AI Agent

KV-Control: Parameter-Efficient K/V Injection for Trajectory-Controlled Text-to-Motion

KV-Control: 用于轨迹控制文本到运动的参数高效K/V注入

Tengjiao Sun, Pengcheng Fang, Xiaoyu Zhan, Yanwen Guo, Dongjie Fu, Xiaohao Cai, Hansung Kim

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 提出KV-Control，一种紧凑的注意力侧控制接口，通过部分标记化运动基元和轨迹编码器注入键/值记忆，实现精确的轨迹控制而不覆盖预训练的文本条件运动先验。

Identification of Information Structures in Bayesian Games

贝叶斯博弈中信息结构的识别

Masaki Miyashita

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文在线性二次高斯框架下，研究如何从均衡行动分布中识别潜在信息结构，提出并证明了典型信息结构类可唯一识别且能刻画状态方差缩减的下界。

A Hybrid Observer for a Distributed Linear System with a Changing Neighbor Graph

一种用于具有变化邻居图的分布式线性系统的混合观测器

L. Wang, A. S. Morse, D. Fullmer, J. Liu

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种混合观测器，用于估计具有变化邻居图的分布式线性系统的状态，通过多个代理同时估计状态，并利用局部观测器和参数估计器在事件时间更新估计值，最终实现指数收敛。

Comments 7 pages, the 56th IEEE Conference on Decision and Control

A Class of Hybrid LQG Mean Field Games with State-Invariant Switching and Stopping Strategies

一类具有状态不变切换和停止策略的混合LQG均场博弈

Dena Firoozi, Ali Pakniyat, Peter E. Caines

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种结合均场博弈理论和混合最优控制理论的新框架，用于求解具有切换和停止时间的非合作博弈的唯一ε-Nash均衡，通过分析主要代理和次要代理的子群体结构，建立了状态不变的最优切换和停止时间策略。

Comments To appear in Automatica

Inverse reinforcement learning in continuous time and space

连续时间和空间中的逆强化学习

Rushikesh Kamalapurkar

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种数据驱动的逆强化学习技术，用于估计线性系统中的代理成本函数，通过输入输出测量实现在线估计，同时利用状态和参数估计器实现输出反馈逆强化学习，成本函数估计精度达到常数倍。

Finite Horizon Density Control for Static State Feedback Linearizable Systems

有限时间 horizon 密度控制用于静态状态反馈线性化系统

Kenneth F. Caluya, Abhishek Halder

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文研究了在有限时间范围内操控静态反馈线性化控制系统的联合状态概率密度函数的问题，提出了一种最小能量控制器的结构，并将其视为动态最优传输理论的推广，同时提供了一个基于Schrödinger桥的算法来近似可行控制器。

Cyber-Social Systems: Modeling, Inference, and Optimal Design

网络-社会系统：建模、推断与最优设计

Mohammadreza Doostmohammadian, Hamid R. Rabiee, Usman A. Khan

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了网络-社会系统的建模、推断和最优设计问题，提出了一种无需假设底层社会系统秩的分布式推断协议，开发了新型代理分类以确定不同类型的连接需求，并解决了具有分布式可观测性的网络约束的最优设计问题。

Comments 12 pages, 7 figures

Journal ref IEEE systems journal, 2019

Ratiometric control for differentiation of cell populations endowed with synthetic toggle switches

基于合成toggle开关的细胞群体比例比率控制

Davide Salzano, Davide Fiore, Mario di Bernardo

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究如何通过外部控制输入调节两种细胞群体的比例，利用具有双稳记忆机制的细胞（如遗传toggle开关）实现细胞群体之间的转换，并提出三种控制策略以调节比例至任意目标值，同时考虑实验微流体平台中的物理和技术约束。

Comments Accepted to CDC'2019

Journal ref in Proc. of the IEEE 58th Conference on Decision and Control, 2019, pp. 927-932

