基于人工智能的日前光伏功率预测决策支持流水线
An AI-Based Decision-Support Pipeline for Day-Ahead Photovoltaic Forecasting
新建光伏电站数据不够，怎么用 AI 预测明天的发电量？——一条把「数据对齐→特征构造→多模型集成」串起来的实用流水线。
arXiv:2608.02088 · 2026年8月3日（v1） · Fariba Dehghan, Sebastian Stein, Vahid Y
UniWind：基于物理信息状态路由的统一日前风电功率预测
UniWind: Toward Unified Day-Ahead Wind Power Forecasting via Physics-Informed State Routing
先算「物理上能发多少电」，再算「实际发了多少电」——把停机、弃风等隐藏运行状态也纳入预测。
arXiv:2607.01670 · 2026年7月2日（v1） · Ronghui Xu, Tongxin Wu, Guozhen Zhang, Y
含不确定性量化的电池储能系统退化预测：概率框架
Predicting BESS Degradation with Uncertainty Quantification: A Probabilistic Framework for Battery Energy Storage Systems
电池老化预测不该只给「一个数」，要给出「有多大的可能区间」——把实验室电芯模型推广到整个储能系统。
arXiv:2607.13709 · 2026年7月15日（v1） · Melina Graner, Holger Hesse, Andreas Jos
限流构网型逆变器电压崩溃的解析预测
Analytical Prediction of Voltage Collapse in Current-Limited Grid-Forming Inverters
用解析公式回答「限流器一动作，系统到底会不会立刻崩溃、又会在哪个电压崩溃」。
arXiv:2608.04740 · 2026年8月5日（v1） · Wenhao Lin, Robin Preece, Panagiotis N.
动态虚拟电厂联盟稳定与公平的奖励分配
A Coalitional Stable and Fair Reward Allocation for Dynamic Virtual Power Plants
怎么分钱才能让一堆分布式能源愿意抱团提供动态辅助服务？——用合作博弈论给出「既稳定又公平」的奖励分配方案。
arXiv:2606.31728 · 2026年6月30日（v1） · Carl von Holly-Ponientzietz, Saverio Bol
考虑截止时间的电动汽车充电调度与配电变压器过载缓解
Deadline-Aware Electric Vehicles Charging with Distribution Transformer Overload Mitigation
充电桩太多、变压器太小，怎么排队充电才不烧变压器又不耽误赶时间的人？——软截止时间 + 在线调度。
arXiv:2607.00935 · 2026年7月1日（v1） · B Hari Kiran Reddy（素材未提供机构）
多时间尺度负荷预测在氢能社区微电网能量管理中的运行价值
Operational Value of Multi-Horizon Load Forecasts for Energy Management in a Hydrogen-Enabled Community Microgrid
给强化学习能量管理系统装上「负荷预测眼镜」，一年能多省 325.97 澳元？——预测精度一般，但运行收益真实存在。
arXiv:2607.18903 · 2026年7月21日（v1） · Mohamed Atef, Sanath Alahakoon, Umme Mum
从 Token 到能量弹性：面向 LLM 推理负载数据中心的量化赋能需求响应
From Tokens to Energy Flexibility: Quantization-Enabled Demand Response for Data Centers with LLM Inference Workloads
把 LLM 模型量化变成「可调度的精度旋钮」参与需求响应，数据中心总成本降 34.3% 且不掉 token。
arXiv:2606.18851 · 2026年6月17日（v1） · Bojun Du, Xiaoyi Fan, Ershun Du, Long Ch
稳定性约束电力系统规划中综合方法的价值
The Benefits of an Integrated Approach for Stability-Constrained Power System Planning
把稳定约束提前写进电网扩建规划一起优化，比「事后补稳定」更省钱、结构更优。
arXiv:2608.06349 · 2026年8月6日（v1） · Gereon Recht, Benedikt Jahn, Oussama Ala
基于卫星散射计星座的近海风高技巧预报
Skillful forecasting of offshore winds from satellite scatterometer constellations
直接用卫星散射计观测学出海上风场预报，1 小时时效误差比 NWP 降 23%。
arXiv:2607.27152 · 2026年7月29日（v1） · Francesco Pinto, Luca Lanzilao, Paco Lop
基于物理信息合成历史的时间序列基础模型用于光伏冷启动预测
Time series Foundation Models based on Physics-Informed Synthetic Histories for Cold-Start Photovoltaic Forecasting
用物理模型造「合成历史」喂给时序基础模型，新电站零数据也能预测发电。
arXiv:2606.07457 · 2026年6月5日（v1） · Lorenzo Longarini, Alessandro Rongoni, S
基于流体队列的电动汽车充电调度拥堵预测
Congestion Forecasting for Electric Vehicle Charging Scheduling with Fluid Queues
把充电站排队“看成水流”，预测未来站点的拥堵与可用性——调度时避开堵车，等待时间最多省 14%。
arXiv:2605.26970 · 2026年5月26日（v1） · Joas Kahlert, Ruiting Wang, Jonas Mårten
电池储能管理研究进展：控制与经济协同
Advances in Battery Energy Storage Management: Control and Economic Synergies
一篇综述：过去“搞控制的管电池健康、搞经济的管市场收益”各干各的，本文论证两者必须协同——用数字孪生把电池真实状态实时接进经济调度。
arXiv:2602.06365 · 2026年2月6日（v1） · Venkata Rajesh Chundru, Shreshta Rajakum
面向网络韧性微电网能量管理的不确定感知联邦学习
Uncertainty-Aware Federated Learning for Cyber-Resilient Microgrid Energy Management
黑客往光伏预测数据里“掺假”，能量管理就会被骗着乱调度、多花钱——本文用“联邦学习+不确定性量化+两级级联检测”把误报降 70%、把预测损失找回 93.7%。
arXiv:2511.17968 · 2025年11月22日（v1） · Oluleke Babayomi, Dong-Seong Kim（新西兰奥克兰理
SolarBoost：时变电网容量下的分布式光伏功率预测
SolarBoost: Distributed Photovoltaic Power Forecasting Amid Time-varying Grid Capacity
把分布式光伏的总功率拆成「单位容量出力 × 动态容量」两件事分别建模——容量变了模型不用重训，已在中国的多个城市落地部署。
arXiv:2510.21129 · 2025年10月24日（v1） · Linyuan Geng, Linxiao Yang, Xinyue Gu, L
风电功率预测中的图神经网络
Graph Neural Networks in Wind Power Forecasting
把「气象变量之间的关系」画成图，用图神经网络预测风电功率——发现 GNN 能和最强的 CNN 基准打得有来有回，是 CNN 之外的有力替代。
arXiv:2507.00105 · 2025年6月30日（v1） · Javier Castellano, Ignacio Villanueva
AutoPV：自动设计你的光伏功率预测模型
AutoPV: Automatically Design Your Photovoltaic Power Forecasting Model
把「挑模型、搭网络」这件事本身自动化：用神经架构搜索（NAS）在 250 万个候选架构里自动找出最适合你那个光伏预测任务的结构——不需要你是深度学习专家。
arXiv:2408.00601 · 2024年8月1日（v1） · Dayin Chen, Xiaodan Shi, Mingkun Jiang,
风电资产打包：面向风电功率预测的 Bundle-Predict-Reconcile（BPR）分层框架
Asset Bundling for Wind Power Forecasting
不满足于「单场预测 + 汇总求和」：BPR 先按时空相关性把风电场「打包」成中间层级，再在单场/包/机群三层预测，最后调和各层，让「总预测 = 各场预测之和」而且更准。
arXiv:2309.16492 · 2023年9月28日（v1） · Hanyu Zhang, Mathieu Tanneau, Chaofan Hu
面向微电网能量管理的多目标强化学习框架（MORL）
A Multiobjective Reinforcement Learning Framework for Microgrid Energy Management
微电网调度常要同时满足「省钱」「减排」等互相冲突的目标——本文用进化算法显式搜索帕累托前沿、用免模型强化学习训练可执行策略，在康奈尔大学热电联产微电网（CU-MG）上实现了冬季减排 20%、夏季减排 25% 且不增加成本。
arXiv:2307.08692 · 2023年7月17日（v1） · M. Vivienne Liu, Patrick M. Reed, David
合成光伏与风电功率预测数据：面向机器学习预测研究的公开数据集
Synthetic Photovoltaic and Wind Power Forecasting Data
用德国真实气象实测 + 物理模型仿真出「逼真的合成功率」公开数据集：120 座光伏 + 273 座风电场、约 500 天、小时级分辨率，附 ICON-EU 天气模型输入特征与电站静态信息，并验证了合成数据上的预测误差与真实历史数据相当。
arXiv:2204.00411 · 2022年4月1日（v1） · Stephan Vogt, Jens Schreiber, Bernhard S
电动汽车充电调度与柔性服务运营（允许服务任务灵活提前/推迟出发的充电调度）
Electric vehicle charge scheduling with flexible service operations
充电桩不够用？那就让服务任务「稍微早走或晚走几分钟」——把充电与服务排程一起优化，充电基础设施最多可减少 57%，运营成本最多可省 5%。
arXiv:2201.03972 · 2022年1月11日（v1） · Patrick Sean Klein, Maximilian Schiffer（
深度时空风电功率预测（融合空间依赖与时间趋势的风机级功率预测）
Deep Spatio-Temporal Wind Power Forecasting
不再「先预测风速、再查功率曲线转功率」，而是用 GRU 编码器-解码器 + 邻居风机空间信息 + 风机嵌入向量，直接预测每台风机未来功率。
arXiv:2109.14530 · 2021年9月29日（v1） · Jiangyuan Li, Mohammadreza Armandpour（机构
基于关联深度 Q 学习（CDQN）的微电网能量管理
Correlated Deep Q-learning based Microgrid Energy Management
把微电网里的储能、光伏、负荷都当成会「自己学习」的智能体，各自用 LSTM 深度 Q 网络做决策，再用「关联均衡」协调它们——储能智能体利润提高 40.9%，光伏智能体利润提高 9.62%。
arXiv:2103.04152 · 2021年3月6日（v1） · Hao Zhou, Melike Erol-Kantarci（机构未在素材中标注
探究概率电价预测中的校准挑战：为什么「恰当」的评分规则仍会给出统计上不可靠的不确定性估计
Investigating Calibration Challenges in Probabilistic Electricity Price Forecasting
现在流行的「恰当评分规则」只奖励又尖又窄的预测，却不一定保证它「说得准」——论文指出这正是概率电价预测过度自信的病根，呼吁把「校准」写进目标函数与模型架构。
arXiv:2606.09517 · 2026年6月8日（v1） · Jan Niklas Lettner, Hadeer El Ashhab, Be
寒冷环境下带电池热管理的电动汽车在线充电控制
Online Electric Vehicle Charging Control with Battery Thermal Management in Cold Environments
充电和加热本来就是「一台戏」——论文用排队模型 + Lyapunov 优化，让充电站在不知道任何未来信息的情况下在线协同调度「充多少电、加多少热」，又稳又省钱。
arXiv:2602.11561 · 2026年2月12日（v1） · Xiaowei Wang, Yize Chen, Yue Chen（机构未在素材
面向电池热管理系统（BTMS）设计多目标优化的基准测试套件
A Benchmark Suite for Multi-Objective Optimization in Battery Thermal Management System Design
现有测试函数太「假」，算法在假题上考满分没用——论文从真实电池热管理研究里提炼出 12 个带约束的多目标优化问题（RWCMOPs），用代理模型替代昂贵的 CFD 仿真，给进化算法发了一张「真卷子」。
arXiv:2510.25219 · 2025年10月29日（v1） · Kaichen Ouyang, Yezhi Xia（机构未在素材中标注）
无模型耗散性神经控制：提升电力系统暂态稳定
Model-Free Power System Stability Enhancement with Dissipativity-Based Neural Control
不建模、直接学「耗散性」：神经网络从输入-状态数据里学出能当反馈增益的矩阵，顺手把控制性能也优化了。
arXiv:2510.22324 · 2025年10月25日（v1） · Yifei Wang, Han Wang, Kehao Zhuang, Keit
基于频率扫描的高比例 IBR 电网稳定性分析综述
A Survey on IBR Penetrated Power System Stability Analysis Using Frequency Scanning
一张「工具地图」：把识别和抑制次同步振荡的方法按白/黑/灰箱归类，重点讲频率扫描怎么做、怎么判稳。
arXiv:2501.08516 · 2025年1月15日（v1） · Shuvangkar Chandra Das, Lokesh Saravana,
