Model Predictive Controller
PulseAugur coverage of Model Predictive Controller — every cluster mentioning Model Predictive Controller across labs, papers, and developer communities, ranked by signal.
-
新的基于Koopman的控制方法提升涡轮风扇发动机性能
研究人员开发了一种利用Koopman算子理论控制涡轮风扇发动机的新方法。该方法在一个近期论文中进行了详细介绍，利用了改进的动态模式分解来创建一个可重用的Koopman模型，该模型能够预测转子转速和发动机压比（EPR）。设计了一个自适应的基于Koopman的模型预测控制器（AKMPC），并与其他基于Koopman的控制器进行了比较，由于其处理非线性动力学、约束和模型失配的能力，在不同飞行条件下表现出优越的性能。
-
机器人通过koopman 算子回归学习动态折叠衣物
研究人员开发了一种新的动态机器人布料折叠方法，该方法使用koopman 算子回归来创建布料动力学的线性模型。与传统方法相比，这种方法可以实现更快、更准确的折叠轨迹。该技术将基于物理的模拟与机器学习相结合，以生成可由机器人操纵器执行的高效折叠计划，并在模拟和真实世界实验中均取得了成功。
-
新的自动扩缩器ADAPT使用测量的配置延迟来优化容器副本计数
研究人员开发了ADAPT，一种新颖的自校准自动扩缩器，专为容器编排系统设计。该系统使用在线EWMA估计器来动态跟踪和适应变化的冷启动持续时间，这对于主动式扩缩至关重要。通过将此测量的配置延迟输入模型预测控制器，ADAPT可以优化副本计数并旨在最大限度地减少SLA违规，在评估中表现优于现有方法。
-
发布新数据集“ParkingScenes”用于自动泊车研究
研究人员发布了ParkingScenes，一个旨在改进自动泊车系统的新型多模态数据集。该数据集使用CARLA模拟器构建，包含结构化泊车轨迹以及来自多个摄像头和深度传感器的同步传感器数据。它包含16个倒车入库和6个平行泊车场景，并考虑了行人存在情况下的变化，总计704个回合。与非结构化数据相比，该数据集旨在为基于学习的泊车策略提供更好的监督。