#模型预测控制

Texas A&M 把物理约束硬塞进神经网络的开源框架，推理快还能严格满足约束，搞工程建模和优化控制的可以看看。

这篇论文解决了世界模型做规划时的一个实际问题：预测准不等于会选动作。AD-WM 在 OGBench-Cube 上把成功率从 3.7% 拉到 52.0%，实机迁移也有提升，做机器人规划的可以看看。

这篇论文用 P2L 方法从 400 个场景里只挑 2 个就搞定了 MPC 校准，风险界才 4.8%，而且置信度极高，做控制的人可以看看。

这篇论文用学习加速ADMM让场景模型预测控制跑得更快，在微电网问题上比IPOPT和MadNLP快很多，适合做实时控制的人看看。