题,提出基于约束上下文贝叶斯优化的流量依赖鲁棒参数整定方法,含后处理平滑步骤,仿真验证其性能优于恒定参数化且超调更低、行为更一致。
2023-10-05 cs.SY eess.SY
Lyapunov-Based Dropout Deep Neural Network (Lb-DDNN) Controller
University of Florida(佛罗里达大学)
本文提出一种基于Lyapunov的Dropout深度神经网络自适应控制器,通过逐层随机去激活权重和实时权重自适应律缓解过拟合,并证明跟踪误差渐近收敛,仿真显示跟踪误差、函数逼近误差和控制代价均显著优于无dropout基线。
2023-10-30 cs.LG cs.SY eess.SY
Closing the Loop Inside Neural Networks: Causality-Guided Layer Adaptation for Fault Recovery Control
Division of Engineering and Applied Science, California Institute of Technology (Caltech)(加州理工学院工程与应用科学系)
本文提出一种基于因果推理的神经网络层适应方法,用于在存在执行器失效和外部扰动时实现故障恢复控制,通过减少计算开销提高系统鲁棒性。
2025-12-20 cs.SY eess.SY
Stability-Preserving Online Adaptation of Neural Closed-loop Maps
Institute of Mechanical Engineering, Ecole Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院机械工程学院);Department of Engineering Science, University of Oxford(牛津大学工程科学系)
本文提出稳定性保持的在线适应机制,用于非线性神经网络控制器,通过时间调度和状态触发方案保证闭环$\ell_p$稳定性,同时分离稳定性与控制器最优性。
2026-03-23 cs.AI cs.SY eess.SY
Self-Learning Cloud Controllers: Fuzzy Q-Learning for Knowledge Evolution
Imperial College London, UK(伦敦帝国学院);IC4, Dublin City University, Ireland(IC4,都柏林城市大学);University of Duisburg-Essen, Germany(杜伊斯堡- Essen大学)
本文提出FQL4KE自学习模糊云控制器,通过在运行时学习和修改模糊规则,使用户能通过调整优先级权重来指定控制器,而非复杂适应规则,实验表明其优于传统控制器。
2015-07-02 cs.AI cs.DC cs.LG
A fuzzy logic feedback filter design tuned with PSO for L1 adaptive controller
King Fahd University of Petroleum and Minerals(国王法赫德国王科技大学)
本文提出基于模糊规则的在线连续调优方法,利用PSO优化模糊控制器参数,提升L1自适应控制器在非线性系统中的鲁棒性和适应性。
2018-09-14 cs.SY eess.SY
Contextual Tuning of Model Predictive Control for Autonomous Racing
ETH Zurich(苏黎世联邦理工学院);SENER Aerospace(赛纳斯航空航天公司)
提出一种基于上下文贝叶斯优化的模型预测控制调节方法,通过学习的动力学模型编码环境条件,同时调整模型和目标,在1:28比例遥控赛车平台上以更少数据实现了跨环境条件的单圈时间优化。
2024-08-22 cs.RO cs.SY eess.SY
A Model-Based Fuzzy Control Approach to Achieving Adaptation with Contextual Uncertainties
Guangxi Normal University(广西师范大学);Chinese Academy of Sciences(中国科学院);Peking University(北京大学)
本文提出基于模型的模糊控制方法,用于动态适应非功能性需求和任务配置,通过模糊推理机制处理情境不确定性,通过移动计算应用验证并评估该方法。
2017-04-03 cs.SE cs.SY eess.SY
Volume Control of Low-Cost Ventilator with Automatic Set-Point Adaptation
本文考虑了一种低成本呼吸机的控制设计,该呼吸机基于手动复苏器袋(也称为AmbuBag),用于将空气泵入身体无法呼吸的患者的肺部。首先,实验表明,为了准确跟踪潮气量,控制器需要适应个体患者和不同的配置,例如,硬件或操作模式。其次,它提出了一种设定点自适应算法,该算法使用流量计的传感器测量值来自动使控制器适应手头的设置。第三,实验表明,这种自适应解决方案提高了各种设置的呼吸机的性能。本文的一个目的是提高意识的反馈控制,在低成本的呼吸机解决方案中使用传感器测量的需要,以自动适应特定的情况。