面向电力系统稳定性分析与控制的平滑限速率器模型
Smooth Rate Limiter Model for Power System Stability Analysis and Control
给「不连续」的限速率器造一个光滑替身：既能进状态空间模型做特征值分析，限速特性还分毫不差。
arXiv:2501.01776 · 2025年1月3日（v1） · Zaint A. Alexakis, Panos C. Papageorgiou
正则化用于电价预测：十种惩罚函数 × 两种模型结构 × 两个电力市场
Regularization for electricity price forecasting
电价预测模型普遍默认用 L1/L2 正则，本文系统比较 10 种惩罚函数，发现 LQ 正则与弹性网稳定优于最常用的 LASSO，且交叉验证选参好于 BIC。
arXiv:2404.03968 · 2024年4月5日（v1） · Bartosz Uniejewski（波兰弗罗茨瓦夫理工大学，运筹学与商业智能系
电价预测的 Transformer 方法：纯注意力模型即可捕捉时序模式
A Transformer approach for Electricity Price Forecasting
不叠 LSTM/GRU，只用纯 Transformer 的注意力层就能抓住电价时序模式，在 5 个公开数据集中的 4 个上达到最先进（SOTA）水平，并开源代码促进可复现研究。
arXiv:2403.16108 · 2024年3月24日（v1） · Oscar Llorente, Jose Portela（机构未在素材中标注）
智能电网韧性教程：频率调节、短路保护与黑启动三大辅助服务如何延续
A Tutorial on Resilience in Smart Grids
新能源替代同步发电机后，惯量、短路保护、黑启动三大辅助服务告急；教程论证：韧性电网需要一个「同样韧性」的 ICT 系统来协调分布式资源。
arXiv:2308.15923 · 2023年8月30日（v1） · Armin Stocker, Hermann de Meer（机构未在素材中标注
面向电池退化最小化的电动汽车电池热管理优化
Optimal battery thermal management for electric vehicles with battery degradation minimization
把「冷却耗电」与「电池老化」放进同一个代价函数里用动态规划离线求最优，再提炼成「快冷 / 慢冷 / 保温」三规则在线执行——在线策略与离线最优的电池损耗差异不到 3%。
arXiv:2308.03056 · 2023年8月6日（v1） · Yue Wu, Zhiwu Huang, Dongjun Li, Heng Li
局部-全局方法：面向泛化的太阳辐照度预测
Local-Global Methods for Generalised Solar Irradiance Forecasting
不依赖目标电站的实时辐照度观测——用「全局模型」在 20 个英国站点上训练，就能给从没见过的「新电站」直接出预测；卫星影像 + CNN 效果最好。
arXiv:2303.06010 · 2023年3月10日（v1） · Timothy Cargan, Dario Landa-Silva, Isaac
结构健康监测基础模型：Transformer 掩码自编码器守护桥梁与高架桥
Foundation Models for Structural Health Monitoring
首次把 Transformer「掩码自编码器」基础模型用于桥梁振动监测：无标签数据自监督预训练 + 任务微调，异常检测只用 15 个窗口就达 99.9%，还能知识蒸馏成小模型部署到 Jetson Nano 边缘节点。
arXiv:2404.02944 · 2024年4月3日（v1） · Luca Benfenati, Daniele Jahier Pagliari,
基于性能的地震工程通用框架：结构可靠性与韧性的集成评估
A generalized framework for performance-based earthquake engineering: integrated assessment of structural reliability and resilience
把「损伤累积」与「灾后恢复」直接写进结构状态的连续时间马尔可夫链，用一张生成矩阵同时算可靠性与韧性——并证明经典 PEER-PBEE 框架只是它的一个特例。
arXiv:2606.12448 · 2026年5月30日（v1） · C. NArdin, S. Marelli, B. Sudret, M. Bro
织物声子晶体：面向被动振动控制的周期性编织结构
Fabric Phononic Crystals for Passive Vibration Control
用「软棉线 + 硬铜线」双编织出周期性织物，布料本身就变成能挡住特定频率振动的声子晶体——不装传感器、不耗电，振动控制全靠织法。
arXiv:2607.01092 · 2026年7月1日（v1） · Michael Y Wang, Hridyesh Tewani, Mariann
面向无人机桥梁实时检测的鲁棒轻量化裂缝分类
Robust Lightweight Crack Classification for Real-Time UAV Bridge Inspection
用「轻骨架 + 注意力 + 定向增强 + Focal Loss」四件套，把裂缝识别模型压到 11.21M 参数、825 FPS——无人机端侧也能实时跑。
arXiv:2604.27617 · 2026年4月30日（v1） · Wei Li, Haisheng Li, Weijie Li, Jiandong
TabPFN 扩展在可解释岩土工程建模中的应用
TabPFN Extensions for Interpretable Geotechnical Modelling
岩土勘察数据又少又杂：本文不训练任何模型，直接用表格基础模型 TabPFN 做土类分类和五参数迭代填补，并配套 SHAP、后验分布与可靠度传播——给「数据稀缺的岩土问题」提供一套可复制的评估工作流。
arXiv:2603.21033 · 2026年3月22日（v1） · Taiga Saito, Yu Otake, Daijiro Mizutani,
多阶段桥梁检测系统：融合基础模型与位置匿名化
Multi-stage Bridge Inspection System: Integrating Foundation Models with Location Anonymization
用 SAM3 自动检测钢筋锈蚀与混凝土损伤、DBSCAN 补全漏检区域、高斯模糊给施工告示牌「打码」——损伤检测得准，同时不泄露桥梁所在地区的信息。
arXiv:2601.17254 · 2026年1月24日（v1） · Takato Yasuno（按素材原文转录，机构未在素材中标注）
岩土工程中 PINN 与算子学习的关键评估
A Critical Assessment of PINNs and Operator Learning for Geotechnical Engineering
用太沙基固结、阻尼振荡器、一维波动方程、弹性地基梁四个经典基准题，把 MLP / PINN / DeepONet / GNS 与有限差分、粒子参考解逐项对比，结论冷静：神经网络适合「域内插值与模式识别」，反演问题应优先用可微的物理求解器。
arXiv:2512.24365 · 2025年12月30日（v1） · Krishna Kumar（按素材原文转录，机构未在素材中标注）
BridgeEQA：面向真实桥梁检测的虚拟具身智能体
BridgeEQA: Virtual Embodied Agents for Real Bridge Inspections
把桥梁检测员的「边看照片、边推理、边回答」搬进 AI 评测：2,200 个开放问答对、200 座真实桥梁、9,586 张图，提出图像引用相关性指标，并用「场景图导航」（EMVR）把大模型的评分准确率大幅拉高。
arXiv:2511.12676 · 2025年11月16日（v1） · Subin Varghese, Joshua Gao, Asad Ur Rahm
主动迁移学习用于结构健康监测
Active Transfer Learning for Structural Health Monitoring
迁移+主动学习组合拳,让少标签桥梁也能学出可靠的损伤分类。
arXiv:2510.27525 · 2025年10月31日（v1） · J. Poole, N. Dervilis, K. Worden, P. Gar
大规模自供能振动控制：理论与实验
Large-Scale Self-Powered Vibration Control: Theory and Experiment
自供能振动控制样机：采集扰动能量驱动大功率作动。
arXiv:2509.11346 · 2025年9月14日（v1） · Connor Ligeikis, Heath Hofmann, Jeff Scr
利用压电剪切作动器实现夹层梁振动控制
Harnessing Piezoelectric Shear Actuators for Vibration Control in Sandwich Beams
压电剪切作动器内置于夹层梁，大幅抑制悬臂端振动。
arXiv:2506.21713 · 2025年6月26日（v1） · Mark Baken, Vivek Gupta, Bas Jansen, S.
3D 打印机龙门架的被动振动控制
Passive Vibration Control of a 3-D Printer Gantry
给 FFF 3D 打印机的挤出机滑架加一个「最优调谐的被动弹簧-质量-阻尼器」，用不接电、不占空间的纯机械方式压住高速打印时的振动。
arXiv:2505.19311 · 2025年5月25日（v1） · Maharshi A. Sharma, Albert E. Patterson（
面向岩土工程设计与施工的概率数字孪生
Probabilistic digital twins for geotechnical design and construction
给岩土工程做「会算概率」的数字孪生：把土体不确定性全部装进模型，随着工地实测数据进来，用贝叶斯方法不断更新，让设计决策越做越准。
arXiv:2412.09432 · 2024年12月12日（v1） · Dafydd Cotoarbă, Daniel Straub, Ian FC S
RoadFusion：面向路面缺陷检测的潜扩散模型
RoadFusion: Latent Diffusion Model for Pavement Defect Detection
标注数据不够、场景千变万化，就用「潜扩散模型凭空生成逼真病害图」来补数据，再让两个特征适配器分别处理正常/异常输入——在 6 个路面基准数据集上刷新多项纪录。
arXiv:2507.15346 · 2025年7月21日（v1） · Muhammad Aqeel, Kidus Dagnaw Bellete, Fr
改进的 ResNet50 模型：直接从路面图像预测路面状况指数（PCI）
An Improved ResNet50 Model for Predicting Pavement Condition Index (PCI) Directly from Pavement Images
给经典 ResNet50 加一个「注意力模块」CBAM，让它自己学会盯着图像里最重要的区域，直接从照片估出 0~100 的路面状况指数（PCI）——误差（MAPE 58.16%）比两个基线模型低一大截。
arXiv:2504.18490 · 2025年4月25日（v1） · Andrews Danyo, Anthony Dontoh, Armstrong
基于深度学习的混凝土结构多时相裂缝分割
Multi-temporal crack segmentation in concrete structures using deep learning approaches
别只看「一张照片」：把同一裂缝「随时间拍下的一串照片」一起喂给模型——多时相 Swin UNETR 用一半参数，就把裂缝分割的 IoU 从 76.69% 拉到 82.72%。
arXiv:2411.04620 · 2024年11月7日（v1） · Said Harb, Pedro Achanccaray, Mehdi Mabo
基于降维随机模拟器的地震响应不确定性量化
Uncertainty quantification for seismic response using dimensionality reduction-based stochastic simulator
用「物理降维 + 条件分布采样」造一个随机模拟器，把高维地震动不确定性快速传播为结构响应不确定性，不用跑海量非线性时程分析。
arXiv:2409.17159 · 2024年9月10日（v1） · Jungho Kim, Ziqi Wang（机构未在素材中标注）
复杂网络的振动控制
Vibrational Control of Complex Networks
不测量状态、不给节点加控制，而是用高频振动「抖动网络的边」——一种全新的开环网络镇定思路。
arXiv:2408.08263 · 2024年8月15日（v1） · Yuzhen Qin, Fabio Pasqualetti, Danielle
VLTI 单元望远镜库德光路振动控制升级（GRAVITY+）
VLTI Unit Telescope coudé train vibration control upgrade for GRAVITY+
给 VLTI 望远镜库德光路所有镜面装加速度计，用前馈 + 窄带滤波实时补偿镜面振动引起的光程抖动。
arXiv:2407.17191 · 2024年7月24日（v1） · Romain Laugier, Julien Woillez, Denis De
渲染 3D 纹理网格的感知裂缝检测（PCD）
Perceptual Crack Detection for Rendered 3D Textured Meshes
模仿人类视觉系统（HVS），用「对比度 + 拉普拉斯」两个测量模块，在渲染 3D 纹理网格的截图中逐像素定位「裂缝」伪影，并把它变成权重图来提升现有质量评价（QA）模型的预测精度。
arXiv:2405.06143 · 2024年5月9日（v1） · Armin Shafiee Sarvestani, Wei Zhou, Zhou
岩土稳定性分析启发的凸优化问题：LL / LA / SSR 方法的统一数学框架
Convex optimization problems inspired by geotechnical stability analysis
把岩土工程里求安全系数的三种经典方法——极限荷载（LL）、极限分析（LA）、强度折减（SSR）——统一抽象成同一个「凸优化 + 参数研究」数学框架，并发明了求安全系数的高级延拓技巧，让不懂弹塑性力学的数学家和工程师也能读懂、能用。
arXiv:2312.12170 · 2023年12月19日（v1） · Stanislav Sysala, Michal Béreš, Simona B
多保真深度算子网络（DeepONet）融合仿真与监测数据：隧道施工实时沉降预测
A multi-fidelity deep operator network (DeepONet) for fusing simulation and monitoring data: Application to real-time settlement prediction during tunnel construction
用两个子网络——「低频子网」学有限元仿真的物理规律、「高频子网」学仿真与实测之间的偏差——把仿真与监测两类数据无缝融合，在 TBM 隧道掘进中仅凭少量含噪监测点数据就能实时、准确、鲁棒地重建全场地面沉降。
