Цифровой двойникSchneider Electric, AVEVA, Nscale and Start Campus pilot AI digital twinEngineering.com · вчераЦифровой двойникLarge Language Models Meet Bayesian Optimization: Towards Self-evolving Wireless Digital TwinsarXiv API — полнотекстовый поиск "digital twin" · вчераМоделированиеJaxMARL-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) · 2 днМоделированиеКорпоративный ИИ в России: рост рынка при незавершённых пилотахTAdviser · 2 дн
Стохастическое MPC на основе оператора Купмана и полиномиального хаоса
США и Запад ·
Предложен подход к стохастическому модельно-предиктивному управлению нелинейными системами с параметрической неопределённостью и изменяющимися во времени возмущениями. Оператор Купмана параметризуется разложениями по полиномиальному хаосу, что позволяет объединить обученную по данным динамику с распространением неопределённости. Полученная детерминированная переформулировка сохраняет размерность онлайн-оптимизации, зависящую только от горизонта управления и размерности входов.
Почему это важно
Показывает, как совместить обученные по данным модели динамики с корректным учётом неопределённости в задачах управления сложными 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.
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.
Объём рынка генеративного ИИ в России в 2025 году достиг 58 млрд рублей, из них 44 млрд пришлось на корпоративный сегмент. Рост расходов не сопровождается сопоставимым эффектом: многие проекты остаются пилотами, а переход к эксплуатации упирается в интеграцию, качество данных, безопасность и стоимость обработки.