基于二合一驱动的主动物质智能体的数字孪生体及 onboard 控制
软凝聚态物质
2026-05-22 v2
摘要
在非平衡物理学中，构建能够感知自身状态、预测演化并 onboard 计算控制输入的自适应粒子一直是主要挑战。我们通过实现一个自主 brainbot 来解决这一挑战，该系统基于最近开发的可编程腮臂机器人。首先，我们构建了一个基于运动学模型的 physics-informed brainbot 数字孪生体，能够复现测量得到的轨迹统计数据并生成长时间且统计上忠实的合成轨迹。运动学为实施 onboard 模型预测控制（MPC）提供了基础，使其能够实现自主轨迹跟踪，通过准确执行非平凡目标路径来证明其有效性。这为构建一个感知状态、预测演化并 onboard 计算控制输入的 brainbot 提供了范例，不同于传统主动粒子，其运动性固定，从而将 brainbot 转化为具有代理性的物理实体。通过将物理建模、数据驱动参数识别和控制集成到统一框架中，我们的方法为机器学习驱动的多智能体研究提供了可扩展平台，为智能自适应主动物质奠定了基础。
引用
@article{arxiv.2511.00384,
title = {Physics-informed digital twin and onboard control of a brainbot for intelligent active matter},
author = {Isa Mammadli and Prajol Shrestha and Jayant Pande and Filip Novkoski and Siddhant Mohapatra and Martial Noirhomme and Andreas Maier and Nicolas Vandewalle and Ana-Suncana Smith},
journal= {arXiv preprint arXiv:2511.00384},
year = {2026}
}