Цифровой двойникDe-Risking Robotic Welding for In-Space Metal Joining Through Physics-Grounded Digital TwinsarXiv API — полнотекстовый поиск "digital twin" · 3 днМоделированиеSequential Learning-Based Physics-Informed Neural Network Modeling for Parameter Estimation on a Power ConverterarXiv — Systems and Control (eess.SY) · 3 днМоделированиеAdaptive Handling of Deadline Misses via Stochastic MPCarXiv — Systems and Control (eess.SY) · 4 днМоделированиеInstitutionalizing Trust in Data Exchange: Trust-Anchor Model of the Data Credit Guarantee Organization and Its Simulation-Based ComparisonarXiv — Computers and Society (cs.CY) · 4 днЦифровой двойникDigital Twin-Conditioned RSS-Fingerprint Localization in Cell-Free Millimeter-Wave NetworksarXiv API — полнотекстовый поиск "digital twin" · 3 днМоделированиеAI уже делает инженеров хуже? Как агентная разработка выращивает технологический зоопаркХабр · 4 днЦифровой двойникFeasibility of a Patient-Specific Digital Twin for Ventriculoperitoneal Shunt Trajectory PlanningarXiv API — полнотекстовый поиск "digital twin" · 4 днМоделированиеBayesian Optimization under Uncertainty for Training a Scale Parameter in Stochastic ModelsarXiv — Computational Engineering, Finance, and Science (cs.CE) · 4 днЦифровой двойникDecision-Making in Digital Twins: Optimization, Control, and LearningarXiv — Systems and Control (eess.SY) · 4 днЦифровой двойникBALLAST: Physics-Aware Moving Target Defense for Industrial Control Systems Using a Digital Twin Safety OraclearXiv — Systems and Control (eess.SY) · 4 днЦифровой двойникОпубликованы итоги форсайт-сессии «Будущее безопасности киберфизических систем в России. Перспективы и векторы развития»spbIT · 4 днЦифровой двойникProbabilistic Physics Digital Twin for Human-Robot InteractionarXiv API — полнотекстовый поиск "digital twin" · 4 дн
Масштабируемый гауссовский процесс с тригонометрическими признаками для безопасного MPC
США и Запад ·
Исследователи разработали DTF-GP — конечномерную аппроксимацию ядра на основе детерминированных тригонометрических признаков. Этот подход позволяет получить равномерные границы неопределенности, необходимые для гарантий безопасности в обучении MPC, и при этом масштабируется на большие объемы данных.
Почему это важно
Новость важна для масштабируемого применения методов обучения с гарантиями в управлении крупными системами.
Заголовок оригинала
Scalable Gaussian Process Regression via Deterministic Trigonometric Features: Uniform Bounds for Safe Model Predictive Control
arXiv:2610.17274v1 Announce Type: new Abstract: Model reduction can substantially reduce the computational burden of model predictive control (MPC) for high-dimensional systems, but a reduced dimension chosen for performance may be insufficient for safety-critical operation.
arXiv:2509.05463v3 Announce Type: replace Abstract: This paper proposes a novel approach to design analog electronic circuits that implement Model Predictive Control (MPC) policies for dynamical systems described by affine models.
arXiv:2604.01730v3 Announce Type: replace-cross Abstract: This paper investigates Koopman operator-based approaches for multivariable control of a two-spool turbofan engine. A physics-based component-level model is developed to generate training data and validate the controllers.
