Foto David BrohedeVerksamheten inom avdelningen för reglerteknik omfattar ett brett spektrum av problem inom sensorfusion, systemidentifiering, robotik och autonoma system, optimering för reglertekniska tillämpningar samt komplexa nätverk och strävar efter en fruktbar balans mellan teori- och metodutveckling och tillämpningar.
Inom sensorfusion studeras hur man på bästa sätt kombinerar information från olika typer av sensorer och inom systemidentifiering behandlas olika aspekter på databaserad modellering av dynamiska system.
Inom robotik och autonoma system ligger fokus på hur man kan styra och planera positionen och orienteringen hos ett system med ett minimum av manuell påverkan.
Verksamheten inom optimering inriktas bland annat på algoritmutveckling för modellprediktiv reglering, och inom komplexa nätverk studeras olika typer av interaktion inom dynamiska nätverk.
Exempel på viktiga tillämpningsområden av industriell betydelse är styrning och modellering av industrirobotar, sensorfusion och beslutsstöd i bilar, fartyg och flygplan samt planering och styrning för autonoma fordon.
Reglerteknik (RT)
Ämnet reglerteknik handlar om konsten att styra ett tekniskt system så att det beter sig som man vill.
Aktuellt
Forskning och samverkan inom reglerteknik
Utbildning inom reglerteknik
Kontakt
Ledning
Lärare
Publikationer
2026
Social Power Games for Parallel Friedkin-Johnsen Models
IEEE Transactions on Automatic Control, Vol. 71, s. 3074-3089
(Artikel i tidskrift)
https://dx.doi.org/10.1109/TAC.2025.3631717
Gradient Flow Equations for Deep Linear Neural Networks: A Survey from a Network Perspective
SIAM Review, Vol. 68, s. 293-345
(Artikel i tidskrift)
https://dx.doi.org/10.1137/24m1715519
Optimization-Based Planning for Task-Motion Integration and Multi-Agent Coordination
(Doktorsavhandling, sammanläggning)
https://dx.doi.org/10.3384/9789181186062
Marginalized Particle Filter Degeneration
IEEE Transactions on Signal Processing, Vol. 74, s. 1508-1521
(Artikel i tidskrift)
https://dx.doi.org/10.1109/TSP.2026.3679016
Nearest-Class Mean and Logits Agreement for Wildlife Open-Set Recognition
ARTIFICIAL INTELLIGENCE RESEARCH, SACAIR 2025, s. 316-329
(Konferensbidrag)
https://dx.doi.org/10.1007/978-3-032-11733-5_20