arXiv:2310.00057 · 2023年9月29日（v1） · Chen Xu, Ba Trung Cao, Yong Yuan, Günthe
面向未知动态隧道环境的视觉自主无人机巡检框架
A vision-based autonomous UAV inspection framework for unknown tunnel construction sites with dynamic obstacles
无人机不靠先验地图、只靠机载 RGB-D 相机「边飞边建图」，用「高层定任务 → 中层找路径 → 底层躲障碍」三层规划，钻进在建隧道给掌子面做 3D 检测与欠挖测量。
arXiv:2301.08422 · 2023年1月20日（v1） · Zhefan Xu, Baihan Chen, Xiaoyang Zhan, Y
智能加速射频功放设计——基于智能采样与机器学习参数调优的射频功率放大器设计加速
Accelerating RF Power Amplifier Design via Intelligent Sampling and ML-Based Parameter Tuning
不再穷举 1500+ 个参数组合，用「最大最小拉丁超立方采样」只仿真约 35% 的关键点，再让 CatBoost 学会补全整个设计空间——仿真需求降 65%，精度 ±0.4 dBm，还按命中概率给参数组合排序。
arXiv:2507.11928 · 2025年7月16日（v1） · Abhishek Sriram, Neal Tuffy（机构未在素材中标注；致谢
SparseDPD：面向射频功率放大器线性化的稀疏神经网络数字预失真 FPGA 加速器
SparseDPD: A Sparse Neural Network-based Digital Predistortion FPGA Accelerator for RF Power Amplifier Linearization
把神经网络数字预失真剪枝到 74% 稀疏、仅 64 个参数，在 Xilinx Zynq-7Z010 FPGA 上以 170 MHz、241 mW 实时运行，ACPR/EVM/NMSE 分别达 -59.4/-54.0 dBc 与 -48.2 dB——神经网络 DPD 第一次「跑得动、跑得起」。
arXiv:2506.16591 · 2025年6月19日（v1） · Manno Versluis, Yizhuo Wu, Chang Gao（机构未
学习大规模 MIMO 波束赋形的节能硬件配置
Learning Energy-Efficient Hardware Configurations for Massive MIMO Beamforming
先给不同波束赋形结构建立精确的能量模型，再用两个无监督深度神经网络 E-HBF-Net / E-FDP-Net 直接学出「天线怎么选、射频链怎么连、预编码矩阵是什么」，在非理想信道信息下也能训练，能效全面超越传统方法。
arXiv:2308.06376 · 2023年8月11日（v1） · Hamed Hojatian, Zoubeir Mlika, Jérémy Na
利用智能超表面实现干扰零陷
Interference Nulling Using Reconfigurable Intelligent Surface
理论上证明：只要智能超表面（RIS）单元数足够多（略大于 2K(K−1)），就能把 K 对收发机之间的干扰全部打零、实现满 K 自由度；算法上用交替投影高效求出可行相位配置，并给出和速率 / 最小速率两种优化算法。
arXiv:2112.13261 · 2021年12月25日（v1） · Tao Jiang, Wei Yu（机构未在素材中标注）
面向毫米波 JSDM 的高效干扰感知约束大规模 MIMO 波束赋形
An Efficient Interference-Aware Constrained Massive MIMO Beamforming for mm-Wave JSDM
在 JSDM 两级波束赋形框架下，设计「感知干扰 + 满足恒模硬件约束」的模拟预波束赋形器：以广义特征波束赋形器（GEB）为起点，用交替最小化给出全连接/固定子阵/动态子阵三种约束近似，再用 LMMSE 数字波束清理残余干扰。
arXiv:2103.12151 · 2021年3月22日（v1） · Murat Bayraktar, Gokhan Muzaffer Guvense
推动 FDD 大规模 MIMO 波束成形的Type I 码本极限：一种信道协方差重建方法
Pushing The Limit of Type I Codebook For FDD Massive MIMO Beamforming: A Channel Covariance Reconstruction Approach
不换 Type II 码本、不多花一分反馈开销，只靠基站侧的「切割平面法」把量化反馈后的信道协方差矩阵重建得更准——让沿用多年的 Type I 码本也能逼近 Type II 码本的波束成形性能。
arXiv:2010.11840 · 2020年10月22日（v1） · Kai Li, Ying Li, Lei Cheng, Qingjiang Sh
智能超表面（RIS）辅助的无线定位
Reconfigurable Intelligent Surface Aided Wireless Localization
手机和基站之间的直线视线被大楼挡住时，传统定位精度会崩——本文在墙面上放一块「智能超表面（RIS）」，让它把信号反射给手机，再优化反射波束成形，把定位误差下界（CRB）压到最小，实现分米级甚至厘米级定位。
arXiv:2009.07459 · 2020年9月16日（v1） · Yiming Liu, Erwu Liu, Rui Wang（机构未在素材中标注
智能超表面（RIS）赋能的 MIMO 系统
Reconfigurable Intelligent Surface-Empowered MIMO Systems
用一块「智能超表面」改造两个经典 MIMO 方案：给 VBLAST 系统当「额外比特的搬运工」（调相位顺便传信息，频谱效率大涨），给 Alamouti 编码「减配」——发射端从两条射频链路缩到一条，还能保持分集增益并大幅改善误码率。
arXiv:2004.02238 · 2020年4月5日（v1） · Aymen Khaleel, Ertugrul Basar（机构未在素材中标注）
可重构智能表面（RIS）辅助的 NOMA（非正交多址）网络
Reconfigurable Intelligent Surface Aided NOMA Networks
设计 RIS 的无源波束赋形权重来服务「配对」的功率域 NOMA 用户：先给出新信道统计量的最坏/最好情形，再推导优先用户中断概率与遍历速率的闭式表达式，并分析分集阶数、高 SNR 斜率、频谱效率与能量效率——结论是 RIS 数量足够多时，基站-用户直连链路对分集阶数几乎没有影响。
arXiv:1912.10044 · 2019年12月20日（v1） · Tianwei Hou, Yuanwei Liu, Zhengyu Song,
面向高铁通信的低复杂度位置感知多用户大规模 MIMO 波束赋形
Low-complexity Location-aware Multi-user Massive MIMO Beamforming for High Speed Train Communications
高铁只能沿轨道跑、线路多高架（京沪高铁 86.5% 是高架）→ 位置可预测、信道以视距为主——于是不用估计信道协方差矩阵、不用特征分解，直接用列车位置算波束：先给最大化基站总服务能力的闭式解，再给消除波束间干扰的搜索式次优算法，复杂度大幅降低。
arXiv:1703.04870 · 2017年3月15日（v1） · Xuhong Chen, Pingyi Fan（机构未在素材中标注）
射频功率放大器行为模型中的参数自适应研究
Investigation of Parameter Adaptation in RF Power Amplifier Behavioral Models
功放会老化、温度会漂移，数字预失真器必须在线调参——但搭完整闭环反馈链路又贵又慢。本文用一个模拟实时闭环的开环测量台架，评估不同参数更新算法的收敛速度、对反馈量化噪声的敏感度与预失真性能，并提出一个对量化噪声更不敏感的新更新方案。
arXiv:1410.8127 · 2014年10月29日（v1） · Ali Soltani Tehrani, Jessica Chani, Thom
噪声域非正交多址接入（ND-NOMA）：利用人工噪声的均值与方差来承载信息
Noise-Domain Non-Orthogonal Multiple Access
别人的 NOMA 靠「功率大小」区分用户，这篇论文靠「噪声的均值、方差」区分用户——不抢功率、不用复杂的串行干扰消除，专为低功耗物联网设计。
arXiv:2410.04976 · 2024年10月7日（v1） · Erkin Yapici, Yusuf Islam Tek, Ertugrul
网格编码非正交多址接入：用 TCM 编码 + 网格张量积 + Viterbi 联合检测 + 最优功率分配
Trellis-Coded Non-Orthogonal Multiple Access
把通信里经典的「网格编码调制（TCM）」搬进功率域 NOMA：两个用户的信号叠加后，接收端用「两个网格的张量积 + Viterbi 算法」联合检测，再按「自由距离最大」定功率分配，高信噪比下显著优于不编码的 NOMA。
arXiv:1912.10074 · 2019年12月20日（v1） · Xun Zou, Mehdi Ganji, Hamid Jafarkhani（机
非正交多址的最优公平性：最大化最差用户可达速率的功率分配及其闭式解
Optimum Fairness for Non-Orthogonal Multiple Access
在 NOMA 系统里做功率分配，目标是让「速率最差的那个用户」尽量快——作者把这个问题转化为一个矩阵特征方程，用 Perron-Frobenius 特征值/特征向量直接写出闭式最优解，还给出收敛快一倍的迭代算法。
arXiv:1801.08294 · 2018年1月25日（v1） · Ting Qi, Wei Feng, Yunfei Chen, Youzheng
多天线辅助的非正交多址（NOMA）
Multiple Antenna Assisted Non-Orthogonal Multiple Access
从信息论角度论证 MIMO-NOMA 相对 MIMO-OMA 的速率域/容量增益，梳理波束赋形类与簇类两类主流多天线 NOMA 结构，并讨论单载波/多载波资源分配与实际实现约束，最后给出开放研究方向。
arXiv:1801.08170 · 2018年1月24日（v1） · Yuanwei Liu, Hong Xing, Cunhua Pan, Arum
缓存辅助的非正交多址（Cache-Aided NOMA）
Cache-Aided Non-Orthogonal Multiple Access
把「无线缓存」和「NOMA」做联合设计：即使缓存的视频没被用户点播，缓存数据也能作为边信息帮 NOMA 做（部分）干扰消除（CIC），联合优化解码顺序与功率/速率分配后，可达速率域显著扩大、视频交付时间大幅缩短。
arXiv:1712.09557 · 2017年12月27日（v1） · Lin Xiang, Derrick Wing Kwan Ng, Xiaohu
面向自由空间光（FSO）回传的非正交多址
Non-Orthogonal Multiple Access for FSO Backhauling
让两个基站同时、同频向中心单元（CU）的光电探测器发送信号，提出按 CSI 与 QoS 动态决定 SIC 解码顺序的 NOMA 方案，在 Gamma-Gamma 湍流信道下推导中断概率闭式表达式，显著优于 OMA 与既有 NOMA 方案。
arXiv:1710.05702 · 2017年9月30日（v1） · Marzieh Najafi, Vahid Jamali, Panagiotis
极化码非正交多址（PC-NOMA）：极化编码与 NOMA 传输的联合设计
Polar-Coded Non-Orthogonal Multiple Access
把极化码的「信道极化」思想用到 NOMA 上：通过「用户→信号→比特」三阶段信道变换，让不同可靠性的用户像比特信道一样「极化」，联合设计编码与多址，误块率明显优于 turbo 码 NOMA。
arXiv:1705.05976 · 2017年5月17日（v1） · Jincheng Dai（戴金晟）, Kai Niu（牛凯）, Zhongwei
论下行链路中的非正交多址（NOMA）
On Non-Orthogonal Multiple Access in Downlink
一篇立场鲜明的「反共识」短评：下行 NOMA 在非对称信道下确实有容量优势，但一旦与软频率复用（SFR）结合，就会牺牲远用户公平性、抬高终端成本并危害网络安全——所以 NOMA 不是 5G 下行的选项。
arXiv:1605.07684 · 2016年5月24日（v1） · Xuezhi Yang（杨学志）（机构未在素材中标注）
推测解码加速大模型推理：基于推测搜索（Speculative Search / SpecSearch）的大语言模型推理加速框架
Accelerating Large Language Model Reasoning via Speculative Search
让一个小模型替大模型「打草稿」生成推理思路、大模型负责把关——在保持推理质量的前提下，把树搜索式慢思考推理最高加速 2.12 倍。
arXiv:2505.02865 · 2025年5月3日（v1） · Zhihai Wang, Jie Wang, Jilai Pan, Xilin
计算机视觉联邦学习：联邦学习在计算机视觉中的应用综述（含技术分类体系、安全威胁与隐私保护方法）
Federated Learning for Computer Vision
数据不出本地也能训出好模型——这篇综述首次系统梳理联邦学习在计算机视觉各任务中的进展，给出技术分类、安全威胁与隐私保护方法全景图。
arXiv:2308.13558 · 2023年8月24日（v1） · Yassine Himeur, Iraklis Varlamis, Hamza
Token 通信：面向多模态大语言模型的令牌传输方案
Token Communication for Multimodal Large Language Model
把神经编解码器「塞进」视觉分词器，边压缩边给多模态大模型喂「原生的视觉 token」——在相同传输数据量下，任务性能优于传统「重建图像再喂模型」的方案。
arXiv:2608.07279 · 2026年8月7日（v1） · Jingkai Ying, Zhijin Qin, Yuan Shen, Kha
大语言模型推理失败分析（首份系统性综述）
Large Language Model Reasoning Failures
把散落在各处的「大模型推理翻车案例」收拢成第一份系统综述，用「推理类型 × 失败类型」两条轴分类，并为每种失败给出定义、已有研究、根因与缓解策略。
arXiv:2602.06176 · 2026年2月5日（v1） · Peiyang Song, Pengrui Han, Noah Goodman（
ChemMLLM：化学多模态大语言模型（分子的统一理解与生成）
ChemMLLM: Chemical Multimodal Large Language Model
第一个「能看懂也能画分子」的统一化学多模态大模型——文本、SMILES、分子图像三模态一把抓；在分子图像优化任务上比最强基线 GPT-4o 高出 116.75%（性质提升 4.27 vs 1.97）。
arXiv:2505.16326 · 2025年5月22日（v1） · Qian Tan, Dongzhan Zhou, Peng Xia, Wanha
多模态大语言模型能否进行类比推理？
Can Multimodal Large Language Model Think Analogically?