A Distributed Observer for a Time-Invariant Linear System

一种时间不变线性系统的分布式观测器

L. Wang, A. S. Morse

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种用于估计多通道连续时间线性系统状态的分布式观测器，通过分析邻居关系图的强连通性和系统可观测性，实现了观测器谱的自由配置。

Comments 8 pages, 1 figure

Journal ref IEEE Transactions on Automatic Control, 01 November 2017

Macroscopic Noisy Bounded Confidence Models with Distributed Radical Opinions

具有分布式极端观点的宏观噪声有界信心模型

M. A. S. Kolarijani, A. V. Proskurnikov, P. Mohajerin Esfahani

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了作为有界信心意见动力学的均值场（宏观）近似出现的非线性福克-计划克（FP）方程，其中意见受环境噪声和极端观点（顽固个体）的影响。极端观点的分布作为无限维的外生输入影响FP方程的稳态意见分布。本文建立了FP方程的数学性质，特别是证明了动态方程的适定性，提供了稳态解的存在性结果及定量全局估计，以及建立了保证动态收敛到稳态的噪声水平下界。结合结果（ii）和（iii）可得系统在足够大噪声下的输入-输出稳定性。接着利用傅里叶分析研究了在均匀初始分布下意见簇的结构。具体给出了两种用于识别秩序-混乱转变和表征初始聚类行为的数值方案。分析结果通过连续体代理模型（偏微分方程）和对应的离散代理模型（相互作用随机微分方程）的数值模拟得到验证。

Linear Single- and Three-Phase Voltage Forecasting and Bayesian State Estimation with Limited Sensing

基于有限传感的线性和三相电压预报与贝叶斯状态估计

Roel Dobbe, Werner van Westering, Stephan Liu, Daniel Arnold, Duncan Callaway, Claire Tomlin

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文提出了一种利用有限实时测量数据改进实时电压预测的方法，通过将贝叶斯估计转化为线性最小二乘估计问题，结合高斯过程构建负载预测，实现快速高分辨率的状态估计更新，优于传统WLS方法，并在实际测试馈线中验证其有效性。

Comments To appear in IEEE Transactions on Power Systems

Solving the Equity Risk Premium Puzzle and Inching Towards a Theory of Everything

解决股权风险溢价之谜并迈向万物理论

Ravi Kashyap

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文探讨了解决股权风险溢价之谜的不同方法，并提出了一种更现实且可操作的框架，以应对社会科学中的各种难题，包括个体投资能力与消费能力的不匹配、价值的客观衡量标准缺失、动态社会系统带来的意外后果等。

Journal ref Journal of Private Equity, Spring 2018, Institutional Investor Journals, New York, USA, Vol. 21, No. 2, pp. 45-63;

State Monitoring for Situational Awareness in Rural Microgrids Using the IoT Infrastructure

利用物联网基础设施实现农村微电网情境感知的状态监测

Seyed Amir Alavi, Mehrnaz Javadipour, Kamyar Mehran

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种基于事件触发的估计策略和数据采集架构，用于微电网的情境感知。通过基于事件触发卡尔曼滤波的估计代理结构，利用LoRAWAN协议实现情境感知的状态估计层，并通过智能电表收集大量数据以实现微电网的充分情境感知。使用Thingsboard物联网平台和定制仪表板进行可视化，证明了通过所提出的估计策略，可以以最小的安装和通信成本实现微电网的准确平均状态估计。

Securing State Estimation Under Sensor and Actuator Attacks: Theory and Design

在传感器和执行器攻击下保障状态估计：理论与设计

Mehrdad Showkatbakhsh, Yasser Shoukry, Suhas Diggavi, Paulo Tabuada

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了在传感器和执行器被恶意攻击者攻击时，如何通过稀疏强可观测性理论正确重构线性时不变系统状态，并提出基于理论求解的估计器以解决内在的组合问题。

Secure distributed filtering for unstable dynamics under compromised observations

