Neuste Artikel für Regelsysteme

Forscher haben eine Methode entwickelt, um Roboter effizient über verschiedene Designs zu steuern.

Eine neue Methode ermöglicht es autonomen Fahrzeugen, ohne reale Daten gesteuert zu werden.

Neue Methoden nutzen die Graphentheorie, um die strukturelle Kontrollierbarkeit in geschalteten Systemen zu verbessern.

Ein neuer Ansatz verbessert die Leistung von selbstfahrenden Rennwagen durch Echtzeit-Lernen.

Ein neues Konzept zur Verbesserung von Sicherheit und Leistung in hybriden Robotersystemen.

Neuer Model Predictive Control-Ansatz verbessert die Sicherheit in robotischen Systemen.

Dieser Artikel bespricht, wie DPETS Stabilität und Kontrolle im Reinforcement Learning verbessert.

Ein Blick auf Regelungssysteme und die Rolle der Zustandsabschätzung im Technologiemanagement.

Erfahre, wie SMPC Sicherheit und Leistung in unsicheren Systemen ausbalanciert.

Ein Überblick über verteilungsrobuste modellprädiktive Steuerung in unsicheren Umgebungen.

Eine neue Methode verbessert die Steuerung für motorgetriebene ducted fan Hebesysteme.

Eine Methode, die Deep Reinforcement Learning und reaktive Synthese für die Entwurfs von Controllern nutzt.

Eine neue Methode verbessert das Training von Modellen für bessere Vorhersagen in der Zukunft.

Dieser Artikel stellt eine Methode zur Optimierung von PID-Regelungen in Balance-Robots vor.

Erforschung von modellfreien Steuerungstechniken unter eingeschränkten Kommunikationskanälen.

Dieses Papier präsentiert einen neuen Ansatz zur Steuerung grosser Gruppen von Systemen.

Neue Steuerungsmethoden verbessern die Stabilität für unteraktuierten Balance-Roboter mit Hilfe von Gauss-Prozessen.

Ein Blick auf die Herausforderungen bei der Vorhersage in komplexen dynamischen Systemen.

Diese Forschung untersucht Gain Scheduling und neuronale Operatoren für eine bessere Kontrolle von nichtlinearen PDEs.

Eine Studie über die Steuerungssysteme mit Dirichlet-Randbedingungen für bessere Leistung.

In diesem Artikel geht's um Strategien, um harmonische Oszillatoren zu steuern und dabei den Energieverbrauch zu minimieren.

Eine neue Methode verbessert die Kontrolle über komplexe Systeme mit datengestützten Techniken.

Neue Methoden erkunden, um die Model Predictive Control mit Deep-Learning-Techniken zu verbessern.

Eine Studie über effiziente Erreichbarkeitsmethoden für autonome Systeme.

Eine neue Methode verbessert die Fähigkeiten von Robotern, effizient auf unebenen Oberflächen zu bewegen.

Einführung eines Rahmens für Sicherheitsfilter, der Leistung und Sicherheit in Regelungssystemen ausbalanciert.

Zwei datengestützte Ansätze für Regelungssysteme erkunden.

Dieser Artikel stellt eine neue Methode vor, um die Stabilität in Echtzeit-Steuerungssystemen zu verbessern.

Untersuchen, wie Agenten in dezentralen Systemen ohne direkte Kommunikation koordinieren.

Vorstellung innovativer Koopman-Modelle, die für Stabilität im Systemlernen entwickelt wurden.

Eine Methode, die Aufgabenpriorisierung und effiziente Berechnung für die Robotiksteuerung kombiniert.

Ein Blick darauf, wie Wilcox- und Fer-Erweiterungen helfen, Differentialgleichungen zu lösen.

Die Studie schlägt einen Massstab vor, um Gruppen autonomer Fahrzeuge effektiv zu steuern.

Maschinelles Lernen nutzen, um die Kontrolle dynamischer Systeme durch Lie-Gruppen zu verbessern.

Ein neuer Ansatz sorgt dafür, dass Aufgaben innerhalb der vorgegebenen Zeitlimits erledigt werden.

Neuer RNN-Ansatz verbessert die Reaktionsgeschwindigkeit von Motoren in Elektrofahrzeugen und Drohnen.

Diese Studie untersucht die Rolle von Simulationen bei der Entwicklung von Kontrollrichtlinien für autonome Roboter.

Entdecke, wie DDPMs das Feedback-Management für nichtlineare Systeme verbessern.

Diese Methode zeigt Potenzial für Anwendungen in der Robotik und Medizin.

Lerne, wie der NRP FD-Algorithmus die Redundanzprobleme in Kontrollsystemen angeht.