把多模态大模型当成「讲解员」和「答题者」两种角色来考——看它到底会不会人类式的类比推理。
arXiv:2411.01307 · 2024年11月2日（v1） · Diandian Guo, Cong Cao, Fangfang Yuan, D
强化学习（深度强化学习现状综述及其在天文学中的应用）
Reinforcement learning
一篇面向天文新手的强化学习「导航图」：从理论到算法再到实战，告诉你 AI 智能体怎么帮天文学家自动盯望远镜、排观测、处理数据。
arXiv:2405.10369 · 2024年5月16日（v1） · Sarod Yatawatta（机构未在素材中标注）
LaVy：越南语多模态大语言模型（含越南语视觉语言评测基准 LaVy-Bench）
LaVy: Vietnamese Multimodal Large Language Model
英语多模态模型一大堆，越南语却几乎没有——LaVy 补上这块拼图：既做出越南语多模态大模型，又建了评测基准 LaVy-Bench，模型和「考卷」一起发布。
arXiv:2404.07922 · 2024年4月11日（v1） · Chi Tran, Huong Le Thanh（机构未在素材中标注）
DeiT-LT：让知识蒸馏「卷土重来」——面向长尾数据集的 Vision Transformer 从零训练
DeiT-LT: Distillation Strikes Back for Vision Transformer Training on Long-Tailed Datasets
让 ViT 摆脱「必须大规模预训练」的枷锁：用 CNN 蒸馏 + 长尾重加权 + 双令牌「专家分工」，从零训练也能在长尾数据上达到 SOTA。
arXiv:2404.02900 · 2024年4月3日（v1） · Harsh Rangwani, Pradipto Mondal, Mayank
「跳启动」外科计算机视觉：自监督预训练的数据构成决定下游价值
Jumpstarting Surgical Computer Vision
把研究重心从「模型」转向「数据」——300+ 次受控实验证明：手术 AI 自监督预训练的价值，关键不在模型，而在「预训练数据怎么凑」。
arXiv:2312.05968 · 2023年12月10日（v1） · Deepak Alapatt, Aditya Murali, Vinkle Sr
RekomGNN：图神经网络推荐结果的可视化、情境化与评估
RekomGNN: Visualizing, Contextualizing and Evaluating Graph Neural Networks Recommendations
给 GNN 的推荐结果配一个「可视化体检室」：让机器学习专家逐条审视、标注推荐质量，从而改进模型。
arXiv:2310.11562 · 2023年10月17日（v1） · Camelia D. Brumar, Gabriel Appleby, Jen
多模态大语言模型用于视觉导航（面向视觉导航的多模态大语言模型）
Multimodal Large Language Model for Visual Navigation
别人把指令、观察、历史全写成超长提示词喂给大模型；这篇论文反其道而行——用「观察-动作对」直接微调大语言模型，输入简单文字+当前观察+历史，输出下一步动作的概率分布。
arXiv:2310.08669 · 2023年10月12日（v1） · Yao-Hung Hubert Tsai, Vansh Dhar, Jialu
亚语义图像分割：介于纹理分割与语义分割之间，用自由语言把图像划分成稳定的外观模式
Sub-Semantic Image Segmentation
把通用视觉语言模型（Qwen3-VL-8B）接到 SAM 3 上，让模型自动「看图说话 + 按话切图」，完成更细粒度的亚语义图像分割。
arXiv:2606.14754 · 2026年6月7日（v1） · Aviad Cohen Zada, Nadav Orenstein, Shai
生成式对话推荐系统（GCRS）：在单一自回归框架内统一「推荐」与「对话生成」
Generative Conversational Recommender System
物品用「语义 ID」表示、直接参与文本生成，模型先想清楚「回复意图 + 推荐哪个」再开口说话，端到端搞定对话推荐。
arXiv:2605.21987 · 2026年5月21日（v1） · Sixiao Zhang, Mingrui Liu, Cheng Long（机构
全模态指代图像分割（OmniRIS）：文本指令 + 参考图（掩码/框/涂鸦）联合指代的高度泛化图像分割
Omni-Referring Image Segmentation
把「文字指代」和「看图找相似」合二为一：文本 + 带掩码/框/涂鸦的参考图任意组合，一套模型通吃多种分割设定。
arXiv:2512.06862 · 2025年12月7日（v1） · Qiancheng Zheng, Yunhang Shen, Gen Luo,
TinyML 语音识别：在高度资源受限的 IoT 边缘设备上部署量化一维卷积神经网络模型
TinyML for Speech Recognition
先用板载麦克风采集 1 小时语音数据建新数据集，再借 Edge Impulse 平台训练量化 1D CNN，部署到只有 256 KB 内存的 Arduino Nano 33 BLE Sense 上，实现 23 个关键词、最高 97% 准确率的语音识别。
arXiv:2504.16213 · 2025年4月22日（v1） · Andrew Barovic, Armin Moin（机构未在素材中标注）
联邦对话式推荐系统（FedCRS）：对话中说的偏好不再上传服务器，本地差分隐私保护用户隐私
Federated Conversational Recommender System
对话式推荐系统（CRS）会在聊天中收集你的偏好——这些偏好能反推出财务状况、政治立场等敏感信息。本文首次为 CRS 定义隐私保护准则，并提出 FedCRS：偏好不上传、只传加噪梯度，用用户级本地差分隐私严格限制泄露。
arXiv:2503.00999 · 2025年3月2日（v1） · Allen Lin, Jianling Wang, Ziwei Zhu, Jam
贝叶斯多重分形图像分割：在小波领导者域中联合估计多重分形参数与像素标签，实现无监督的纹理图像分割
Bayesian Multifractal Image Segmentation
自然图像由多种纹理拼成，每种纹理有自己「多重分形」的粗糙程度。本文用 Fourier 域 Whittle 近似高效估计多重分形参数，用多尺度 Potts 马尔可夫随机场给标签建先验，再用吉布斯采样联合推断「参数 + 标签」，像素级无监督分割，性能超过深度学习方法。
arXiv:2501.08694 · 2025年1月15日（v1） · Kareth M. León-López, Abderrahim Halimi,
《知识图谱结构与知识图谱嵌入研究综述》
A Survey on Knowledge Graph Structure and Knowledge Graph Embeddings
第一篇系统梳理「知识图谱结构 ↔ 嵌入模型性能 ↔ 超参数偏好」三者关系的综述：结构既是偏差来源，也在一定程度上决定模型好坏，文中还给出了开放问题清单。
arXiv:2412.10092 · 2024年12月13日（v1） · Jeffrey Sardina, John D. Kelleher, Decla
《单调异常检测》
Monotonic anomaly detection
提出两种「不对称距离」（ramp 距离与 signed 距离），让异常检测只对属性偏高（或只对偏低）敏感；实验表明 ramp 距离在 246 个基准问题与真实数据上都明显优于传统绝对距离。
arXiv:2410.23158 · 2024年10月30日（v1） · Oliver Urs Lenz, Matthijs van Leeuwen（机构
《德国旅游知识图谱》
German Tourism Knowledge Graph
德国国家旅游局委托构建的行业知识图谱：整合德国 16 个联邦州的旅游数据，基于 schema.org、RDF(S)、SPARQL、SHACL 与 RML 等标准技术，每日更新，并通过 GUI 与 API 公开开放。
arXiv:2404.09587 · 2024年4月15日（v1） · Umutcan Serles, Elias Kärle, Richard Hun
共形群组推荐系统（CGRS）：把共形预测引入群组推荐，让每次推荐都附带置信度与错误上界
Conformal Group Recommender System
传统群组推荐是「黑盒」——只告诉一群人推荐什么，不告诉有多靠谱；这篇论文用共形预测给推荐集附上「置信度 (1−ε)」，系统说 80% 置信度，犯错概率就至多 20%。
arXiv:2307.12034 · 2023年7月22日（v1） · Venkateswara Rao Kagita, Anshuman Singh,
多模态大语言模型综述：以 GPT-4V 为代表的 MLLM 之基础配方、扩展方向、幻觉问题与三大关键技术
A Survey on Multimodal Large Language Models
LLM 会「读」不会「看」，视觉模型会「看」不会「想」——两者融合出的多模态大语言模型（MLLM）以 GPT-4V 为代表，能看图写故事、免 OCR 做数学推理；本文是第一篇系统梳理 MLLM 的综述，并配套持续更新的 GitHub 论文库。
arXiv:2306.13549 · 2023年6月23日（v1） · Shukang Yin, Chaoyou Fu, Sirui Zhao, Ke
大型二冲程船用柴油机共轨润滑系统的气缸注油率（喷射速率）研究
Injection rate of cylinder lubrication oil in large two-stroke marine diesel engines using a common rail lubrication system
用燃油喷射领域的「博世注油速率测量法」实测电控共轨气缸注油器：开启后约 1 ms 建立质量流量、直至喷嘴空化壅塞；对高黏度气缸油，2 mg–21 mg 注油量范围内预测误差 ≤5%，为「按需注油」铺路。
arXiv:2307.03408 · 2023年7月7日（v1） · Bjørn Christian Dueholm, Jesper de Clavi
船用柴油机数据驱动故障诊断技术综述
A Survey on Data-Driven Fault Diagnostic Techniques for Marine Diesel Engines
系统梳理船用柴油机各子系统（燃油、冷却、润滑等）的常见故障与近年数据驱动诊断方法，并指出当前最大短板——多数方法只在「特定故障」上验证，缺少覆盖整个子系统的综合数据集。
arXiv:2404.10363 · 2024年4月16日（v1） · Ayah Youssef, Hassan Noura, Abderrahim E
低延迟、独立运行、计算高效的船舶主机时序数据预测
Low Latency Stand Alone Compute-Efficient Forecasting of Marine Engine Time Series Data
把船舶主机的运行参数看成「漂移 + 扩散」的随机过程，用自适应窗口多粒子系统做状态空间预测——不依赖大模型、不用云端，在船上就能以 1 Hz+ 频率实时给出风险量化。
arXiv:2605.26123 · 2026年5月14日（v1） · Y. Harsha Vardhana Reddy, Soumyendu Raha
从船舶轨迹到安全关键会遇场景：面向自主船舶数字测试的生成式 AI 框架
From Vessel Trajectories to Safety-Critical Encounter Scenarios: A Generative AI Framework for Autonomous Ship Digital Testing
用 AIS 海量轨迹数据训练一个「海事感知」变分自编码器 GAVAE 生成逼真单船轨迹，再自动配对成交叉、对遇、追越等安全关键会遇场景，为自主船舶（MASS）数字测试建场景库。
arXiv:2603.28067 · 2026年3月30日（v1） · Sijin Sun, Liangbin Zhao, Xiuju Fu（机构未在素
海事领域船舶燃油消耗的估算与优化：综述、挑战与未来方向
Estimation and Optimization of Ship Fuel Consumption in Maritime: Review, Challenges and Future Directions
系统综述船舶燃油消耗（FOC）的估算与优化方法——按物理模型 / 机器学习 / 混合模型三大类梳理，首次把数据融合与可解释 AI（XAI）纳入 FOC 视角，并指出数据标准化、实时优化等关键缺口。
arXiv:2602.21959 · 2026年2月25日（v1） · Dusica Marijan, Hamza Haruna Mohammed, B
FuelCast：船舶燃油消耗的表格模型与时间序列模型基准评测
FuelCast: Benchmarking Tabular and Temporal Models for Ship Fuel Consumption
发布了一个包含三艘船运行与环境数据的燃油消耗公开数据集（FuelCast），建立「表格回归 + 时间序列回归」双任务标准基准，并首次把 TabPFN 基础模型的上下文学习（in-context learning）用于船舶油耗建模——小数据也能出好效果。
arXiv:2510.08217 · 2025年10月9日（v1） · Justus Viga, Penelope Mueck, Alexander L
船舶燃油消耗建模中的数据融合与机器学习——以散货船为例
Data Fusion and Machine Learning for Ship Fuel Consumption Modelling -- A Case of Bulk Carrier Vessel
