跳到正文
热点事件持续更新

高阶出口泛函近似方法用于随机模型预测控制

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Sashank Modali 与 Takashi Tanaka 发表论文,提出采样随机模型预测控制中出口泛函的高阶强近似方法,用于首次出口时间与失效指示器的近似,已被 2026 年 IEEE 决策与控制会议(CDC 2026)接收。 针对出口泛函的数值近似瓶颈,作者对一般非交换动力学采用自适应 order-1 Milstein 离散并用 Wiktorsson 方法模拟 Lévy 面积,对交换动力学采用自适应 order-1.5 构造,以获得更强的出口时间收敛率。相对会议版本,该版修正了 Assumption A4 并修复一处笔误。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月14日
  1. arXiv cs.RO 机器人学精选
    高阶出口泛函近似用于采样随机模型预测控制

    论文研究采样随机模型预测控制中出口泛函的数值近似瓶颈,将已有的出口时间强近似高阶方法引入安全控制:对一般非交换动力学采用自适应 order-1 Milstein 离散并用 Wiktorsson 方法模拟 Lévy 面积,对交换动力学采用自适应 order-1.5 构造以获得更强的出口时间收敛率。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。