2020-09-03 cs.SY eess.SY
One controller to rule them all
本文提出首个基于上下文学习的控制器设计方法,在模型参考框架下为整类动力系统生成统一控制器,数值实验显示其可行性,推动控制范式从“一系统一控制器”转向“一类一控制器”。
2024-11-10 cs.SY eess.SY
An LLM-Assisted Multi-Agent Control Framework for Roll-to-Roll Manufacturing Systems
University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出一种基于LLM的多智能体框架,用于自动化卷对卷制造系统的控制设计与适应,通过五个阶段实现安全、高效的控制性能
2026-03-09 cs.SY eess.SY
Influence of Radial Basis Activation Functions on Intelligent Controller for Robotic Manipulators
Smart Systems Lab, Department of Mechanical Engineering, University of Turku(智能系统实验室,机械工程系,图尔库大学)
本文提出一种基于径向基函数神经网络的智能控制框架,用于机器人机械臂轨迹跟踪,重点研究激活函数选择对瞬态行为、稳态精度和控制平滑度的影响。
2026-07-03 cs.RO cs.SY eess.SY
Performance-based Adaptation Termination for Preventing Parameter Drift in Adaptive Vibration Suppression
University of Maryland Baltimore County(马里兰大学巴尔的摩县分校)
该研究针对自适应振动控制的参数漂移问题,提出基于RMS的自适应终止准则,集成RCAC后经悬臂梁实验验证,可有效防止参数漂移且计算开销小。
2026-08-04 cs.SY eess.SY
Perturbed Integrators Chain Control via Barrier Function Adaptation and Lyapunov Redesign
针对控制系数未知、扰动上界存在但未知的受扰积分器链镇定问题,结合李雅普诺夫再设计思路提出含比例导引反馈型增益与屏障函数增益的自适应时变增益控制器,实现预设时间内收敛到原点指定邻域并保持,且通过Furuta摆实验验证。
2024-05-15 cs.SY eess.SY
Adaptation and Disturbance Rejection for Output Synchronization of Incrementally Output-feedback Passive Systems
Korea University of Technology and Education(韩国技术教育大学);University of Groningen(格罗宁根大学)
本文提出两种分布式控制器以解决增量输出反馈被动非线性系统在存在外源扰动下的输出同步问题,通过自适应控制方法和内部模型原理实现扰动抑制与系统稳定性。
2015-09-13 cs.SY eess.SY
Fuzzy Logic based Autonomous Parking Systems -- Part IV: A Multiple-Model Adaptive Neural-Fuzzy Controller
本文设计了一种基于神经网络辨识的多模型自适应模糊控制器(MM-AFLC),用于智能自主泊车系统中无人车的控制。目标是在保持低实施成本的同时实现鲁棒控制。所提出的控制器的设计包括以下控制原理-非线性系统的神经网络辨识、模糊逻辑控制、自适应控制以及多模型自适应。这种集成确保了与以前的工作相比的卓越性能。广义控制器可以应用于不同的系统,而无需实际的植物模型的先验知识。在智能自主泊车系统中,所提出的控制器可用于车辆速度控制和转向盘转动。多模型自适应模糊逻辑控制器,鲁棒性也可以保证在各种操作环境下,无论不可预测的干扰。最后但并非最不重要的是,对比实验也表明,配备了新的控制器的系统能够实现更快,更平滑的收敛。
2019-11-07 cs.SY eess.SY
Structured Controller Parameter Tuning for Power Systems
随着波动发电份额的增加,电力系统的可靠和安全运行变得越来越具有挑战性,导致动态发生很大变化。通常,电力系统中的控制器(例如发电机的电压控制器)的架构和结构在网络的设计和建立期间是固定的。由于替换现有的控制器通常是不期望的和具有挑战性的,因此设置点调整以及控制器参数的调谐是抵消大的干扰和动态变化的可能性。我们提出了一种基于H ∞优化的结构化控制器参数快速且计算效率高的自适应方法,也称为结构化H ∞控制器合成,适用于电力系统。建立了保证该方法稳定的条件,并在由六个逆变器和一个负载组组成的试验台微电网中验证了结果,以及仿真研究。所提出的方法提高了系统的鲁棒性以及对阶跃扰动的时间响应,并且即使对于大型网络也允许结构化控制器整定。
