Telusuri profil teknologi beserta ringkasan dan rujukannya.
Kontrak persepsi formal dikembangkan untuk menentukan kondisi operasi sistem otonom yang dapat disertifikasi, menghubungkan keluaran persepsi kecerdasan buatan dengan kebutuhan kendali.
Estimasi salinitas tanah menggabungkan penginderaan multisensor dan distilasi pengetahuan dari simulasi transport garam untuk memilih mitigasi yang kemudian diuji melalui respons lapangan.
Arsitektur robot kolaboratif dikembangkan untuk memperkirakan tujuan, keyakinan, dan harapan manusia, sehingga perencanaan gerak dapat memperhitungkan apa yang dipahami setiap anggota tim.
Pengendali berbasis pembelajaran penguatan akan dirancang untuk memenuhi batas keselamatan keras sejak pelatihan hingga penerapan pada sistem siberfisik.
Rekan kerja udara menggabungkan quadrotor berjaringan, manipulasi kolaboratif, dan pemetaan semantik untuk mendukung kemampuan fisik serta persepsi manusia.
Mikroskopi gaya atom berbantuan kecerdasan buatan dirancang menggabungkan pengindraan multimodal, model kontak berbasis fisika, dan kendali adaptif waktu nyata.
Kendali bangunan menggunakan pembelajaran penguatan kausal yang dipandu topologi sistem serta pengetahuan penghuni untuk mempelajari kebijakan dari data terbatas.
Chip lokalisasi dan pemetaan dirancang bersama algoritme untuk membatasi akses serta ukuran memori, menargetkan navigasi robot kecil yang hemat energi dan tangguh.
COSACC menghubungkan kembaran digital, simulasi bersama, dan pengujian kendaraan nyata untuk menelaah verifikasi serta skenario sertifikasi.
Function encoder diteliti untuk kendali manufaktur cyberphysical yang dapat ditransfer, merepresentasikan dinamika sebagai basis ruang fungsi yang dapat digunakan kembali lintas sistem dan tugas.
Pembelajaran penguatan offline dari data kendaraan skala besar dipadukan dengan reward berbasis preferensi dan pembelajaran hibrida untuk mempercepat rancangan controller transportasi.
Kerangka cyberphysical manufaktur laser-wire diteliti untuk memprediksi dan mengendalikan mikrostruktur serta tegangan sisa komponen besar melalui model, sensor, dan koreksi langsung.
Pembelajaran multitugas aman untuk perangkat edge diteliti dengan meta-learning dan kendali prediktif, agar robot dapat mengadaptasi pengalaman tanpa komputasi cloud yang selalu tersedia.
Model tensor robust federasi menggabungkan pola ruang-waktu antarfarm dengan embedding ringkas serta privasi diferensial untuk prediksi pertanian yang tetap dipersonalisasi.
Pembelajaran federatif bertingkat diteliti untuk memprediksi konsumsi listrik sehari sebelumnya dengan model rumah tangga lokal dan pola global tanpa berbagi seluruh data.
Middleware publish-subscribe waktu nyata dikembangkan untuk sistem otonomi multicore dengan akselerator, menempatkan analisis batas respons dan alokasi sumber sebagai kebutuhan utama.
Representasi laten sensor kamera dan LiDAR dikembangkan bersama himpunan ketidakpastian terkalibrasi agar pengendali formal tetap dapat diverifikasi pada sistem otonom kompleks.
Microflier origami tanpa baterai mengubah bentuk dan berkoordinasi melalui protokol nirkabel untuk mengatur arah turun serta penyebaran jaringan sensor secara tepat sasaran.