RI-SINDy 把已知的 Hill 型调控项从稀疏回归的候选库中移出，改由有界轨迹上时间平均导数趋于零的漂移平衡条件单独解出该系数，从而避免调控项与多项式项在振荡区间内近乎共线造成的病态回归。在 Hes1 实验数据上，它的轨迹误差低于传统 SINDy、SR3 与零斜线重建；在合成 Goodwin 与 NF-κB 模型上，它恢复出正确的稀疏结构，并在 Goodwin 噪声扫描中于 15% 噪声下仍找回全部 6 个活跃项。
在轴流压缩机-容腔-节流阀仿真上，UQ-ACE用闭环数据推断局部动力学后验，把稳定性不达标的候选控制器挡在部署之前，100次运行中未出现不稳定轨迹。
该研究将相位-幅值约简与非线性机器学习稀疏传感器重构结合，仅用三个翼面传感器估计相位与幅值敏感度场，并据此解析导出最优激励波形，用于快速同步后失速翼型尾迹脱落频率；所得最优强迫使尾迹频率改变速度比标准正弦激励快八倍，且带幅值惩罚的波形相比无幅值惩罚的最优波形抑制了升力系数波动。
这篇综述系统梳理了将物理先验嵌入机器人学习的方法，提出统一分类法，把已有工作按物理嵌入位置分为物理引导的输入/数据/表示、物理编码的模型架构、物理信息训练损失三类，并据此回顾了机器人动力学学习、轨迹规划与预测、控制与估计方法及开源软件生态，指出物理编码架构占已综述方法的71%、物理引导占16%、物理信息占13%，仅4%的工作组合了两种以上嵌入路线。
已读完全部报道