用一艘散货船一整年（2021-11-16 至 2022-11-21）的 296 份航次报告，融合 CMEMS（19 个参数）与 ECMWF（61 个参数）两类外部气象海洋大数据，验证「外部数据融合能否提升油耗建模精度」——结果：能，但真正起作用的只有一小撮特征，主机转速（RPM）是最强预测因子；基线模型 76% 提升到先进模型 90%。
arXiv:2509.11750 · 2025年9月15日（v1） · Abdella Mohamed, Xiangyu Hu, Christian H
自主船舶混合可再生能源调度的数据驱动演化博弈模型预测控制
Data-Driven Evolutionary Game-Based Model Predictive Control for Hybrid Renewable Energy Dispatch in Autonomous Ships
为自主船舶（离岸养殖平台）的「光伏+风电+电池+柴油备用」混合能源系统设计 EG-MPC 调度框架：把演化博弈动力学装进滚动时域优化里，用真实数据训练的线性模型预测光伏出力与负荷，实时给出近最优的能源分配——比规则策略和标准 MPC 更省钱、更抗不确定性。
arXiv:2504.14750 · 2025年4月20日（v1） · Yaoze Liu, Zhen Tian, Jinming Yang, Zhih
面向内河自主船舶的意图共识异步分布式避碰
Asynchronous Distributed Collision Avoidance with Intention Consensus for Inland Autonomous Ships
让内河自主船在「同步 / 异步通信」两种条件下都能互相协商避碰意图——同步方案有 ADMM 理论保证收敛，异步方案应对通信延迟，仿真 + 实船试验双验证。
arXiv:2501.15899 · 2025年1月27日（v1） · Hoang Anh Tran, Nikolai Lauvås, Tor Arne
自主航运强化学习算法的鲁棒性评估
Evaluating Robustness of Reinforcement Learning Algorithms for Autonomous Shipping
在自主航运模拟器里「折腾」基准强化学习算法——改变船舶质量和转向率等条件，发现无模型方法 SAC 比基于模型的 MuZero 对环境扰动更稳，且训练更快，向三级自主迈进了一步。
arXiv:2411.04915 · 2024年11月7日（v1） · Bavo Lesy, Ali Anwar, Siegfried Mercelis
基于参考音的螺旋桨调制均衡
Propeller Modulation Equalization via Reference Tones
无人机螺旋桨会把射频信号「搅乱」（螺旋桨调制/微多普勒），论文用一根与被测信号特性匹配的连续参考音把多普勒扩展「测出来再均衡掉」，让 ILS 等导航台的巡检数据更准。
arXiv:2407.19084 · 2024年7月26日（v1） · Mostafa Ibrahim, Sabit Ekin
GPU 加速的基于优化碰撞避免（碰撞规避）
GPU-Accelerated Optimization-Based Collision Avoidance
把「机器人与障碍物都看成有限个凸多面体」的避碰问题，用缩放检测+强对偶拆成多个低维二次规划（QP），再交给 GPU 并行求解——高精度避碰在嵌入式平台上也能实时跑。
arXiv:2406.07048 · 2024年6月11日（v1） · Zeming Wu, Zhuping Wang, Hao Zhang（机构未在素
轮机工程中基于仿真的设计优化范围综述：趋势、最佳实践与空白
A Scoping Review on Simulation-based Design Optimization in Marine Engineering: Trends, Best Practices, and Gaps
系统梳理了 Scopus 与 Web of Science 上 277 篇「仿真+优化」做船舶设计的文献，发现大家仍偏爱确定性单目标优化——多目标与随机优化是未来最大的机会点。
arXiv:2404.18654 · 2024年4月29日（v1） · Andrea Serani, Thomas Scholcz, Valentina
面向内河航道自主船舶的分布式 MPC 协同避碰
Distributed MPC for autonomous ships on inland waterways with collaborative collision avoidance
两层协同避碰框架：第一层「交通评估与优先级确定协议」把内河交通规则翻译成各船的决策顺序，第二层用 ADMM 分布式 MPC 负责具体避碰——换规则不用改算法，仿真验证既能守规、必要时也能安全破规提效。
arXiv:2403.00554 · 2024年3月1日（v1） · Hoang Anh Tran, Tor Arne Johansen, Rudy
带避碰约束的协同周期覆盖（多移动体持续覆盖兴趣点）
Cooperative Periodic Coverage With Collision Avoidance
把 NP-hard 的「周期持续覆盖」拆成三块：个体闭环路径规划 → 二次约束线性规划（QCLP）求最优覆盖时间与动作 → 混合整数线性规划（MILP）排「无碰撞」团队周期时刻表；最后用带可移动感应线圈的电磁炉真实原型验证。
arXiv:2401.13622 · 2024年1月24日（v1） · José Manuel Palacios-Gasós, Eduardo Mont
面向自主船舶的未来海上交通管理系统展望
An Outlook on the Future Marine Traffic Management System for Autonomous Ships
为「自主船 + 有人船同海航行」的未来设计新的船舶交通系统（VTS）：三层架构——AI 检测控制层 + 编排通信平台层 + 整体制导-导航-控制（GNC）框架层，并用「船舶数字孪生 + 缩比模型船」的虚实结合场景来测试验证。
arXiv:2207.04140 · 2022年7月8日（v1） · Michele Martelli, Antonio Virdis, Albert
基于智能视觉的垂直起降（VTOL）无人机自主舰载降落
Intelligent Vision-based Autonomous Ship Landing of VTOL UAVs
不靠 GPS，只用一台机载相机：机器学习检测远距离舰船、经典视觉识别「地平线参考条」估计位姿、非线性控制器完成垂直降落——在模拟 6 自由度船体运动的移动甲板上成功完成 100+ 次降落试验。
arXiv:2202.13005 · 2022年2月25日（v1） · Bochan Lee, Vishnu Saj, Moble Benedict,
基于球谐函数的碰撞规避
Collision Avoidance Using Spherical Harmonics
不逐个近似障碍物，而是用球谐函数估计智能体周围「无碰撞空间」（星凸形状），再在其内部用优化方法求最优轨迹——比椭球/包围盒近似的方法保守性更低，能在狭窄通道中实时生成可行轨迹。
arXiv:2107.07117 · 2021年7月15日（v1） · Steven Patrick, Efstathios Bakolas（机构未在素
基于强化学习的飞行中桨叶失效检测与缺桨四旋翼控制
Mid-flight Propeller Failure Detection and Control of Propeller-deficient Quadcopter using Reinforcement Learning
用强化学习训练 4 桨、3 桨、2 桨（对置）三种四旋翼控制器，再配一个神经网络故障检测器在飞行中识别桨叶丢失并自动切换到对应控制器——模拟中 2.5 秒内完成检测，缺桨状态下航点跟踪依然稳定，无人机不会坠毁。
arXiv:2002.11564 · 2020年2月26日（v1） · Rohitkumar Arasanipalai, Aakriti Agrawal
V2X 通信网络中的碰撞避免——让车辆「边发消息、边听信道」的全双工能量检测方案
Collision Avoidance in V2X Communication Networks
让 V2X 网络里的车「一边发消息一边听信道」——用全双工能量检测实时发现碰撞、立刻退避，比固定门限策略碰撞时长更短，而且对自干扰消除能力的要求不高。
arXiv:1909.03919 · 2019年9月9日（v1） · Junwei Zang, Vahid Towhidlou, Mohammad S
人群碰撞避免的快速仿真——ORCA 行人避碰模型的 GPU 加速实现
Fast Simulation of Crowd Collision Avoidance
把行人避碰模型 ORCA 搬到 GPU 上：靠专用线性规划求解器 + 网格空间划分，实现最高 30 倍加速，10 万人实时仿真（60 帧/秒）。
arXiv:1908.10107 · 2019年8月27日（v1） · John Charlton, Luis Rene Montana Gonzale
基于优化的碰撞避免——用凸优化强对偶性把不可微避碰约束改写成光滑约束
Optimization-Based Collision Avoidance
用凸优化的强对偶性，把「不可微」的避碰约束精确改写成光滑非线性约束——不近似、不保守，还能算「侵入深度」找最小侵入轨迹；四旋翼导航与自动泊车都能实时求解。
arXiv:1711.03449 · 2017年11月9日（v1） · Xiaojing Zhang, Alexander Liniger, Franc
Arm Robot：面向直观机械臂操控的AR 增强具身控制与可视化（中文短名：AR增强机械臂具身控制）
Arm Robot: AR-Enhanced Embodied Control and Visualization for Intuitive Robot Arm Manipulation
把「身体动作 → 机械臂动作」的映射做成可调节的（Freeze 冻结 / Scale 缩放 / Mirror 镜像），再用 AR 可视化实时反馈人机差异，让非技术用户也能直觉地操控机械臂。
arXiv:2411.13851 · 2024年11月21日（v1） · Siyou Pei, Alexander Chen, Ronak Kaoshik
约束与奖励并重的机器人学习：不只奖励，还有约束——腿足机器人运动控制中的应用（中文短名：约束与奖励并重的机器人学习）
Not Only Rewards But Also Constraints: Applications on Legged Robot Locomotion
与其把十几个奖励项反复调权重，不如把「必须满足的硬性条件」写成约束——只调一个奖励系数，就能训练出在复杂地形上稳健行走的腿足机器人控制器。
arXiv:2308.12517 · 2023年8月24日（v1） · Yunho Kim, Hyunsik Oh, Jeonghyun Lee, Ji
AR 脑机接口：面向通用机械臂操控的增强现实脑-机器人接口（中文短名：AR 脑机接口通用机器人）
An Augmented Reality Brain-Robot Interface for Generalist Robot Arm Manipulation
眼睛「看」选目标、意念「想」选动作，AR 眼镜叠加提示、脑电信号下指令——让通用机械臂帮人完成喝水、开抽屉、操作烤箱等多步日常生活任务。
arXiv:2606.16413 · 2026年6月15日（v1） · Shangkai Zhang, Rousslan Fernand Julien
四足机器人滑板攀爬：基于反向课程学习的滑板登板（中文短名：四足机器人滑板攀爬）
Quadrupedal Robot Skateboard Mounting via Reverse Curriculum Learning
别人教四足机器人「怎么在滑板上骑」，这篇教它「怎么自己爬上滑板」——从「站在板上别摔」倒着练起，逐步把起点挪远、让滑板动起来，最终学会自主登板。
arXiv:2505.06561 · 2025年5月10日（v1） · Danil Belov, Artem Erkhov, Elizaveta Pes
GenTe：面向通用腿足机器人运动控制的生成式真实地形（中文短名：GenTe 生成真实地形）
GenTe: Generative Real-world Terrains for General Legged Robot Locomotion Control
让大模型按文字或图片「造」出仿真地形——沙子会下陷、水面有阻力——双足机器人先在 100 种 AI 生成的地形上练好腿，再去闯真实世界。
arXiv:2504.09997 · 2025年4月14日（v1） · Hanwen Wan, Mengkang Li, Donghao Wu, Yeb
带可重构被动关节的欠驱动灵巧机器人抓取（中文短名：欠驱动可重构抓取）
Underactuated dexterous robotic grasping with reconfigurable passive joints
给欠驱动夹爪装一种「平时不驱动、靠腱绳一拉就锁死」的可重构被动关节（RP-joint）——抓取前关节自由贴合物体、抓取时锁定发力，在 42 个宜家物品和 YCB 物体上做了 370+ 次真实抓取实验。
arXiv:2501.16006 · 2025年1月27日（v1） · Marek Kopicki, Sainul Islam Ansary, Simo
面向窄管道检测的四足机器人运动学习（中文短名：四足机器人窄管巡检）
Learning Quadrupedal Robot Locomotion for Narrow Pipe Inspection
让四足机器人像巡逻犬一样钻进狭窄管道巡检：定义一种新的「特权视觉信息」（双向扫描点）和一套适合窄管的奖励函数，用强化学习训练策略，仿真与真实环境都能带着意外障碍完成穿越。
arXiv:2412.13621 · 2024年12月18日（v1） · Jing Guo, Ziwei Wang, Weibang Bai（机构未在素材