在受篡改观测下对不稳定动态的安全分布式滤波

Xingkang He, Xiaoqiang Ren, Henrik Sandberg, Karl Henrik Johansson

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了在有界噪声和不稳定动态下，受篡改观测的线性时不变系统的安全分布式滤波问题。提出了一种递归分布式滤波器，包含两个部分：一部分采用饱和-like方案，当创新太大时提供小增益；另一部分是邻近代理之间状态估计的一致操作。建立了估计误差有界的充分条件，该条件与网络拓扑、系统结构和最大被篡改代理子集相关。进一步提供了等价陈述，连接到集中化框架中的2s-稀疏可观测性，使得充分条件可行。最后通过数值模拟验证了所开发的结果。

Bioinformatics Computational Cluster Batch Task Profiling with Machine Learning for Failure Prediction

生物信息学计算集群批量任务的机器学习用于故障预测

Christopher Harrison, Christine R. Kirkpatrick, Inês Dutra

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文通过机器学习方法对计算集群中的批量任务进行分析，以预测故障，从而改进集群调度和资源优化。

Robust Formation Control in SE(3) for Tree-Graph Structures with Prescribed Transient and Steady State Performance

在SE(3)中针对树形图结构的鲁棒形控：具有指定瞬态和稳态性能

Christos K. Verginis, Alexandros Nikou, Dimos V. Dimarogonas

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种新型控制协议，用于刚体在SE(3)中基于距离和方向的编队控制，其传感图为静态无向树。所提控制律具有去中心化特性，能有效应对模型不确定性和外部干扰，并保证编队距离约束。

Comments Provisionally accepted in Automatica. arXiv admin note: text overlap with arXiv:1611.01824

Control of Connected and Automated Vehicles: State of the Art and Future Challenges

连接与自动化车辆的控制：现状与未来挑战

Jacopo Guanetti, Yeojun Kim, Francesco Borrelli

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文探讨了连接与自动化车辆的控制与规划架构，分析了各功能模块的现状，重点在于提升能源效率的技术，并概述了现有算法及其未来挑战。

Synthesis of surveillance strategies via belief abstraction

通过信念抽象合成监视策略

Suda Bharadwaj, Rayna Dimitrova, Ufuk Topcu

机构 * University of Leicester（莱斯特大学） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了合成具有监视目标的机器人控制器问题，通过将问题建模为单侧部分信息游戏，并利用抽象技术减少状态空间爆炸，从而实现监视策略的合成。

A Switched Systems Approach to Path Following with Intermittent State Feedback

基于切换系统的方法用于间歇状态反馈下的路径跟随

Hsi-Yuan Chen, Zachary I. Bell, Patryk Deptula, Warren E. Dixon

专题命中 记忆与上下文管理 ：autonomous agent(abstract)

AI总结 本文提出了一种基于切换系统的控制方法，用于处理非线性系统中暂时失去状态反馈的情况，通过观测器和预测器补偿间歇反馈，并利用Lyapunov分析设计切换条件以保持系统稳定性。

When does a disaster become a systemic event? Estimating indirect economic losses from natural disasters

何时灾难成为系统性事件？从自然灾害中估算间接经济损失

Sebastian Poledna, Stefan Hochrainer-Stigler, Michael Gregor Miess, Peter Klimek, Stefan Schmelzer, Johannes Sorger, Elena Shchekinova, Elena Rovenskaya, JoAnne Linnerooth-Bayer, Ulf Dieckmann, Stefan Thurner

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出结合概率物理损害模型与宏观经济基于代理的模型，估算自然灾害的间接经济损失，揭示灾害规模与经济影响的关系。

Equilibrium in Misspecified Markov Decision Processes

马尔可夫决策过程中的均衡

Ignacio Esponda, Demian Pouzo

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了决策者对转移概率函数存在误设定的马尔可夫决策问题，通过分析渐近行为提出均衡概念，并讨论动态设置中实验负值带来的特殊问题。

