4321 ورقة بحثية
تقدم هذه الورقة أول دراسة منهجية بنظام "الصندوق الأسود" تثبت أن نماذج الرؤية واللغة والعمل (Vision-Language-Action) القائمة على الاستنتاج والمستخدمة في القيادة الذاتية معرضة بشدة للاضطرابات النصية الواقعية، والتي تؤدي بشكل كبير إلى تدهور قدرات الاستنتاج وسلامة القيادة، مما يسلط الضوء على الحاجة الملحة لأطر تقييم قوية ودفاعات محسنة.
تُعد ElegantVLA إطار استدلال مدمج ومتكيف مع المراحل، يعمل على تسريع نماذج الرؤية واللغة والعمل (Vision-Language-Action) عبر الجدولة الديناميكية للموارد الحوسبية عبر وحدات الإدراك والعمل بناءً على الاستقرار الزمني وتقدم المهمة، مما يؤدي إلى زيادة تردد التحكم بشكل كبير دون الحاجة إلى إعادة تدريب النموذج الأساسي.
تقدم هذه الورقة ViewSuite، وهو معيار ثلاثي الأبعاد يكشف أن نماذج الرؤية واللغة تواجه صعوبة في تركيب تحويلات (الرؤية-الإجراء) للتخطيط متعدد الخطوات، وتقترح إطار عمل للاستكشاف الذاتي التكراري مع تقطير الرسم البياني للرؤية، مما يعزز أداء التخطيط بشكل كبير من خلال التغلب على المكافآت الشحيحة وتجاوز النماذج الرائدة مثل GPT-4o.
تقدم هذه الورقة VE2VF، وهو إطار عمل للتعلم المعزز القائم على تدخل العنصر البشري يقوم بتقطير المعرفة من معلم مدعوم بالرؤية إلى سياسة طالب قوية خالية من الرؤية يتم تدريبها بالكامل في العالم الحقيقي، محققةً معدلات نجاح عالية وتعميماً قوياً في مهام المناولة الغنية بالتلامس دون الاعتماد على تنويع النطاق أو تعزيز البيانات.
تقدم هذه الورقة FLIP، وهي طريقة تخطيط تشكيل موزعة مرنة وفعالة للأسراب واسعة النطاق، تقوم بتحويل حساب تسلسل المواقع الأمثل إلى مشكلة تسجيل سحابة نقاط لتمكين تحسين المسار السريع والمقاوم للقيم المتطرفة دون حمل حوسبي مفرط.
تقدم هذه الورقة البحثية "تكييف خبرة المستقبل" (FEC)، وهو إطار عمل يستفيد من تنبؤات الفيديو المستقبلية قصيرة المدى والموجهة بواسطة النماذج اللغوية الكبيرة كمعلومات مسبقة مهيكلة لتعزيز الاستكشاف وتكيف السياسات بشكل كبير في مهام التلاعب الروبوتية متعددة الخطوات، مما يثبت أن حتى الفرضيات المستقبلية غير المثالية تحسن الأداء بينما تؤدي الفرضيات غير المتوافقة إلى تدهوره.
يُعد Gaze2Act إطار عمل جديداً للرؤية واللغة والعمل يعزز التلاعب الروبوتي من خلال دمج نظرة الإنسان كإشارة قصد ديناميكية، مما يسد الفجوات بين منظور الأنا والمنظور الخارجي لتحقيق أداء رائد في تمييز الأشياء، والتفاعل دقيق التفاصيل، وتوجيه القصد الديناميكي على روبوت Unitree G1 البشري.
تقدم هذه الورقة UniLab، وهي بنية هجينة لمحاكاة وحدة المعالجة المركزية (CPU) وتعلم وحدة معالجة الرسومات (GPU) تعمل على فصل الفيزياء عن تحديثات السياسة لتحقيق كفاءة تدريب أسرع بمقدار 3 إلى 10 أضعاف في العمليات من البداية إلى النهاية، مع تقليل الاعتماد على NVIDIA CUDA وتمكين تدريب التعلم المعزز للروبوتات عبر المنصات المختلفة.
تُعد DynaFLIP إطار عمل للتدريب المسبق موجه بالديناميكيات ثلاثي الأنماط يعزز التلاعب الروبوتي من خلال ترميز الحركة ذات الصلة بالفعل في تمثيلات بصرية عبر هدف جديد لتقليل حجم السيمبلكس (simplex-volume minimization)، مما يؤدي إلى تعميم فائق عبر مختلف السياسات اللاحقة وسيناريوهات خارج التوزيع.
تُعد DSSE بيئة بحث لسرب من الطائرات بدون طيار قائمة على PettingZoo، صُممت لتسهيل دراسة خوارزميات التعلم المعزز متعدد الوكلاء التي تستخدم خرائط احتمالية ديناميكية لتحديد موقع الهدف دون مكافآت مباشرة تعتمد على المسافة.