Buchumschlag

Physics-informed learning under mixing: How physical knowledge speeds up learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Scampicchio, Anna, Toso, Leonardo F., Rickenbach, Rahel, Anderson, James, Zeilinger, Melanie N.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Active Learning-based Model Predictive Coverage Control
von: Rickenbach, Rahel, et al.
Veröffentlicht: (2023)

Inverse Optimal Control with Constraint Relaxation
von: Rickenbach, Rahel, et al.
Veröffentlicht: (2025)

On the role of the signature transform in nonlinear systems and data-driven control
von: Scampicchio, Anna, et al.
Veröffentlicht: (2024)

Gaussian processes for dynamics learning in model predictive control
von: Scampicchio, Anna, et al.
Veröffentlicht: (2025)

Task-Level Insights from Eigenvalues across Sequence Models
von: Rickenbach, Rahel, et al.
Veröffentlicht: (2025)

Optimal uncertainty bounds for multivariate kernel regression under bounded noise: A Gaussian process-based dual function
von: Lahr, Amon, et al.
Veröffentlicht: (2026)

DEMONSTRATE: Zero-shot Language to Robotic Control via Multi-task Demonstration Learning
von: Rickenbach, Rahel, et al.
Veröffentlicht: (2025)

ZipMPC: Compressed Context-Dependent MPC Cost via Imitation Learning
von: Rickenbach, Rahel, et al.
Veröffentlicht: (2025)

On the Gradient Domination of the LQG Problem
von: Fallah, Kasra, et al.
Veröffentlicht: (2025)

Adversarially Robust Multitask Adaptive Control
von: Fallah, Kasra, et al.
Veröffentlicht: (2025)

Goal-oriented safe active learning for predictive control using Bayesian recurrent neural networks
von: de Giuli, Laura Boca, et al.
Veröffentlicht: (2026)

MHE under parametric uncertainty -- Robust state estimation without informative data
von: Muntwiler, Simon, et al.
Veröffentlicht: (2023)

Sample-Efficient Linear Representation Learning from Non-IID Non-Isotropic Data
von: Zhang, Thomas T. C. K., et al.
Veröffentlicht: (2023)

A model predictive control framework with robust stability guarantees under unbounded disturbances
von: Köhler, Johannes, et al.
Veröffentlicht: (2022)

Regret Analysis of Multi-task Representation Learning for Linear-Quadratic Adaptive Control
von: Lee, Bruce D., et al.
Veröffentlicht: (2024)

Safe and Near-Optimal Control with Online Dynamics Learning
von: Prajapat, Manish, et al.
Veröffentlicht: (2025)

A robust and adaptive MPC formulation for Gaussian process models
von: Dubied, Mathieu, et al.
Veröffentlicht: (2025)

Approximate non-linear model predictive control with safety-augmented neural networks
von: Hose, Henrik, et al.
Veröffentlicht: (2023)

Approximate predictive control barrier function for discrete-time systems
von: Didier, Alexandre, et al.
Veröffentlicht: (2024)

Predictive control for nonlinear stochastic systems: Closed-loop guarantees with unbounded noise
von: Köhler, Johannes, et al.
Veröffentlicht: (2024)

A multiobjective approach to robust predictive control barrier functions for discrete-time systems
von: Didier, Alexandre, et al.
Veröffentlicht: (2025)

Automatic nonlinear MPC approximation with closed-loop guarantees
von: Tokmak, Abdullah, et al.
Veröffentlicht: (2023)

Finite-Sample-Based Reachability for Safe Control with Gaussian Process Dynamics
von: Prajapat, Manish, et al.
Veröffentlicht: (2025)

State Space Models as Foundation Models: A Control Theoretic Overview
von: Alonso, Carmen Amo, et al.
Veröffentlicht: (2024)

Safe Guaranteed Exploration for Non-linear Systems
von: Prajapat, Manish, et al.
Veröffentlicht: (2024)

Reinforcement learning-based adaptive speed controllers in mixed autonomy condition
von: Wang, Han, et al.
Veröffentlicht: (2024)

PolyFormer: learning efficient reformulations for scalable optimization under complex physical constraints
von: Wen, Yilin, et al.
Veröffentlicht: (2026)

Optimistic Online LQR via Intrinsic Rewards
von: Bartos, Marcell, et al.
Veröffentlicht: (2026)

Policy Gradient Bounds in Multitask LQR
von: Stamouli, Charis, et al.
Veröffentlicht: (2025)

Coreset-Based Task Selection for Sample-Efficient Meta-Reinforcement Learning
von: Zhan, Donglin, et al.
Veröffentlicht: (2025)

Learning Stabilizing Policies via an Unstable Subspace Representation
von: Toso, Leonardo F., et al.
Veröffentlicht: (2025)

Data-assimilated model-informed reinforcement learning
von: Ozan, Defne E., et al.
Veröffentlicht: (2025)

Towards safe and tractable Gaussian process-based MPC: Efficient sampling within a sequential quadratic programming framework
von: Prajapat, Manish, et al.
Veröffentlicht: (2024)

Zero-Order Optimization for Gaussian Process-based Model Predictive Control
von: Lahr, Amon, et al.
Veröffentlicht: (2022)

Exploiting inter-agent coupling information for efficient reinforcement learning of cooperative LQR
von: Syed, Shahbaz P Qadri, et al.
Veröffentlicht: (2025)

Optimal kernel regression bounds under energy-bounded noise
von: Lahr, Amon, et al.
Veröffentlicht: (2025)

VISION-SLS: Safe Perception-Based Control from Learned Visual Representations via System Level Synthesis
von: Leeman, Antoine P., et al.
Veröffentlicht: (2026)

Computationally Efficient System Level Tube-MPC for Uncertain Systems
von: Sieber, Jerome, et al.
Veröffentlicht: (2024)

Nonlinear Functional Estimation: Functional Detectability and Full Information Estimation
von: Muntwiler, Simon, et al.
Veröffentlicht: (2023)

Robust reduced-order model predictive control using peak-to-peak analysis of filtered signals
von: Köhler, Johannes, et al.
Veröffentlicht: (2025)