PulseAugur
实时 15:06:18

Bilinear Mamba-Koopman Neural MPC 增强了在不同条件下的控制依赖动态

研究人员开发了一种新的 Bilinear Mamba-Koopman Neural MPC 模型,该模型增强了具有不同动态的系统的模型预测控制。该模型在潜在动态中引入了控制依赖耦合,从而能够在单个控制范围内更好地适应不断变化的情况。在 CartPoleRSCP 基准测试上的实验表明,预测准确性和稳定性得到了提高,尤其是在时变场景和重新规划延迟的情况下。 AI

影响 为自适应 MPC 引入了一种新颖的控制依赖潜在动态机制,有望在动态环境中提高性能。

排序理由 这是一篇详细介绍模型预测控制新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Bilinear Mamba-Koopman Neural MPC 增强了在不同条件下的控制依赖动态

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Matan Pagi, Zohar Sorek ·

    Bilinear Mamba-Koopman Neural MPC for Varying Dynamics

    arXiv:2605.04793v1 Announce Type: new Abstract: Koopman-based neural MPC models generate time-varying dynamics from historical data, but preserve convexity by enforcing that the system operator is independent of the current control input. This conditional independence constraint …