Wir freuen uns sehr, bekannt geben zu dürfen, dass unser jüngster Artikel in den IEEE Transactions on Robotics mit dem Titel „Generalizable and Fast Surrogates: Model Predictive Control of Articulated Soft Robots using Physics-Informed Neural Networks“ vom L3S Forschungszentrum mit dem Preis für die beste Publikation ausgezeichnet wurde. Die Preisverleihung findet im Rahmen des kommenden Town Hall Meetings am 6. Februar 2026 statt.
Herzlichen Glückwunsch an unsere Autoren Tim-Lukas Habich, Aran Mohammad, Simon Ehlers, Martin Bensch, Thomas Seel und Moritz Schappler für ihre hervorragende Arbeit und ihr großes Engagement.
Der Artikel befasst sich mit dem Generalisierungsproblem erlernter (Black-Box-)Modelle für bislang unbekannte Systemdomänen, indem physikalisches Wissen gezielt in die Modellierung integriert wird. Obwohl der Forschungsschwerpunkt auf der Softrobotik liegt, ist das vorgestellte Physics-Informed Neural Network auf eine Vielzahl technischer Anwendungsfelder übertragbar, in denen schnelle, präzise und gut generalisierbare Modelle dynamischer Systeme benötigt werden.
Ein großes Dankeschön an das gesamte Team – insbesondere an Tim-Lukas Habich – für die hervorragende Zusammenarbeit und den außergewöhnlichen Einsatz während des gesamten Projekts.
Mehr erfahren:
Artikel auf arXiv: https://lnkd.in/gG9KsHiU
Open-Source-Hardware: https://lnkd.in/gE-TDKdT
Open-Source-Software: https://lnkd.in/gQVDrGe2