UniGraspTransformer：面向可扩展灵巧机器人抓取的简化策略蒸馏（中文短名：统一灵巧抓取模型）
UniGraspTransformer: Simplified Policy Distillation for Scalable Dexterous Robotic Grasping
先给每个物体单独训练一个「专用抓取策略」，再用几百万条成功抓取轨迹离线蒸馏出一个通用 Transformer 大网络——一个模型抓起上千种物体，在视觉设定下比 SOTA（UniDexGrasp++）成功率分别高 3.5%、7.7%、10.1%。
arXiv:2412.02699 · 2024年12月3日（v1） · Wenbo Wang, Fangyun Wei, Lei Zhou, Xi Ch
四足机器人稳健爬梯
Robust Ladder Climbing with a Quadrupedal Robot
给四足机器人装上特制「钩爪脚」，再用强化学习「教师-学生」训练出爬梯策略——真机零样本迁移成功率 90%，攀爬速度比此前最好的方法快 232 倍。
arXiv:2409.17731 · 2024年9月26日（v1） · Dylan Vogel, Robert Baines, Joseph Churc
逆强化学习与 TD-MPC 的机械臂操控
Robotic Arm Manipulation with Inverse Reinforcement Learning & TD-MPC
让机器人「看人类演示视频」自己推断出任务目标（代价函数），再用视觉模型预测控制（TD-MPC）规划动作——在 Franka Panda 机械臂上完成基础物体操控。
arXiv:2407.12941 · 2024年7月17日（v1） · Md Shoyib Hassan, Sabir Md Sanaullah（机构未
在四足机器人上学习敏捷双足运动
Learning Agile Bipedal Motions on a Quadrupedal Robot
让便宜轻量的四足机器人（小米 CyberDog2）像人一样只用两条后腿站立、打拳、跳舞——低层用强化学习练平衡，高层用动作生成器把视频/语言指令变成动作轨迹。
arXiv:2311.05818 · 2023年11月10日（v1） · Yunfei Li, Jinhan Li, Wei Fu, Yi Wu（清华大学
四足机器人全身操控：面向大件重物的整机操作学习（中文短名：四足机器人全身操控）
Learning Whole-body Manipulation for Quadrupedal Robot
让四足机器人不抓手、不建模物体，用整个身体去推、顶、扛大件重物——先在仿真里学会（成功率 93.6 %），再零微调直接部署真机，推动 19.2 kg 水桶（机器人自重仅 27 kg）。
arXiv:2308.16820 · 2023年8月31日（v1） · Seunghun Jeon, Moonkyu Jung, Suyoung Cho
具有几何可解释神经感知的视觉伺服
Visual Servoing with Geometrically Interpretable Neural Perception
用神经网络直接从单目图像输出「几何可解释」的视觉特征，替掉传统视觉伺服里的图像处理模块——感知和控制解耦，换控制器也不用换感知。
arXiv:2210.10549 · 2022年10月19日（v1） · Antonio Paolillo, Mirko Nava, Dario Piga
ContactNet：面向非周期足式机器人运动的在线多接触规划
ContactNet: Online Multi-Contact Planning for Acyclic Legged Robot Locomotion
用神经网络给四足机器人当「选脚大脑」：毫秒级给所有候选落脚点打分排序，在碎石、空洞地形上自动生成非周期步态，还能和轨迹优化器并行跑（MPC 模式）。
arXiv:2209.15566 · 2022年9月30日（v1） · Angelo Bratta, Avadesh Meduri, Michele F
果园环境下的视觉伺服
Visual Servoing in Orchard Settings
让机械臂上的摄像头在果园里「追着苹果看」：用鲁棒的特征跟踪算法做视觉伺服，大风、光照变化、遮挡都不怕，为自动摘果、检查病害铺路。
arXiv:2208.11538 · 2022年8月24日（v1） · Nicolai Häni, Volkan Isler（机构未在素材中标注）
自适应 CLF-MPC 及其在四足机器人上的应用（中文短名：CLF-MPC四足机器人自适应）
Adaptive CLF-MPC With Application To Quadrupedal Robots
把自适应控制里推导出的李雅普诺夫稳定条件作为不等式约束加进 MPC 最优控制问题，让四足机器人在没建模的重物（10.86 kg 负载、21 kg 箱子）面前既保持最优规划、又拿到稳定性保证。
arXiv:2112.04536 · 2021年12月8日（v1） · Maria Vittoria Minniti, Ruben Grandia, F
面向移动机器人路径规划的优化信息 RRT（中文短名：优化信息RRT路径规划）
Optimised Informed RRTs for Mobile Robot Path Planning
把「信息引导采样 + 路径优化」这对加速 RRT* 的招数用在基础 RRT 上，得到优化信息 RRT 算法族——结果在规划时间受限时，基于 RRT 的版本全面胜过基于 RRT* 的版本。
arXiv:2108.08051 · 2021年8月18日（v1） · Bongani B. Maseko, Corné E. van Daalen,
FlowControl：基于光流的视觉伺服（中文短名：光流视觉伺服操控）
FlowControl: Optical Flow Based Visual Servoing
机器人编程的新思路：看一段示范视频就会干活——用学习到的光流把实时画面和示范帧对齐，靠视觉伺服跟踪整条示范轨迹，不需要 3D 模型、不需要 CAD、不需要大规模预训练。
arXiv:2007.00291 · 2020年7月1日（v1） · Max Argus, Lukas Hermann, Jon Long, Thom
基于学生混合模型（SMM）的视觉伺服——不用几何特征，直接用整幅图像的光度数据（中文短名：学生混合模型视觉伺服）
Student Mixture Model Based Visual Servoing
把整幅图像用「学生混合模型（SMM）」表示成概率密度函数，相机直接朝「当前图像与期望图像分布最接近」的位置运动，绕开特征提取与跟踪这条最脆弱的链路。
arXiv:2006.11347 · 2020年6月19日（v1） · Mithun. P, Shaunak A. Mehta, Suril V. Sh
神经形态手眼视觉伺服——用事件相机实现「探索—到达—抓取」的机械臂操作（中文短名：神经形态手眼视觉伺服）
Neuromorphic Eye-in-Hand Visual Servoing
给机械臂末端装上「仿视网膜」的事件相机，只用亮度变化事件（不用整帧图像）就能找角点、跟踪目标、完成 100% 成功率的抓取。
arXiv:2004.07398 · 2020年4月15日（v1） · Rajkumar Muthusamy, Abdulla Ayyad, Moham
基于深度神经网络的视觉伺服——用单张真实图像微调 CNN，实现 6 自由度亚毫米级定位（中文短名：深度神经网络视觉伺服）
Visual Servoing from Deep Neural Networks
用「预训练 CNN + 单张场景图快速生成合成数据集 + 微调」，让网络直接估计两幅图像间的相对位姿，再交给基于位置的伺服控制器，定位误差小于 1 毫米。
arXiv:1705.08940 · 2017年5月24日（v1） · Quentin Bateux, Eric Marchand, Jürgen Le
CktGen：基于生成式人工智能（Generative AI）的模拟电路自动设计
CktGen: Automated Analog Circuit Design with Generative Artificial Intelligence
把「给定性能规格 → 生成能用的模拟电路」重新定义成生成任务：用一个变分自编码器把「规格」和「电路」映射进同一个潜空间，让一个规格可以对应多个合法电路，并能在不重新训练的情况下搜索满足新需求的电路。
arXiv:2410.00995 · 2024年10月1日（v1） · Yuxuan Hou, Hehe Fan, Jianrong Zhang, Yu
随机舍入：算法与硬件加速器
Stochastic Rounding: Algorithms and Hardware Accelerator
给神经形态芯片 SpiNNaker2 设计一个硬件加速器，用「随机舍入 + 饱和」代替软件模拟，让定点数运算更快、数值误差更小——随机舍入正在机器学习里越来越流行。
arXiv:2001.01501 · 2020年1月6日（v1） · Mantas Mikaitis（机构未在素材中标注）
模式引导的 FPGA 加速器设计空间探索
Pattern-Guided Design Space Exploration for FPGA Accelerator Design
把数值内核的「计算模式」（逐元素、归约、矩阵乘、模板更新）当作向导，把 HLS 的调度搜索从 140 个候选剪枝到 29 个，还能找回与穷举基线相同的最优延迟——用结构知识给昂贵的综合工具当「前置过滤器」。
arXiv:2607.15068 · 2026年7月16日（v1） · Jialiang Zhang, Weiman Yan, Yuelin Zou（机
迈向自主加速器设计：基于 SECDA 的 FPGA 加速器生成
Towards Autonomous Accelerator Design: FPGA Accelerator Generation with SECDA
让大语言模型当「架构师」：在 SECDA 软硬件协同设计生态里，用 RAG + 思维链 + 反馈回路自动探索加速器配置，并在 Zynq-7000 FPGA 真机上端到端跑通向量乘法、2D 卷积、矩阵转置三个加速器——实测时延 154 ms / 163 ms / 238 ms。
arXiv:2606.11117 · 2026年6月9日（v1） · Vinamra Sharma, Xingjian Fu, Jude Haris,
硬件木马检测的可解释性方法：系统比较
Explainability Methods for Hardware Trojan Detection: A Systematic Comparison
在 Trust-Hub 基准上系统比较三类可解释性——领域感知属性分析（31 个电路特征）、基于案例的推理（kNN）、模型无关特征归因（LIME/SHAP/梯度）——回答硬件安全工程师真正需要什么样的解释，并顺手把检测精度比 SVM 基线提升 4.25×。
arXiv:2601.18696 · 2026年1月26日（v1） · Paul Whitten, Francis Wolff, Chris Papac
AI 驱动的敏捷模拟电路设计与优化
AI-Powered Agile Analog Circuit Design and Optimization
两条 AI 辅助模拟设计路线——电路级：用多目标贝叶斯优化（MOBO）自动调晶体管尺寸；系统级：把模拟滤波器的传递函数嵌入神经网络训练循环，与关键词唤醒（KWS）分类器联合优化。
arXiv:2505.03750 · 2025年4月17日（v1） · Jinhai Hu, Wang Ling Goh, Yuan Gao（机构未在素
面向点云的高效 FPGA 加速器
An Efficient FPGA Accelerator for Point Cloud
针对子流形稀疏卷积网络（SSCN）「极端稀疏 + 复杂匹配」两大难点，提出去零策略、紧凑编码方案、稀疏数据匹配单元（SDMU）与计算核（CC）四位一体的 FPGA 加速器 ESCA，在 Xilinx ZCU102 上实现，性能比 GPU 提升约 1.88 倍、能效提升 51 倍。
arXiv:2210.07803 · 2022年10月14日（v1） · Zilun Wang, Wendong Mao, Peixiang Yang,
非易失存内计算（PiM）的错误校正研究
On Error Correction for Nonvolatile Processing-In-Memory
存内计算（PiM）继承存储器的错误，还会产生「计算引入的错误」——本文重访非易失 PiM 的纠错设计空间，同时考虑两类错误，提出基于汉明码的 ECiM 与基于三模冗余的 TRiM，在三种代表性非易失存储技术上都保证单比特纠错。
arXiv:2207.13261 · 2022年7月27日（v1） · Hüsrev Cılasun, Salonik Resch, Zamshed I
基于图神经网络（GNN）的硬件木马检测
Hardware Trojan Detection using Graph Neural Networks
不需要「黄金参考电路」，把 RTL 和门级网表都画成数据流图（DFG），用图神经网络学电路行为，97% 召回率、21.1ms 就能揪出没见过的硬件木马。
arXiv:2204.11431 · 2022年4月25日（v1） · Rozhin Yasaei, Luke Chen, Shih-Yuan Yu,
基于图学习的节点级硬件木马检测
Node-wise Hardware Trojan Detection Based on Graph Learning
把门级网表当成「节点=门、边=连线」的图，逐节点判断哪个门是木马——不用手工设计特征，检测准确率高达 0.998，还讲清楚了 GNN 到底学到了什么特征。
arXiv:2112.02213 · 2021年12月4日（v1） · Kento Hasegawa, Kazuki Yamashita, Seira
MultPIM：面向存内计算（PIM）的快速有状态乘法
