深度分析
以大型語言模型驅動的 Agentic MPC：提升自駕車語意感知與安全性
模型預測控制（MPC）雖擅長低階規格，但缺乏語意感知。研究提出結合大型語言模型的代理式MPC，能即時解析自然語言與環境資訊，重新合成控制指令，於自駕模擬中成功因應乘客偏好與緊急讓路等社會規則。此架構同時保留MPC的最適化保障，展示出語意驅動控制的可行性。
深度分析
模型預測控制（MPC）雖擅長低階規格，但缺乏語意感知。研究提出結合大型語言模型的代理式MPC，能即時解析自然語言與環境資訊，重新合成控制指令，於自駕模擬中成功因應乘客偏好與緊急讓路等社會規則。此架構同時保留MPC的最適化保障，展示出語意驅動控制的可行性。
DataCenterGym
資料中心的運算、熱量與能源相互影響，傳統調度忽略熱慣性與冷卻反饋。DataCenterGym提供物理導向模擬，整合排隊、建築熱動力與在地HVAC，並以分層模型預測控制(H‑MPC)協同排程，實驗顯示在多目標下優於基線。並揭示熱耗與能源、效能間的權衡與實務意涵。