Цифровой двойникSchneider Electric, AVEVA, Nscale and Start Campus pilot AI digital twinEngineering.com · 2 днЦифровой двойникLarge Language Models Meet Bayesian Optimization: Towards Self-evolving Wireless Digital TwinsarXiv API — полнотекстовый поиск "digital twin" · 2 днМоделированиеJaxMARL-BC: Multi-Agent Reinforcement Learning for Macroeconomic Modelling, in SecondsarXiv — General Economics (econ.GN) · 2 днЦифровой двойникDigital Twins of Networked Dynamical Systems: Machine Learning Prediction of Synchronization Transitions in Coupled Chaotic OscillatorsarXiv API — полнотекстовый поиск "digital twin" · 2 днЦифровой двойникEvaluating Type-1 Diabetes Digital Twins by Decision QualityarXiv API — полнотекстовый поиск "digital twin" · 2 днПрогнозированиеCertified Neural Approximation of Robust Nonlinear Model Predictive ControlarXiv — Systems and Control (eess.SY) · 2 днПрогнозированиеIntegrating Flow Matching and Model Predictive Control for Safe Robot NavigationarXiv — Systems and Control (eess.SY) · 2 днПрогнозированиеRegion of Attraction Estimation for Linear Quadratic Regulator, Linear and Robust Model Predictive Control on a Two-Wheeled Inverted PendulumarXiv — Systems and Control (eess.SY) · 2 днЦифровой двойникVivix Executable Digital Twin for Float GlassSnowflake · 2 днЦифровой двойникMicrostructural Generative Inverse Models for Additive Manufacturing Digital TwinsarXiv API — полнотекстовый поиск "digital twin" · 2 днМоделированиеКорпоративный ИИ в России: ставка на агентные платформыTAdviser (Telegram) · 3 днМоделированиеКорпоративный ИИ в России: рост рынка при незавершённых пилотахTAdviser · 3 дн
Совместное управление DRL и MPC для транспортных сетей с разными классами ТС
США и Запад ·
Рассматривается совместное использование глубокого обучения с подкреплением (DRL) и управления с прогнозирующей моделью (MPC) для управления мультиклассовыми транспортными сетями, где присутствуют разные типы транспортных средств. Цель — преодолеть ограничения каждого метода: сложность обучения DRL в больших пространствах состояний и вычислительные затраты MPC.
Почему это важно
Работа важна для разработки масштабируемых и эффективных методов управления сложными городскими транспортными системами.
arXiv:2610.28907v1 Announce Type: cross Abstract: Multi-agent reinforcement learning (MARL) offers a principled way of populating simulated economies with many heterogeneous decision makers.
arXiv:2604.04455v3 Announce Type: replace Abstract: Nonlinear underactuated systems such as two-wheeled inverted pendulums (TWIPs) exhibit a limited region of attraction (RoA), which defines the set of initial conditions from which the closed-loop system converges to the equilibrium.
Тот же материал TAdviser: рынок генеративного ИИ в 2025 году составил 58 млрд рублей, корпоративный сегмент — 44 млрд. Главным критерием становится измеримый результат, тогда как большинство проектов пока не вышли из стадии пилотов из-за вопросов интеграции, качества данных, безопасности и стоимости.