利用多目标黑盒优化的主动学习过程，在实时流数据和模块化多目标优化软件开发技术支持下，实现了自动化连续流化学实验室的自治操作，为电解质生产提供了理想的制造条件。

Apr, 2023

通过深度强化学习，提出了一种在显示器制造中使用传输机器人的流控系统的优化调度方法，并通过建立虚拟环境和训练强化学习模型，验证了其可行性。

Oct, 2023

提出了一种新型的自动监控系统，在分析实验室中生产过程中的塑料耗材，通过使用手动设计的深度网络模型来增强对试管内透明抗凝剂物质存在与否的控制过程的有效性，并通过实验结果证明该方法与最先进的模型相比具有竞争力，表现出优于其他模型的分类能力和泛化能力，为塑料耗材公司的生产过程成功实施类似模型提供了可能性。

Apr, 2024

RoboCraft 通过使用基于粒子的表示法，结合模型规划框架、图神经网络和模型预测控制算法，可以在只有 RGBD 视觉观测数据的情况下，学习弹塑性物体的动力学模型，并用于控制机器人进行物体变形任务，实验结果表明 RoboCraft 的优异性能在一些任务上甚至好于未训练的人类.

May, 2022

该论文提出了一种新颖的高维基于图像的覆盖误差处理控制与监测方法，利用有限的控制配方来减少覆盖误差。通过构建高维过程模型并提出不同的张量与向量回归算法来估计模型中的参数，减轻维度诅咒。基于张量参数的估计，设计了指数加权移动平均（EWMA）张量数据控制器，其稳定性经过理论保证。为了防止无法控制的高维扰动的显著漂移，检测控制残差。通过大量的仿真和真实案例研究，评估了参数估计算法和张量空间中 EWMA 控制器的性能。与现有的基于图像的反馈控制器相比，我们的方法在扰动不稳定时表现出明显的优势。

Jan, 2024

本文讨论了小型航天器组装自动控制系统的创建前提、技术解决方案和实施。分析了系统的硬件和软件实现，提供了对各个工作场所中个体单元组装过程的控制和记录。通过使用特殊算法形成和处理技术标记，提出了减少控制组装技术所需设备要求的解决方案，特别是使用分辨率较低的摄像头。提供了一种工具，可通过无线控制控制拧紧螺纹连接的扭矩，并根据给定算法限制拧紧扭矩。所开发的系统不仅提供了控制功能，还能记录技术过程，这在未来创建产品的数字孪生时可能非常有用。

Aug, 2023

本文提出了一个将大型语言模型（LLMs）、数字孪生和工业自动化系统相结合的新型框架，以实现生产过程的智能规划和控制，强调将 LLMs 集成到工业自动化系统中以实现更敏捷、灵活和自适应的生产流程的潜力并指出未来工作的关键见解和限制。

Apr, 2023

本研究比较了三种主动学习方法和视觉检测，提出了六个新的指标来评估校准质量，并探讨了现有校准器是否能通过利用近似基准事实来扩大校准集合来提高性能。研究结果表明，即使在达到 0.95 的阈值时，探索的主动学习设置也可以将数据标注工作量减少三到四个百分点，并且不会损害整体质量目标。此外，研究结果表明，建议的校准指标成功捕获相关信息，无需获取基准事实数据，可以用于估计模型概率校准的质量。

Sep, 2022

本文提出了一种基于物理和数据驱动的数字孪生框架，用于自主食品加工，该框架含有最小计算负载、数据存储和传感器数据要求的精益数字孪生概念，并采用一个节俭的实验设计用于训练热处理的非侵入式降阶模型，其最佳模型的测试均方根误差小于 1 开尔文（0.2％平均百分比误差），模拟速度加快达到 1.8E4 Sp，可用于设备内的模型预测控制。

Sep, 2022

本文提出了一个利用强化学习框架来优化传送带速度以最小化对系统其他部分的干扰，并使生产力、控制平滑和减少计算时间等方面有了显著提高的智能制造自动化解决方案。

Mar, 2023