4321 ورقة بحثية
تقدم الورقة البحثية EgoTraj، وهي مجموعة بيانات متعددة الوسائط جديدة ومفتوحة تضم 75 تسلسلاً للملاحة الحضرية في العالم الحقيقي تم التقاطها عبر سماعات الرأس Meta Quest Pro مع فيديو RGB متزامن، ووضعيات رأس بـ 6 درجات حرية، وبيانات نظرة العين ثلاثية الأبعاد، والمصممة لتعزيز الأبحاث في التنبؤ بمسار الإنسان من منظور الشخص الأول للروبوتات والأنظمة المساعدة.
تقيم هذه الورقة مدى متانة مرشحات السلامة الخاصة بالروبوت البشري (SPARK) من خلال محاكاة MuJoCo واختبارات الإجهاد، كاشفةً أن أداءها يتفاوت بشكل كبير في ظل الظروف الصعبة مثل ازدحام العوائق والبيانات المشوشة، مما يسلط الض heavy الضوء على الحاجة إلى مقاييس تقييم تكشف عن أوضاع الفشل بما يتجاوز المعايير القياسية المعتادة.
إن RLFTSim هو إطار عمل للضبط الدقيق القائم على التعلم التعزيزي يعمل على تعزيز واقعية وقابلية التحكم في محاكاة حركة المرور متعددة الوكلاء من خلال مواءمة مخرجات المحاكي مع توزيعات بيانات العالم الحقيقي واستخدام إشارة مكافأة كثيفة ومنخفضة التباين لتحقيق أداء رائد على مجموعة بيانات Waymo Open Motion.
تقدم هذه الورقة STRELGen، وهو إطار عمل عصبي-رمزي قابل للتوسع يجمع بين نموذج انتشار لتوليد المسارات متعدد الوكلاء وبين مواصفات المنطق المكاني-الزماني القابلة للتفاضل، وذلك لتوليد سيناريوهات قيادة واقعية وحرجة تتعلق بالسلامة بكفاءة من أجل اختبار مركبات ذاتية القيادة بشكل قوي.
تتناول هذه الأطروحة تحدي إنشاء أجسام مفصلية جاهزة للمحاكاة من خلال تعريف "الجاهزية للتفاعل"، واقتراح إطار تقييم كمي، وتقديم طريقة متعددة الوسائط تعتمد على وجود المحاكي في الحلقة (simulator-in-the-loop) تعمل تلقائياً على تحسين الأصول ثلاثية الأبعاد غير المكتملة إلى نماذج متسقة فيزيائياً لتعزيز استقرار وأداء تعلم الروبوت.
تقترح هذه الورقة نهجاً استدلالياً مبتكراً لضبط أداء التحكم في الطائرات الرباعية المعتمد على التعلم المعزز، وذلك عبر تصميم هيكل مكافأة أسي ثنائي النطاق وشروط إنهاء، مما يتيح توليد سياسات ذات أزمنة استقرار قابلة للتعديل (تتراوح من الأداء الأكروباتي إلى الأداء المخصص للفحص) مع الحفاظ على استجابة أساسية مخمدة حرجاً وخطأ في الحالة المستقرة منخفض.
تقدم هذه الورقة نظام طائرة كوادروتور (رباعية المراوح) ذاتية القيادة لفحص الغابات تحت المظلة الشجرية، يجمع بين متحكم منخفض المستوى يعتمد على التعلم التعزيزي العميق لتتبع وضعية الرؤية بدقة، وبين حزمة ملاحة عالية المستوى تستخدم مخططي TSP وRRT* لضمان تنفيذ مهام آمنة وطويلة المدى.
تقترح هذه الورقة إطار عمل هرمي يجمع بين مخطط انتباه رسومي ومتحكم تنبؤي نموذجي غير خطي لمركزية التحكم لحل مشكلة تخطيط الحركة غير المصنفة لمتعدد الروبوتات في ظل قيود الاتصال والديناميكيات غير الخطية، مما يظهر المتانة والقابلية للتوسع في كل من تجارب المحاكاة وتجارب الطائرات بدون طيار رباعية المراوح في العالم الحقيقي.
إنَّ PRISM-SLAM هو إطار عمل للملاحة والتموضع وبناء الخرائط آني أحادي العدسة، يدمج الأولويات المستمدة من نماذج الرؤية التأسيسية في مخطط عامل بايزي باستخدام عوامل مسافة شعاع بلوكر والبوابات الديناميكية لعدم اليقين لحل غموض المقياس والتعامل مع البيئات الديناميكية، محققاً تحديد موقع متسق مترياً بسرعة 30 إطاراً في الثانية دون الحاجة إلى تصحيح لاحق.
تقترح هذه الورقة إطار عمل لتحسين معدل الاتصال التكيفي مع النطاق للتحكم عن بُعد في الروبوتات البشرية عبر تقنية الواقع الممتد (XR) لاسلكياً، والذي يستخدم خوارزمية (PPO) مدربة في بيئة محاكاة وموزونة بنسبة الكثافة لتقليل استهلاك الطاقة مع الحفاظ على دقة إعادة بناء الحركة في ظل تحولات التوزيع من المحاكاة إلى الواقع.