2020-05-05 cs.SY eess.SY
Grid-Interactive Thermal Management of AI Data Centers via Contextual Distributionally Robust Optimization
针对AI数据中心突发工作负载和不确定热量生成导致的热违规问题,提出情境分布鲁棒优化(CDRO)框架,通过动态调整Wasserstein半径实现电网交互冷却控制,在极端负载下实现近零热违规,并将鲁棒性成本溢价降低约13.7个百分点。
2026-07-02 cs.SY eess.SY
Adapting Rapid Motor Adaptation for Bipedal Robots
University of California Berkeley(加州大学伯克利分校);Carnegie Mellon University(卡内基梅隆大学)
腿运动的最新进展使四足动物能够在具有挑战性的地形上行走。然而,双足机器人本质上更不稳定,因此很难为它们设计行走控制器。在这项工作中,我们利用最新的进展,快速适应运动控制,并将其扩展到双足机器人。类似于现有的作品,我们从一个基本的政策,产生的行动,同时作为输入的估计extrinsics向量从适应模块。这个外部向量包含有关环境的信息,使步行控制器能够快速在线适应。然而,外部估计器可能是不完美的,这可能导致期望完美估计器的基本策略的性能较差。在本文中,我们提出了A-RMA(自适应RMA),它通过使用无模型RL对其进行微调,从而为不完美的外生估计量调整基本策略。我们证明,A-RMA优于一些基于RL的基线控制器和基于模型的控制器在仿真中,并显示zero-shot部署一个单一的A-RMA政策,使双足机器人,卡西,走在各种不同的情况下,在现实世界中超出了它在训练过程中看到的。视频和结果https://ashish-kmr.github.io/a-rma/
2022-09-06 cs.AI cs.CV cs.LG
Resolved Motion Control for 3D Underactuated Bipedal Walking using Linear Inverted Pendulum Dynamics and Neural Adaptation
Ohio State University(俄亥俄州立大学)
我们提出了一个框架,以产生周期性的轨迹参考的三维欠驱动双足机器人,使用线性倒立摆(LIP)为基础的控制器与自适应神经调节。我们使用的LIP模板模型来估计机器人的质心(CoM)的位置和速度在当前步骤结束时,并制定一个离散控制器,确定下一个脚步的位置,以实现所需的步行轮廓。该控制器配备了一个基于神经网络的自适应项,减少了模板和物理机器人之间的模型失配,特别是影响横向运动的正面平面。然后,为LIP模型计算的脚放置位置被用来生成实际机器人的任务空间轨迹(CoM和摆动脚轨迹),以实现稳定行走。我们使用一个快速,实时的基于QP的逆运动学算法,从任务空间的轨迹,这使得制定独立的机器人动力学的知识产生联合参考。最后,我们实施和评估所提出的方法在仿真和硬件实验与数字机器人获得稳定的周期性运动的情况下。
2022-08-02 cs.RO cs.SY eess.SY
Lyapunov-based Adaptive Transformer (LyAT) for Control of Stochastic Nonlinear Systems
本文提出LyAT控制器,通过基于李雅普诺夫的稳定性分析实现随机非线性系统的实时自适应控制,保证跟踪和参数估计误差的有界性。
2025-12-17 cs.SY eess.SY
From Privileged Control to Deployable Adaptation:Fusing Mechanism-Guided Task Reduction with Learned Behavior
Shanghai University of Electric Power(上海电力大学)
该研究针对输入增益变化与加性扰动的控制问题,提出机制引导的任务约简方法,将特权多工况控制知识转化为可部署自适应控制器,使跟踪RMSE降低约69%。
2026-08-12 cs.SY eess.SY
Structural Stability Properties of Antithetic Integral (Rein) Control with Output Inhibition
本研究针对带输出抑制的对偶积分Rein控制器(AIRC)结构,证明其在温和假设下可确保受控网络的结构稳定性和结构完美适应特性,结果适用于多类生化网络,并提供了验证结构特性条件的计算方法。
2025-02-20 cs.SY eess.SY math.OC
Recursive Secondary Controller for Voltage Profile Improvement Based on Primary Virtual Admittance Control
本文提出一种基于虚拟导纳的递归二次控制器,通过周期性更新增益并利用低带宽通信的全网测量数据优化配电网DG单元的电压分布,实验验证了其能有效缓解电压越限并进一步改善电压分布。
2023-04-05 cs.SY eess.SY
When is a Parameterized Controller Suitable for Adaptive Control?