MultPIM: Fast Stateful Multiplication for Processing-in-Memory
让「存数据的忆阻器阵列」顺便把乘法也算完——用进位保存加移位（CSAS）把乘法时间复杂度从 O(N²) 降到 O(N log N)，32 位乘法比当时最先进的 RIME 再快 4.2 倍。
arXiv:2108.13378 · 2021年8月30日（v1） · Orian Leitersdorf, Ronny Ronen, Shahar K
存内计算（Processing in Memory）现代入门指南
A Modern Primer on Processing in Memory
这篇「现代入门指南」系统梳理了存内计算（PIM）：把计算搬进/搬到数据所在的存储器里，消灭「搬数据」的巨大开销；并对比两条技术路线——用存储器计算（PUM）与近存储器计算（PNM），指出最大的采用障碍是「从处理器中心到内存中心」的思维范式转变。
arXiv:2012.03112 · 2020年12月5日（v1） · Onur Mutlu, Saugata Ghose, Juan Gómez-Lu
基于 Dyna 风格强化学习的模拟电路设计
Analog Circuit Design with Dyna-Style Reinforcement Learning
模拟电路设计靠工程师手工调参、仿真验证，慢且贵。本文提出 DynaOpt：用神经网络奖励模型替代昂贵的电路仿真、用随机策略生成器探索多样化可行解空间，两件套拼成 Dyna 式优化框架——在两级运算放大器基准上，只用 500 次仿真就超过了无模型方法用 20,000 次仿真才能达到的性能。
arXiv:2011.07665 · 2020年11月16日（v1） · Wook Lee, Frans A. Oliehoek（机构未在素材中标注）
同态量子纠错：云量子计算中加密与纠错的兼容性判据
Homomorphic Quantum Error Correction
回答了「加密后的量子数据还能不能直接做纠错」——给出稳定子码在块 Pauli 掩码下保持码空间的充要条件。
arXiv:2605.25692 · 2026年5月25日（v1） · Kornikar Sen, Miguel A. Martin-Delgado（机
改进的近似计算模板：基于参数化乘积共享的近似逻辑综合
An Improved Template for Approximate Computing
把 XPAT 的「朴素乘积和模板」升级为「参数化乘积共享模板」——模板参数与综合后面积强相关，相同误差下找到更小的加法器、乘法器电路。
arXiv:2509.06162 · 2025年9月7日（v1） · Morteza Rezaalipour, Francesco Costa, Ma
基于深度学习的 SRAM 设计布局前寄生电容预测
Deep-Learning-Based Pre-Layout Parasitic Capacitance Prediction on SRAM Designs
版图还没画，先用「GNN 分类器 + MLP 回归器」两阶段模型把 SRAM 的寄生电容预测出来——误差最多降 19 倍，仿真提速最高 598 倍。
arXiv:2507.06549 · 2025年7月9日（v1） · Shan Shen, Dingcheng Yang, Yuyang Xie, C
TransAxx：面向高效 Transformer 的近似计算
TransAxx: Efficient Transformers with Approximate Computing
Vision Transformer（ViT）很准但算力需求巨大，低功耗设备跑不动。本文提出 TransAxx：一个基于 PyTorch 的近似乘法器仿真框架，配合蒙特卡洛树搜索（MCTS）自动为每一层挑选最优近似配置并做近似感知微调，在 ImageNet 上实现了精度与功耗的大幅权衡收益。
arXiv:2402.07545 · 2024年2月12日（v1） · Dimitrios Danopoulos, Georgios Zervakis,
基于磁电FET的 SRAM 设计实现常关原位计算
Enabling Normally-off In-Situ Computing with a Magneto-Electric FET-based SRAM Design
物联网边缘设备待机漏电耗电快，但 SRAM 一断电数据就没了。本文首次提出基于磁电FET（MEFET）的非易失 SRAM「ME-SRAM」：空闲时快速备份后断电（常关），需要时恢复；还把布尔运算直接做进存储阵列（存内计算），跑二值卷积神经网络时能耗平均降低 5.3 倍。
arXiv:2312.05212 · 2023年12月8日（v1） · Deniz Najafi, Mehrdad Morsali, Ranyang Z
常数局部性下的分布式近似计算
Distributed Approximate Computing with Constant Locality
分布式系统里多个节点各自压缩数据、共同算一个函数，解码端还要「只读常数个压缩比特就能近似还原」。本文用分层编码（典型性编码 + 扩展图码）给出可达码率区域，并证明在源分布正则条件下最优——而且该区域通常严格小于无局部性约束的经典问题：想要更低的解码复杂度，就得付出更高的码率。
arXiv:2312.04141 · 2023年12月7日（v1） · Deheng Yuan, Tao Guo, Zhongyi Huang, Shi
非线性量子纠错（NLQEC：Nonlinear Quantum Error Correction）
Nonlinear quantum error correction
标准量子纠错要求编码态是码字的「任意线性组合」，但真实量子协议运行时只「路过」希尔伯特空间的一小部分状态——本文只针对这个状态子类（字母表态）设计纠错，得到更宽松的判据，并绕开了「高斯态无法有效纠错」的经典 no-go 定理。
arXiv:2112.01858 · 2021年12月3日（v1） · Maximilian Reichert, Louis W. Tessler, M
超表面可编程无线片上网络
Metasurface-Programmable Wireless Network-on-Chip
芯片内无线通信一直卡在「两难」里：信号要么太弱，要么反射太强导致码间干扰。本文把可编程超表面（RIS）装进芯片封装，让电磁环境「可编程」——把信道冲激响应整形为脉冲状，既保住信号强度，又把调制速度翻倍。
arXiv:2109.03284 · 2021年9月7日（v1） · Mohammadreza F. Imani, Sergi Abadal, Phi
基于自旋波的近似计算
Spin Wave Based Approximate Computing
摩尔定律快到尽头，自旋波（SW）电路靠「波的干涉」代替「电荷移动」实现超低能耗计算；本文再叠加近似计算范式——为多媒体、社交媒体这类容错应用设计的近似全加器 AFA 和 2 位输入乘法器 AMUL，比最先进的 CMOS 全加器省 33%~44% 能量、省至少 29% 芯片面积。
arXiv:2103.12869 · 2021年3月23日（v1） · Abdulqader Mahmoud, Frederic Vanderveken
Lupulus：面向神经网络的灵活硬件加速器
Lupulus: A Flexible Hardware Accelerator for Neural Networks
用「调度 + 映射」策略让同一个硬件加速器灵活适配不同神经网络，28nm FD-SOI 工艺实现 380 GOPS/GHz 峰值性能。
arXiv:2005.01016 · 2020年5月3日（v1） · Andreas Toftegaard Kristensen, Robert Gi
数控加工中基于少样本视觉语言模型的 G 代码与人机界面（HMI）联合校验
Few-Shot VLM-Based G-Code and HMI Verification in CNC Machining
让视觉语言模型（VLM）同时「看」G 代码文本和机床 HMI 屏幕截图，用少量示例（few-shot）引导，学会发现程序错误、代码残缺与机床状态不一致。
arXiv:2512.11296 · 2025年12月12日（v1） · Yasaman Hashem Pour, Nazanin Mahjourian,
CNC-Net：面向数控加工操作的自监督学习——让神经网络自己学会「怎么把毛坯加工成目标零件」
CNC-Net: Self-Supervised Learning for CNC Machining Operations
不给任何人工标注的加工步骤，让神经网络只看着目标 3D 模型，一步步自己算出铣削/钻孔的刀具半径与路径坐标，把「数控编程」变成「自监督学习」。
arXiv:2312.09925 · 2023年12月15日（v1） · Mohsen Yavartanoo, Sangmin Hong, Reyhane
加工过程三维偏差映射与缺陷监测（3D-DM2）——面向高生产率机器人增材制造
In-process 3D Deviation Mapping and Defect Monitoring (3D-DM2) in High Production-rate Robotic Additive Manufacturing
边打印边扫描：把正在生长的零件实时重建成三维模型，与「近净参考模型」逐点对比生成偏差图，自动分割并跟踪缺陷区域，为及时干预和补偿铺路。
arXiv:2511.05604 · 2025年11月6日（v1） · Subash Gautam, Alejandro Vargas-Uscategu
数字孪生同步：把仿真强化学习智能体与实时机器人增材制造控制连接起来
Digital Twin Synchronization: Bridging the Sim-RL Agent to a Real-Time Robotic Additive Manufacturing Control
先在 Unity 虚拟世界里把机器人「训练好」（SAC 强化学习），再通过 ROS2 实时同步到真实机器人 Viper X300s——用分层奖励结构解决训练慢、不稳定、易卡局部最优的问题。
arXiv:2501.18016 · 2025年1月29日（v1） · Matsive Ali, Sandesh Giri, Sen Liu, Qin
基于过程集成单传感器方法的数据驱动铣削刀具磨损预测
Data-driven tool wear prediction in milling, based on a process-integrated single-sensor approach
只在刀柄里装一个加速度传感器，用振动信号（时域 + 频域特征）训练深度学习模型预测刀具磨损——只用 4 把刀的寿命数据，ConvNeXt 模型就能达到 99.1% 的识别准确率。
arXiv:2412.19950 · 2024年12月27日（v1） · Eric Hirsch, Christian Friedrich（德国，获 SC
数控车削刀具磨损预测：基于超声麦克风阵列与卷积神经网络（CNN）
Tool Wear Prediction in CNC Turning Operations using Ultrasonic Microphone Arrays and CNNs
用 32 路超声麦克风阵列「听」车削声（0 kHz 到 60 kHz），波束成形去噪后用 CNN 预测硬质合金刀片的剩余使用寿命（RUL），在 350 个工件上误差最大仅 6%。
arXiv:2406.08957 · 2024年6月13日（v1） · Jan Steckel, Arne Aerts, Erik Verreycken
车削加工中刀具磨损预测的可解释人工智能（XAI）
Explainable AI for tool wear prediction in turning
用随机森林做刀具「可用/失效」二分类（准确率 92.31%），再用沙普利准则回答「到底哪个传感器特征说了算」——结果：刀具温度最关键。
arXiv:2308.08765 · 2023年8月17日（v1） · Saleh Valizadeh Sotubadi, Rui Liu, Vinh
运动旋转圆锥的包络面刻画及其在数控加工中的应用
Characterizing envelopes of moving rotational cones and applications in CNC machining
证明了一件事：用圆锥铣刀「侧刃加工」时，刀具扫出来的包络面能不能精确贴合设计曲面，由一个非线性偏微分方程（PDE）刻画；三阶接触（超密切）能实现无穿透的高精度加工，可用于刀具选型与路径规划初始化。
arXiv:2001.01444 · 2020年1月6日（v1） · Mikhail Skopenkov, Pengbo Bo, Michael Ba
智能增材制造的基础：给 3D 打印文件加上语义层，让打印过程像控制系统一样自我修正
Foundations of Intelligent Additive Manufacturing
把「零件要满足的规格」以语义层形式写进 3D 打印文件，让打印过程变成带反馈律的闭环控制——边打印、边评估、边修正。
arXiv:1705.00960 · 2017年4月18日（v1） · Kévin Garanger, Eric Feron, Pierre-Loïc
工业注塑成型合成数据提取的进展
Advancements in synthetic data extraction for industrial injection molding
真实注塑数据又贵又难采集？那就用仿真「造」数据——把模拟生产循环生成的合成数据按比例混进训练集（最多 30%），让 LSTM 质量分类模型更鲁棒。
arXiv:2511.08117 · 2025年11月11日（v1） · Georg Rottenwalter, Marcel Tilly, Christ
扩散焊接过程在多晶尺度下的界面穿越高保真建模
High-fidelity modeling of interface crossing in the diffusion welding process at the polycrystalline scale
