4321 ورقة بحثية
تقترح هذه الورقة إطار عمل للتعلم التعزيزي الموجه بالمخاطر الاستباقية، والذي يستفيد من خريطة مخاطر تصادم ذاتية التنبؤ ومتوافقة اتجاهياً مشتقة من أقرب نقطة اقتراب (CPA)، لتمكين طائرة كوادتروتور من التنقل بأمان وكفاءة عبر الفوضى الديناميكية باستخدام تسلسلات العمق الموجودة على متنها فقط، محققاً بذلك نقلاً قوياً من المحاكاة إلى الواقع دون الحاجة لتدريب مسبق.
يُعد RRTrack متتبعاً فعالاً وقابلاً للاسترداد للوضعية سداسية الأبعاد (6D pose) للمشاهد الديناميكية، حيث يجمع بين استراتيجية الحلقة المغلقة ثنائية الأبعاد-سداسية الأبعاد (2D-6D) ومطابقة القوالب ثنائية البنك القائمة على DINOv2 للتعامل بمتانة مع الحركة السريعة والانسداد الكامل، محققاً أداءً هو الأفضل في فئته على مقيما معياري اصطناعي جديد.
تقدم هذه الورقة "الذاكرة الموجهة نحو المثيل" (IOM)، وهو إطار عمل متمحور حول الكائنات يعمل على تقليل تكاليف الاستكشاف من خلال استهلاك الوقت عند التعامل مع كائنات ذات حالات خفية، وذلك عبر تسجيل وإعادة استخدام إجراءات تلاعب قصيرة بواسطة نموذج رؤية ولغة، مما يقلل بشكل كبير من عمليات الاستقصاء غير الضرورية مع الحفاظ على معدلات نجاح المهام أو تحسينها.
تقدم هذه الورقة إطار عمل ARCHITECT، الذي يستفيد من وكلاء البرمجة القائمين على النماذج اللغوية الكبيرة (LLMs) لتخليق سياسات روبوتية نمطية وقابلة للتفسير من خلال تصحيحات لغوية طبيعية تكرارية، مما يتيح مكتبة مهارات مستمرة تتفوق على نماذج الرؤية واللغة والعمل (VLA) الصندوقية السوداء في مهام المناولة المعقدة وطويلة الأمد.
تقدم هذه الورقة نظام SHARE، وهو نظام SLAM متمحور حول المستخدم لبيئات العمل المشتركة بين البشر والروبوتات، والذي يمنح الأولوية لتجربة مستخدم الواقع المعزز عبر ضبط أولويات الإرسال تكيفياً والاستف `%` من وفرة الميزات المرئية لتقليل زمن الاستجابة بشكل كبير مع الحفاظ على دقة تتبع عالية.
يقدم WorldDiT بنية محول انتشار موحدة تولد في آن واحد أفعالاً مستمرة وتتنبأ بالإطارات المرئية المستقبلية، محققاً أداءً هو الأفضل في فئته عبر معايير قياسية متعددة للتلاعب الروبوتي دون الاعتماد على نماذج رؤية ولغة ضخمة مدربة مسبقاً.
تقدم هذه الورقة "الإجراء الممكن للتحكم الأمثل" (FAOC)، وهو إطار عمل مبتكر يربط بين التعلم المعزز والتحكم الأمثل من خلال توظيف خوارزمية رسم خرائط فعالة حاسبياً لتحويل إجراءات التعلم المعزز المجردة إلى معاملات ممكنة تعتمد على الحالة، مما يضمن قيود سلامة صارمة وأداءً فائقاً في تخطيط حركة الروبوت في الوقت الفعلي دون الحاجة إلى مساحات إجراءات مصممة من قبل خبراء.
تقترح هذه الورقة إطار عمل للتعلم التعزيزي القائم على الانتشار العكسي المستمر، والذي يُمكّن وكلاء السباق ذاتي القيادة من تعلم سياسة عامة من بيانات العالم الحقيقي والتكيف بسرعة مع المسارات الجديدة في غضون 15 دقيقة، متفوقاً بذلك على المتحكمات الكلاسيكية مع معالجة التحديات غير المستكشفة للتعلم المستمر في الروبوتات الفيزيائية.
تقدم هذه الورقة البحثية ExploreBug، وهو خوارزمية هجينة لخطأ نطاق الحدود (frontier range bug) تتيح للدرونات النانوية التعاونية استكشاف البيئات غير المهيكلة بكفاءة وتجنب الاصطدامات باستخدام حد أدنى من الاستشعار، وقد تم التحقق من ذلك من خلال محاكاة مكثفة وتجارب واقعية باستخدام ما يصل إلى سبع درونات.
تقدم هذه الورقة البحثية "مطابقة تدفق الإجراءات" (Action Flow Matching)، وهو إطار عمل توليدي يستفيد من مطابقة التدفق لتنقيح الإجراءات المخطط لها من أجل محاذاة نموذج ديناميكيات الروبوت عبر الإنترنت، مما يتيح تعلمًا مستمرًا فعالًا مع تحسين معدلات نجاح المهام مع تقليل الاعتماد على مخازن إعادة التشغيل والتخفيف من مشكلات مثل النسيان الكارثي.