Laboratoire des Signaux et Systèmes, CNRS–SUPELEC(信号与系统实验室,CNRS-苏佩莱克)
本文探讨参数化控制器在未知参数下是否能实现参数无关的实现形式,证明标准模型参考控制器在系统线性时不变时可实现参数无关形式,指出滤波器的添加对自适应控制有负面影响。
2014-05-30 cs.SY eess.SY math.OC
Nine Trials to Recover: A Reproducible Benchmark for Repertoire-Free Soft-Robot Damage Adaptation
University of Michigan(密歇根大学)
提出一个无曲目软体机器人损伤恢复基准,采用九次在线试验,GP-EI控制器在75体队列中优于多种基线,并验证了损伤先验的附加值。
2026-10-07 cs.RO cs.SY eess.SY
Cerebellar-Inspired Learning Rule for Gain Adaptation of Feedback Controllers
SPECS Lab, University Pompeu Fabra(西班牙庞培法布拉大学 SPECS 实验室);Research Center “Enrico Piaggio”, University of Pisa(意大利比萨大学恩里科·皮吉奥研究中心);Department of Advanced Robotics, Istituto Italiano di Tecnologia(意大利理工学院先进机器人系);Institució Catalana de Recerca i Estudis Avançats(加泰罗尼亚高级研究学院)
本文提出基于小脑原理的反馈控制器增益自适应方法,通过引入前向模型实现对子系统动态的匹配,扩展了传统LMS算法以解决广泛适应控制问题。
2017-07-05 cond-mat.dis-nn cs.SY eess.SY
Using CMA-ES for tuning coupled PID controllers within models of combustion engines
University of West Bohemia(西波希米亚大学)
本文提出用CMA-ES算法优化燃烧发动机中耦合PID控制器的参数,通过对比PSO和SHADE方法,验证了该算法在六种真实发动机模型中的有效性。
2017-06-05 cs.NE cs.SY eess.SY
FPGA-Based Material Testing Machine Controller
针对传统材料测试控制器适应性与速度不足的问题,本文提出基于FPGA的控制器,利用可重构及并行控制采集能力支持多标准、多通道测试。
2025-06-08 cond-mat.mtrl-sci cs.AR cs.SY
Synthesis and Adaptation of Effective Motor Synergies for the Solution of Reaching Tasks
University of Zürich(苏黎世大学);Fondazione Santa Lucia(圣卢西亚基金会)
受肌肉协同假说启发,提出一种通过线性组合少量预定义协同(synergies)生成开环控制器的方法,使智能体能够自主合成并适应有效协同集以解决点对点到达任务,显著降低控制问题维度并保持良好性能。
2012-05-16 cs.RO cs.SY eess.SY
Impedance and Stability Targeted Adaptation for Aerial Manipulator with Unknown Coupling Dynamics
Robotics Research Center, International Institute of Information Technology Hyderabad (IIIT-H)(印度海得拉巴国际信息技术学院机器人研究中心);The University of Manchester(曼彻斯特大学);Southeast University(东南大学)
针对空中操作器中难以建模的耦合力问题,提出一种不依赖先验知识的自适应阻抗控制器,有效处理未知耦合力与参数不确定性,显著提升了动态任务的稳定性和跟踪性能。
2025-03-29 cs.RO cs.SY eess.SY
Shared lateral control with on-line adaptation of the automation degree for driver steering assist system: A weighting design approach
University of Valenciennes, France(法国瓦朗谢讷大学)
本文讨论了驾驶员转向辅助系统(DSAS)的车道保持和避障任务的共享横向控制。在这项工作中,我们提出了一种新的方法来处理人(驾驶员)和机器(DSAS)之间的相互作用,通过引入到车辆系统中的一个虚构的非线性项表示的驾驶员活动。以这种方式,根据驾驶员行为(动作和意图)计算DSAS的动作。基于Takagi-Sugeno控制技术和李雅普诺夫稳定性工具,所设计的控制器能够处理车辆纵向速度的大范围变化。特别地,该控制器可以处理系统状态约束和控制输入饱和。如后面将讨论的,在控制设计中考虑这些约束显著地改善了在各种驾驶情况下的闭环性能。仿真结果验证了该方法的有效性。
