Цифровой двойникJanus: One Agent, Two Roles for Digital Twin Construction and Network OrchestrationarXiv API — полнотекстовый поиск "digital twin" · 4 днМоделированиеСтохастический MPC с робастностью к ошибкам в статистике возмущенийarXiv — Systems and Control (eess.SY) · 4 днМоделированиеРоман Венедиктов («Эмерджентные мультиагентные системы»): «Сегодня сам факт использования ИИ стал обычной частью корпоративной ИТ-среды»spbIT · 4 днЦифровой двойникA High-Fidelity Cardiac Digital Twin for Assessing Rate-Dependent Responses: A Comparative Multi-scale Study of TT2 and Tomek Models in Stratified 3D VentriclesarXiv API — полнотекстовый поиск "digital twin" · 4 днПрогнозированиеАдаптивная кластеризация в робастном распределённом MPC для связанных агентовarXiv — Systems and Control (eess.SY) · 4 днПрогнозированиеНейросетевая аппроксимация NMPC без экспертных демонстрацийarXiv — Systems and Control (eess.SY) · 4 днАктивы и данныеОперационная модель доверенного пространства данных для профобразованияarXiv — Computers and Society (cs.CY) · 4 днМоделированиеАгентная система для тех, кто вкатывается: собираем агента поддержки от одного файла до Temporal, саги и circuit breakerХабр · 5 днЦифровой двойникОнлайн-цифровой двойник: ассимиляция данных и управление в mean-field постановкеarXiv — Systems and Control (eess.SY) · 5 днЦифровой двойникОбзор сетей цифровых двойников для 6G: архитектура, технологии и ИИ-управлениеarXiv — Systems and Control (eess.SY) · 5 днЦифровой двойникНейроприёмник для 5G NR, обученный на данных цифрового двойника коридораarXiv API — полнотекстовый поиск "digital twin" · 5 днПрогнозированиеSampling-based MPC сведён к единому алгоритму последовательного Монте-КарлоarXiv — Systems and Control (eess.SY) · 5 дн
Трассируемая связь требований миссии и настроек MPC для сближения космических аппаратов
США и Запад ·
В работе предложен первый шаг к систематическому и прослеживаемому переводу требований миссии сближения и операций вблизи (RPO) в параметры проектирования модельно-предиктивного управления (MPC). В качестве примера разобрана миссия активного удаления космического мусора ADRIOS / ClearSpace-1 с тремя последовательными операциями, каждая со своим шагом дискретизации, набором ограничений и структурой затрат.
Почему это важно
Показывает, как формализовать переход от требований крупной системы к параметрам прогнозного управления — та же логика нужна при настройке моделей в цифровых двойниках.
Описан стохастический MPC с косвенной обратной связью для линейных систем с аддитивными возмущениями, где неопределённость среднего и ковариации задаётся множеством Гельбриха. Неопределённость моментов распространяется вдоль динамики ошибки, а ужесточение ограничений вычисляется офлайн в замкнутой форме. Онлайн-задача остаётся квадратичной программой с одним аддитивным запасом робастности.
Предложена схема динамической кластеризации для tube-based MPC систем связанных агентов: агенты внутри кластера явно координируются, а внешние связи учитываются как ограниченные возмущения. Онлайн-выбор топологии от централизованной до полностью децентрализованной опирается на меру рассогласования по верхней и нижней оценке стоимости и штраф за коммуникации. Доказано сохранение рекурсивной допустимости, выполнение ограничений и практическая асимптотическая устойчивость.
Предложен рекуррентный фреймворк Seq-AMPC, который строит полные последовательности управлений по предсказанным траекториям, используя общие параметры на всём горизонте. Политика обучается напрямую через известную динамику с потерями за стоимость управления, выполнение ограничений и условие снижения стоимости, согласованное с безопасным резервным фильтром. Это снимает необходимость в больших наборах решений экспертного NMPC.