扩散焊的焊缝质量取决于晶界能不能「穿过」原界面消失掉——本文用水平集方法做 2D 全场微观组织仿真，并给出两种界面穿越的测量模型。
arXiv:2507.20635 · 2025年7月28日（v1） · Camille Godinot, Emmanuel Rigal, Frédéri
迈向基于深度学习的焊接过程在线质量预测系统
Towards a Deep Learning-based Online Quality Prediction System for Welding Processes
用电流/电压等焊接过程数据训练深度学习模型，在线预测焊缝质量——四阶段流水线：多传感器数据管理→自编码器特征工程→循环神经网络质量预测→持续学习应对工艺漂移。
arXiv:2310.12632 · 2023年10月19日（v1） · Yannik Hahn, Robert Maack, Guido Buchhol
迈向工业焊接过程的缺陷检测：深度学习与数据增强
Toward Fault Detection in Industrial Welding Processes with Deep Learning and Data Augmentation
把 TensorFlow 的目标检测模型迁移到激光焊接焊缝质量检测上，发现「适度」数据增强能明显提升 IoU 与召回率，而增强过头反而让性能变差。
arXiv:2106.10160 · 2021年6月18日（v1） · Jibinraj Antony, Florian Schlather, Geor
汽车工业电阻点焊过程数据的函数型聚类方法
Functional clustering methods for resistance spot welding process data in the automotive industry
把每个焊点的「动态电阻曲线」当作一整条函数数据直接聚类，绕开有争议的手工特征提取，在 538 条真实曲线（菲亚特研究中心）上发现聚类与电极磨损状态紧密相关。
arXiv:2007.09128 · 2020年7月17日（v1） · Christian Capezza, Fabio Centofanti, Ant
面向刀具状态监测的多状态诊断与预测框架（带特征学习）
A Multi-State Diagnosis and Prognosis Framework with Feature Learning for Tool Condition Monitoring
先用代价敏感深度信念网络（ECS-DBN）诊断刀具处于哪个磨损状态，再按状态切换到对应退化模型预测磨损量——在真实枪钻数据集上准确率和鲁棒性都优于多种流行机器学习方法。
arXiv:1805.00367 · 2018年4月30日（v1） · Chong Zhang, Geok Soon Hong, Jun-Hong Zh
扩散模型预测控制（Diffusion Model Predictive Control，D-MPC）
Diffusion Model Predictive Control
用扩散模型同时学会「多步动作提案」与「多步动力学模型」，让模型预测控制在 D4RL 基准上显著超过同类离线规划方法，还能在运行时优化全新奖励、微调适应新动力学。
arXiv:2410.05364 · 2024年10月7日（v1） · Guangyao Zhou, Sivaramakrishnan Swaminat
迈向联邦多变量统计过程控制（FedMSPC）
Towards federated multivariate statistical process control (FedMSPC)
让价值链上不同企业的数据「不出域」也能共建过程监控模型——联邦 PCA + 差分隐私 + 安全多方计算，实现跨企业边界的隐私保护故障检测与诊断。
arXiv:2211.01645 · 2022年11月3日（v1） · Du Nguyen Duy, David Gabauer, Ramin Nikz
斯坦变分不确定自适应模型预测控制（用斯坦变分推断让 MPC 自适应地围绕「任务关键的不确定性」塑形控制律）
Stein Variational Uncertainty-Adaptive Model Predictive Control
用斯坦变分推断（SVGD）生成一组「任务敏感」的确定性粒子来刻画参数不确定性，替代经典分布鲁棒优化（DRO）的最坏情形设计——鲁棒性来自把控制律塑形在「对任务目标最关键的不确定性」周围，而不是牺牲标称性能。
arXiv:2604.01034 · 2026年4月1日（v1） · Hrishikesh Sathyanarayan, Ian Abraham（机构
纳米无人机非线性系统辨识基准（首个公开的纳米四旋翼真实飞行数据辨识基准）
Nonlinear System Identification Nano-drone Benchmark
基于 Crazyflie 2.1 无刷纳米四旋翼（<50 g、<10 cm）的 7.5 万个真实飞行样本，配 4 条激进轨迹、4 维电机输入 + 13 维输出、多步预测评估协议与物理/混合/黑箱三类基线模型——数据、脚本、参考实现全部开源。
arXiv:2512.14450 · 2025年12月16日（v1） · Riccardo Busetto, Elia Cereda, Marco For
联邦非线性系统辨识（多个客户端不共享原始数据、协作辨识同族非线性系统）
Federated Nonlinear System Identification
把联邦学习用于「线性参数化非线性系统」（重点是分段仿射 PWA 模型）的辨识：理论证明收敛误差随客户端数 M 增加按 𝒪̃(1/√M) 下降，并在摆与四旋翼两类非线性物理系统上实验验证——客户端越多，每个客户端收敛得越好。
arXiv:2508.15025 · 2025年8月20日（v1） · Omkar Tupe, Max Hartman, Lav R. Varshney
STT-MPC：自适应模型预测控制的亚线性遗憾界
Sub-linear Regret in Adaptive Model Predictive Control
系统模型未知？边用最小二乘学模型、边用管道 MPC 保安全——并证明「边学边控」的额外代价（遗憾）随时间只按 T1/2+ε 亚线性增长。
arXiv:2310.04842 · 2023年10月7日（v1） · Damianos Tranos, Alexandre Proutiere（机构未
Deep MPC：深度模型预测控制（面向安全关键系统）
Deep Model Predictive Control
模型误差「说不清、结构未知」？用深度神经网络在线逼近扰动，再用管道 MPC 兜底——保证约束满足与闭环输入-状态稳定（ISS）。
arXiv:2302.13558 · 2023年2月27日（v1） · Prabhat K. Mishra, Mateus V. Gasparino,
用分类器学习实现自适应模型预测控制
Adaptive Model Predictive Control by Learning Classifiers
把「贝叶斯优化调 MPC 参数」变成「训练一个分类器」——用密度比估计自动适配模型参数与超参数（如温度），应对异方差噪声。
arXiv:2203.06783 · 2022年3月13日（v1） · Rel Guzman, Rafael Oliveira, Fabio Ramos
四旋翼的鲁棒自适应模型预测控制（把 RAMPC 从理论首次搬上四旋翼真机：未知质量、风扰动、旋翼效率下降全场景验证）
Robust Adaptive Model Predictive Control of Quadrotors
把此前只停留在理论上的「鲁棒自适应模型预测控制（RAMPC）」第一次用状态空间表述实现在真实四旋翼上——针对稳态输入未知、测量噪声、收缩多胞体计算三大工程难题给出带理论保证的解法，并在「包裹投递（质量未知+风扰动）」与「动力下降（全部旋翼效率下降）」两类场景下仿真+真机验证。
arXiv:2102.13544 · 2021年2月26日（v1） · Alexandre Didier, Anilkumar Parsi, Jerem
递归模型预测控制（用循环神经网络离线学策略、在线按算力自适应预测时域长度的 RMPC 算法）
Recurrent Model Predictive Control
传统 MPC 每个时刻都要在线解优化、还只能用固定预测步数；本文用循环神经网络离线学一个策略函数——让网络递归 N 次就等价于展开成 N 步 MPC，于是预测时域变成「按当前算力随时伸缩的旋钮」，在线只需前向推理，比传统 MPC 快 5 倍以上。
arXiv:2102.11736 · 2021年2月23日（v1） · Zhengyu Liu, Jingliang Duan, Wenxuan Wan
自适应模型预测控制中的主动探索（把「学习」与「控制」放进同一个优化问题：用预测最坏情形代价引导控制器主动试探关键参数区域）
Active exploration in adaptive model predictive control
对状态空间矩阵含参数不确定性的线性时不变系统，提出一种对偶自适应 MPC 算法：用双状态管把「可行性」与「学习」解耦，在目标函数里放「预测状态管上的最坏情形代价」，让控制输入主动探索「对性能影响最大」的参数区域——而不是像现有方法那样被动等辨识结果。
arXiv:2003.14120 · 2020年3月31日（v1） · Anilkumar Parsi, Andrea Iannelli, Roy S.
基于滑模控制的鲁棒约束优化
Robust Constrained Optimization via Sliding Mode Control
把约束优化的一阶最优性条件改写成「控制仿射动力系统」——优化变量当状态、拉格朗日乘子当控制输入、等式约束当滑模面，用滑模控制当「优化器」，保证约束有限时间精确满足、不依赖目标函数凸性、且对扰动鲁棒。
arXiv:2604.27587 · 2026年4月30日（v1） · Shyam Kamal, Baby Diana, Sunidhi Pandey,
非线性控制中的速率-代价权衡
Rate-Cost Tradeoffs in Nonlinear Control
证明一般（含非线性）随机控制系统的速率受限控制问题中，「最小通信速率 Rn(D)」由「有向信息最小化 Fn(D)」刻画，二者只差一个加性对数项 log(Fn(D)+3.4)+2+1/n——把有向信息从 LQG 控制与因果信源编码推广到了一般非线性控制。
arXiv:2604.20369 · 2026年4月22日（v1） · Eray Unsal Atay, Venkat Chandrasekaran,
麦克纳姆轮移动机器人的容错控制
Fault Tolerant Control of Mecanum Wheeled Mobile Robots
用后验概率在线学习故障参数，再把每个预设故障对应的控制律按学习到的概率加权求和，合成一个能同时应对「完全失效（如电机堵转）」与「部分失效（如扭矩退化）」的主动容错控制律——计算量小，适合嵌入式平台。
arXiv:2512.06444 · 2025年12月6日（v1） · Xuehui Ma, Shiliang Zhang, Zhiyong Sun（机
Bode 图：用于滑模控制设计的统一频域分析框架
The Bode Plots for Sliding-Mode Control Design
用描述函数把「不连续的滑模控制」等效成频域模型，算出颤振的幅值与频率、给出闭环灵敏度分析——让 Bode 图这种经典工具为滑模控制器设计服务。
arXiv:2507.16281 · 2025年7月22日（v1） · Ulises Pérez-Ventura（单作者；受 CONAHCYT 资助，C
推力器故障下自主水下航行器的自适应容错控制
Adaptive Fault-tolerant Control of Underwater Vehicles with Thruster Failures
把推力器故障当成「任务中随时会切换的模式」，用贝叶斯后验概率给每个故障模型的控制器加权混合——故障切换时控制平滑过渡，还不需要复杂的故障检测器。
arXiv:2504.16037 · 2025年4月22日（v1） · Haolin Liu, Shiliang Zhang, Shangbin Jia
非线性控制的对数遗憾界（学习控制未知非线性系统能多快）
Logarithmic Regret for Nonlinear Control
证明了「只要最优控制策略自己就能把系统参数学出来（持续激励），在线控制未知非线性系统的遗憾就能做到对数级」——并给出首个面向参数非线性依赖情形的遗憾界。
arXiv:2501.10261 · 2025年1月17日（v1） · James Wang, Bruce D. Lee, Ingvar Ziemann
CIRCUS：面向反物质、原子与量子物理实验的自主控制系统
CIRCUS: an autonomous control system for antimatter, atomic and quantum physics experiments
给 CERN 反物质实验造一套「能自己调参数」的开放式自主控制系统，纳秒级同步、可复用、开源。
arXiv:2402.04637 · 2024年2月7日（v1） · Marco Volponi, Saiva Huck, Ruggero Carav
论安全滑模控制的概念
On the Notion of Safe Sliding Mode Control
提出「安全滑模流形」概念，用类 Lyapunov 能量函数构造不碰危险区的滑模面，实现鲁棒安全控制。
arXiv:2212.01847 · 2022年12月4日（v1） · Marco A. Gomez, Christopher D. Cruz-Anco
非线性控制系统的 Koopman 双线性化
Koopman Bilinearization of Nonlinear Control Systems
把非线性控制系统的 Koopman 算子动力学严格推导成双线性系统，建立系统性的 Koopman 控制框架。
arXiv:2211.07112 · 2022年11月14日（v1） · Wei Zhang, Jr-Shin Li（机构未在素材中标注）
