SideNet-MPC：通过模仿避障模式加速多模态模型预测控制
预印本摘要称，研究者提出 SideNet-MPC 方法，利用图神经网络模仿多模态模型预测控制专家预测避障侧组合，使每个控制周期最多仅需求解两次最优控制问题，控制输入仍由控制屏障函数约束生成。在 100 次闭环蒙特卡洛混行交通测试中，其单线程耗时为 18.6 毫秒，较专家 16 线程并行的 35.5 毫秒减少 48%，同时达到专家 93% 的成功率。
#受约束决策
arXiv · 工业智能研究摘要 arXiv · 工业智能研究摘要 迈向用于多参数优化的学习增强求解器
预印本摘要称，研究者提出利用结构分析将神经网络系统性融入经典优化算法，以构建用于多参数优化问题（OP）的学习增强求解器。该方法以线性二次模型预测控制（MPC）中常见的多参数二次规划（mpQP）为代表，通过定制神经网络实现标准对偶投影梯度方案中步长的参数依赖微调。研究利用了最优步长在参数空间呈分段常数函数的特性，并给出了理论性质与数值案例验证。
arXiv · 工业智能研究摘要 基于可达性安全表征的未知与动态环境实时机器人导航方法研究
预印本摘要提出通过神经网络隐式表征离线学习哈密顿-雅可比可达性解，为未知动态环境中的机器人优化控制器提供实时安全动力学信息。该方案仅学习非负动力学修正项以防近似误差破坏安全性，并分别作为模型预测控制的终端约束和控制屏障函数安全滤波器。地面与空中机器人的软硬件实验显示其避障效果优于几何基准，研究还利用可并行树搜索将离线训练扩展至最多13个状态维度的系统。
arXiv · 工业智能研究摘要 研究提出将关系学习作为世界模型并推出 TabWM 与 WorldRel
预印本摘要显示，研究者提出表格世界模型 TabWM 与生成器 WorldRel，在不更新参数的情况下利用未见系统的执行记录作为上下文，预测新动作导致的稀疏结构化编辑。
arXiv · 工业智能研究摘要 面向不确定性下精准与顺应控制的任务空间运动-力非线性模型预测控制（NMPC）
预印本摘要称，研究者提出了一个统一的任务空间运动-力非线性模型预测控制（NMPC）框架，直接根据任务空间的运动与受力要求规划并控制机器人关节。该方法在高级规划层闭合力反馈回路，以应对未建模交互并实现精确的运动-力跟踪。物理硬件实验验证了冗余机械臂上的混合运动-力控制，以及四足机器人上的顺应移动。
arXiv · 工业智能研究摘要 超越安全执行：结合价值校准与自适应引导的自动驾驶安全在线强化学习
预印本摘要称，研究者提出面向 Flow 自动驾驶策略在线微调的框架 SOAR-Flow，利用 CBF-MPC 过滤器在执行前修正不安全动作。该方法引入基于 Cal-QL 的高斯回报感知价值校准以平滑保守评价网络更新，并结合配对修正学习与未来干预预测器调节引导强度。仿真及无人地面车辆（UGV）实验表明，该框架在受保护在线微调中提升了驾驶性能并减少了对安全修正的依赖。