4321 ورقة بحثية
يُعد BrickCraft إطار عمل تكوينيًا يُمكّن الروبوتات ذاتية القيادة من تنفيذ عمليات تجميع الطوب المتداخلة طويلة المدى عبر تفكيك المهام المعقدة إلى مهارات أولية قابلة لإعادة الاستخدام، مسترشدةً بأدلة إرشادية موضعية لضمان التأسيس المكاني والتعميم على الهياكل غير المرئية.
تُعد PhySPRING طريقةً تعتمد على الشبكات العصبية الرسومية (GNN) القابلة للاشتقاق كلياً، والتي تعمل على تقليل تعقيد التوائم الرقمية القائمة على نموذج الكتلة والزنبرك المستوحى من الفيزياء عبر تعلم تسلسل هرمي لتوبولوجيا الرسوم البيانية المجمّعة، مما يحقق تسريعاً حوسبياً كبيراً مع الحفاظ على الدقة الفيزيائية والبصرية من أجل تقييم فعال لسياسات الروبوتات.
تقترح الورقة البحثية NoiseGate، وهو إطار عمل مبتكر لنماذج عالم الأفعال (World Action Models) يستبدل جدول الخطوات الزمنية المشترك بسياسة بوابات قابلة للتعلم لكل كامن (per-latent gating policy) لتعديل موثوقية كامنات الملاحظة المستقبلية ديناميكيًا من أجل توليد الأفعال، مما يؤدي إلى تحسين الأداء في مهام التلاعب الروبوتية المتنوعة.
تُقارن هذه الدراسة أداء نموذج RT-DETR مع مختلف هياكل ResNet الخلفية في ظل ظروف بيئية روبوتية تنافسية، كاشفةً أن النماذج ذات العمق المتوسط مثل ResNet50 وResNet34 توفر التوازن الأمثل بين الدقة والثقة وزمن الاستجابة اعتماداً على ما إذا كان التحدي الرئيسي يكمن في تباين الإضاءة أو تباين الخلفية.
تقدم هذه الورقة مقارنة منهجية لأربع طرق استدلال غير متزامنة لنماذج الرؤية واللغة والعمل (Vision-Language-Action) تحت ظروف خاضعة للتحكم، كاشفةً أن التصحيح المتبقي خفيف الوزن (A2C2) يتفوق على غيره في معايير Kinetix وLIBERO، بينما يوفر محاكاة تأخير وقت التدريب (TT-RTC) الحل الأكثر متانة وبدون عبء إضافي.
تجادل هذه الورقة بأن النموذج الهيكلي للذكاء العام (SMGI) يوفر إطار الحوكمة الرسمي اللازم لتوسيع أنطولوجيا الخدمات الروبوتية (RoSO) لما وراء المطابقة الساكنة، من خلال وضع معايير لإعادة التشكيل المقبولة أثناء وقت التشغيل بما يضمن بقاء دلالات الخدمة محفوظة أثناء التغييرات الديناميكية.
تقترح هذه الورقة البحثية VF، وهي نهج للتدريب في وقت الاختبار يتميز بآلية تصفية تحديث تكيفية تستفيد من الإشراف الطبيعي بين الصور المستقبلية المتوقعة والملاحظات الفعلية للتخفيف من نقاط الضعف الناتجة عن خروج البيانات عن التوزيع في نماذج الرؤية واللغة والعمل (VLA) الخاصة بالاستبصار البصري، وذلك دون الحاجة إلى تعديلات هيكلية.
تقدم هذه الورقة بنية تحكم تكييفي مرجعي بالنموذج تتيح تتبعاً عالي الأداء للموضع للمركبة الجوية ذات الأجنحة الخفاقة بحجم الحشرات "Bee++" التي تزن 95 ملغ، والتي تم التحقق من صحتها من خلال تجارب طيران في الوقت الفعلي.
تُعد SceneFactory منصة محاكاة للقيادة الذاتية تعتمد على معالجة المتجهات عبر وحدة معالجة الرسومات (GPU) ومبنية على منصة NVIDIA Isaac Sim، وهي تجسر الفجوة بين التوازي القابل للتوسع وفيزياء عالية الدقة من خلال تمكين التدريب المجمع لديناميكيات المركبات المفصلية والاحتكاك المرتبط بحالة الطريق، مما يحقق إنتاجية أعلى بكثير من النماذج المرجعية غير المعتمدة على المتجهات، مع إظهار أداء متفوق في نقل السياسات والسلامة مقارنة بالنماذج الكينماتيكية المبسطة.
تقترح الورقة البحثية نظام REAP، وهو نظام ركن سيارات ذاتي القيادة متكامل يعتمد على التعلم المعزز، والذي يستفيد من خوارزمية Soft Actor-Critic، واستنساخ السلوك، ومحاكي 3D Gaussian Splatting لتحقيق تدريب فعال ونقل ناجح من الواقع إلى المحاكاة ثم إلى الواقع (Real2Sim2Real)، متميزاً بشكل خاص في السيناريوهات القصوى مثل مواقف السيارات الميكانيكية الضيقة.