Comments 54 pages, 2 figures

How Market Structure Drives Commodity Prices

市场结构如何驱动商品价格

Bin Li, K. Y. Michael Wong, Amos H. M. Chan, Tsz Yan So, Hermanni Heimonen, Junyi Wei, David Saad

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一个基于代理的模型，研究市场在稳态下形成三种价格群体及其对商品价格的影响，通过实证数据验证价格上升趋势和转折点。

Comments 17 pages, 5 figures, 1 table, 15 pages of Supporting Information

Journal ref J. Stat. Mech. (2017) 113405

Identification of Repetitive Processes at Steady- and Unsteady-state: Transfer Function

在稳态和非稳态条件下识别重复过程：传递函数

Ricardo Antunes, Vicente A. González, Kenneth Walsh

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文研究了在稳态和非稳态条件下重复过程的动态特性，提出基于传递函数的建模方法，以准确表征生产行为，提升施工项目的规划与控制能力。

Comments Proc. 23rd Ann. Conf. of the Int'l. Group for Lean Construction, 28-31 July, Perth, Australia, pp. 793-802

Coordinate-Descent Diffusion Learning by Networked Agents

通过网络化代理的坐标下降扩散学习

Chengcheng Wang, Yonggang Zhang, Bicheng Ying, Ali H. Sayed

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究网络化代理在通用坐标下降方案下扩散随机算法的均方误差性能，探讨坐标随机选择对计算复杂度和收敛速度的影响，揭示分布式适应策略的鲁棒性。

Comments Accepted for publication

Emergence of Cooperative Long-term Market Loyalty in Double Auction Markets

双拍卖市场中合作长期市场忠诚的出现

Aleksandra Aloric, Peter Sollich, Peter McBurney, Tobias Galla

专题命中 记忆与上下文管理 ：agent(abstract_cn)

AI总结 本文研究了双拍卖市场中合作长期市场忠诚是否能自发产生，通过建立模型发现当市场回报规模或选择强度超过阈值时，买卖方会形成忠诚于特定市场的子群，从而提升整体收益。

Comments 33 pages, 11 figures; referee remarks included, published: April 27, 2016

A Multi-Armed Bandit Approach for Online Expert Selection in Markov Decision Processes

在马尔可夫决策过程中的在线专家选择的多臂老虎机方法

Eric Mazumdar, Roy Dong, Vicenç Rúbies Royo, Claire Tomlin, S. Shankar Sastry

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种多臂老虎机方法，用于在马尔可夫决策过程中在线选择专家策略，通过理论框架和算法验证，证明了预期遗憾的增长率在最坏情况下为对数级。

Distributed Event-Based State Estimation for Networked Systems: An LMI-Approach

网络化系统分布式事件基状态估计：一种LMI方法

Michael Muehlebach, Sebastian Trimpe

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一种基于LMI的分布式事件基状态估计方法，用于多传感器-执行器代理控制的动态系统，通过局部事件触发协议实现稳定性和性能指标的保证。

Comments This is an extended version of an article to appear in the IEEE Transactions on Automatic Control (additional parts in the Appendix)

Controlling a Population

控制一个种群

Nathalie Bertrand, Miheer Dewaskar, Blaise Genest, Hugo Gimbert

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了通过统一控制使种群同步的问题，将种群建模为非确定有限状态自动机，并证明了种群控制问题在EXPTIME复杂度内是可判定的。

Design and implementation of an adaptive critic-based neuro-fuzzy controller on an unmanned bicycle

一种基于自适应批评者的神经模糊控制器的设计与实现

Ali Shafiekhani, Mohammad J. Mahjoob, Mehdi Akraminia

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种用于无人自行车的自适应批评者神经模糊系统，通过结合批评代理信号与误差反向传播，实现模糊推理规则的在线调整，验证了控制器在暂态响应、模型不确定性和在线学习速度方面的优越性。

Comments 24 pages, 17 figures, Mechatronics Journal

Journal ref Mechatronics 28 (2015): 115-123