标签
一篇探讨深度强化学习在高超声速/高速流动控制中应用前景与挑战的综述性论文，讨论了可解释性、仿真保真度、数据效率及工程落地路径等关键约束。
本文系统研究了 Kolmogorov-Arnold 网络（KAN）与 MLP 在 Feynman 数据集和 Gymnasium 强化学习基准上的样本效率，结果表明 KAN 所需样本量减少 40%，训练期间相对性能提升最高可达 50%，且对奖励噪声具有鲁棒性。
本文探讨了在代码更改后控制AI编程智能体的挑战，并提出一个工程控制平面来处理权限、验证和人工审批。
本文讨论了AI代理能力与生产环境所需控制机制之间日益扩大的差距，重点介绍了权限、升级和问责方面的挑战。
该论文提出了一种基于神经李导数和增广拉格朗日方法的数据驱动反馈线性化控制框架，并提供了理论稳定性保证，在直流电机系统上进行了验证。
本文提出一种两步策略来纠正自主系统中基于学习的感知错误，该策略利用离线不确定性表征和运行时风险启发式方法，在最小化性能影响的同时提升安全性。
D-JEPA 是一种决策对齐的潜在世界模型，它学习候选未来之间的决策相关关系，以改善操作和自动驾驶等任务中的动作选择，展示了显著的性能提升。
本文提出了一种复合梯度学习方法，该方法整合了深度强化学习和模型预测控制，用于自主系统中的共享控制权限，并在交通网络上进行评估，显示在强交互下有适度效益。
本文建立了独立于生成器的运行时保证定理，展示了在部分观测下使用黑盒生成器的系统中安全保证的必要和充分条件，并应用于学习使能的控制。
本文提出了NOMAD-RL，一种用于HVAC系统的强化学习控制器，它使用自适应域随机化来泛化到异构热区，其性能接近模型预测控制。
本文研究了Action Diffusion，这是一种条件扩散模型，用于在具有干摩擦和黏滑效应的开环控制系统中生成动作序列，结果表明相较于其他方法，它能降低终端误差和卡顿步数。
这篇论文探讨了系统中的自动化可能导致人类操作员技能退化和工作量增加的讽刺现象，强调了在自动化环境中以人为中心的设计的必要性。
本文认为，Edmund C. Berkeley与David L. Heiserman提出的机器智能架构对具身机器人认知仍具有现实意义，强调逻辑状态、近硬件控制及模块化感知运动结构。
提出了一种新颖的通用控制器，采用注意力机制和专家混合，使单个神经网络无需针对特定系统进行调优即可控制多种动态系统。在25个不同系统上，其性能与传统控制器相当。
本文作为一项进展中研究，提出将可微物理模型嵌入PPO策略损失函数，以惩罚强化学习中预期的安全违规行为，并在模拟的单自由度直升机系统上进行评估。物理信息软正则化在保持可靠目标跟踪的同时，显著减少了约束违反。
密歇根大学机器人学（University of Michigan Robotics）分享了来自其顶级机器人学项目的免费开源课程资源，包括讲座、教科书和项目，涵盖从计算线性代数到自主系统等主题。
本文研究了记忆高效元强化学习架构在对抗性航天器接近操作中用于自适应安全关键控制的性能，发现与LSTM和GRU相比，使用PPO的状态空间模型（如Mamba）在任务完成度、安全性和燃料节约方面表现更优。
自主编码正在从优化提示词转向完善控制系统，工程师将AI代理嵌入目标设定、评估器和循环机制中。
本文提出PE-MHL，一种物理编码模块化混合层框架，通过数据驱动子模型逐步优化基于物理的模型，提供理论收敛保证，并在控制基准测试中优于单一网络。
提出了一种统一Python框架，采用基于PPO的深度强化学习来优化带经济器逻辑与CO2约束通风的暖通空调控制，展示了比传统PID控制器更优的能效和温度稳定性。