数据同化辅助强化学习用于负载不确定性下的电网控制新

提出PR-Smoother，一种保持模拟器的摊销平滑器，用于物理数据同化，支持高维非高斯后验分布估计与模拟器校准。

提出FREESIA方法，通过协方差感知后验传输解决非线性观测算子下的多模态后验分布估计难题，提升高维稀疏观测条件下的数据同化精度与可扩展性。

提出基于集合平滑器的多重数据同化（ES-MDA）三步框架，统一解释现有自适应变体方法，并平衡精度与计算成本。

提出CHOREO框架，无需训练即可实现异构人形机器人技能（如强化学习、运动模仿、生成模型）的组合，支持跨表示/接口/控制器的技能拼接。

提出物理信息逆建模框架，从有限含噪观测数据中推断 Isle Royale 国家公园 Moose-Wolf 生态系统的控制参数，为生态动力学建模提供数据驱动方法。