2020-03-04 cs.RO cs.SY eess.SY
Safe Risk-averse Bayesian Optimization for Controller Tuning
Inspire AG(Inspire股份公司);ETH Zurich(苏黎世联邦理工学院)
针对控制器整定中未知输入相关噪声与安全约束的挑战,提出结合安全学习与风险规避贝叶斯优化的RaGoOSE方法,并在合成基准及半导体精密运动系统上验证其优于现有方法。
2023-06-23 cs.RO cs.SY eess.SY
Globally-Attractive Logarithmic Geometric Control of a Quadrotor for Aggressive Trajectory Tracking
Brigham Young University(杨百翰大学)
我们提出了一种新的四旋翼几何控制方案,能够跟踪高度侵略性的轨迹。我们的几何控制器使用SO(3)的对数映射来表示李代数中的旋转误差,并且我们证明了它是全局吸引的,而不需要复杂的混合切换方案。我们展示了我们的控制器对高度侵略性的轨迹在仿真实验中的性能。此外,我们提出了一个适应这个控制器,使我们能够有效地与角速率控制器的机载飞行控制单元的接口,并显示这种适应控制方案的能力,以跟踪侵略性的轨迹上的四旋翼硬件平台。
2021-12-01 cs.RO cs.SY eess.SY
Design of a synthetic integral feedback circuit: dynamic analysis and DNA implementation
设计和实现调控基序,确保强大的完美适应是合成生物学中具有挑战性的问题。事实上,尽管存在环境干扰和模型不确定性,但生产药物前体和生物燃料等高产稳健代谢途径的设计很容易被想象为依赖于这种控制策略,以优化生产水平并降低生产成本。我们在这里提出了一个主题,确保跟踪和鲁棒的完美适应控制反应网络通过积分反馈。它对宿主的代谢负荷是完全可调的,可以任意接近组成极限,所有可能的控制器的通用最小代谢负荷。最后给出了控制器网络的DNA实现。使用现实的参数的计算机模拟表明DNA的实施和理想的控制器动态之间的良好协议。
2021-12-19 cs.SY eess.SY math.OC
Adaptive Sliding Mode Controller and Observer for Altitude and Attitude Control of a Quadrotor
本文提出一种基于Lyapunov稳定性原理的四旋翼飞行器自适应滑模控制方法,通过结合姿态稳定、质量估计与全状态观测,有效克服干扰与不确定性,实现轨迹跟踪。
2023-08-01 cs.SY eess.SP eess.SY
FADACS: A Few-shot Adversarial Domain Adaptation Architecture for Context-Aware Parking Availability Sensing
RMIT University(皇家墨尔本理工大学)
现有的停车可用性检测研究主要依赖于大量的上下文和历史信息。在实践中,这种信息的可用性是一个挑战,因为它需要连续收集感官信号。在这项研究中,我们设计了一个端到端的迁移学习框架,用于停车可用性感知,以预测停车数据不足以输入数据饥饿模型的区域的停车占用率。该框架克服了两个主要挑战:1)许多真实案例无法为大多数现有的数据驱动模型提供足够的数据; 2)由于城市结构和空间特征的不同,很难合并传感器数据和异构上下文信息。我们的工作采用了一个广泛使用的概念,对抗性领域自适应,预测停车占用率在一个区域没有丰富的传感器数据,利用数据从其他地区具有相似的功能。在本文中,我们利用了来自两个不同城市的传感器的超过3500万个停车数据记录,一个是市中心,另一个是沿海旅游城镇。我们还利用来自外部资源的异构时空上下文信息,包括天气和兴趣点。我们量化了我们提出的框架在不同情况下的强度,并将其与现有的数据驱动方法进行比较。结果表明,所提出的框架是现有的国家的最先进的方法相媲美,也提供了一些有价值的见解停车可用性预测。
2021-01-28 cs.CV cs.LG cs.SY
Transformer-Based Fault-Tolerant Control for Fixed-Wing UAVs Using Knowledge Distillation and In-Context Adaptation
Universidad Politécnica de Madrid(马德里理工大学);KTH Royal Institute of Technology(瑞典皇家理工学院)
本文提出一种基于Transformer的固定翼无人机容错控制方法,利用上下文学习直接映射外环参考值到控制指令,并通过知识蒸馏训练部分观测学生智能体,在多种故障场景下优于传统飞控和强化学习方法。
2025-03-07 cs.LG cs.RO cs.SY