4348 ورقة بحثية
تقدم هذه الورقة NOAH، وهو خوارزمية تحسين سرب مستوحاة من الطبيعة تحاكي سلوك يرقات البرنقاع لتمكين المركبات ذاتية القيادة تحت الماء من التنقل بفعالية في التيارات القوية وتحقيق رسو غير قابل للانعكاس وموفر للطاقة لمهام الاستشعار المستمرة.
تقدم هذه الورقة أول مراجعة منهجية متوافقة مع معايير "بريزما" (PRISMA) تقارن بين التعلم القائم على الألعاب والتحفيز بالألعاب في تعليم الروبوتات، حيث قامت بتحليل 95 دراسة للكشف عن أنماط سياقية متميزة، وتحديد القيود التكنولوجية الحالية، واقتراح ثمانية اتجاهات بحثية إلى جانب إرشادات تصميمية قابلة للتطبيق.
تعالج هذه الورقة حالات الغموض وتصحح أوجه القصور في الأدبيات الحالية المتعلقة بقوى التفاعل والأحمال الداخلية في المناولات المتوازية ذات التكرار في التفعيل، وذلك من خلال تقديم طرق صريحة لتخليق متجهات عزم الدوران للمفاصل والتحقق من صحتها عبر دراسة حالة.
تقدم هذه الورقة نظام PALCAS، وهو نظام استشاري ذكي لتغيير المسار يعتمد على الأولوية للمركبات ذاتية القيادة، والذي يستخدم التعلم التعزيزي الاتحادي متعدد الوكلاء مع دالة مكافأة مبتكرة لتحسين السلامة والكفاءة وإلحاح الوصول إلى الوجهة في كل من سيناريوهات تغيير المسار الإلزامية والاختيارية.
تقترح هذه الورقة إطار التحكم الهجين RAY-TOLD، الذي يدمج الديناميكيات الكامنة القائمة على ليدار (LiDAR) واستراتيجية مزيج السياسات في خوارزمية MPPI لتعزيز ملاحة الروبوتات ذاتية القيادة في الحشود الكثيفة والديناميكية، وذلك عبر الجمع بين المتانة الفيزيائية قصيرة المدى والاستباق المتعلم طويل المدى لتقليل معدلات الاصطدام والهروب من النهايات الصغرى المحلية.
إن PRTS هو نموذج تأسيسي للرؤية واللغة والعمل يعيد صياغة ما قبل التدريب كتعلم تعزيزي مشروط بالهدف باستخدام تمثيلات تباينية لتعلم الوعي الذاتي بالوصول إلى الأهداف من المسارات غير المتصلة، مما يحسن بشكل كبير الأداء الروبوتي في المهام طويلة الأمد، والغنية بالتلامس، والمهام الصفرية مقارنة بنسخ السلوك التقليدي.
تقدم هذه الورقة إطار عمل يعيد بناء وضعيات أجسام الرضع ثلاثية الأبعاد من مقاطع فيديو أحادية، ويعيد توجيهها إلى منصات بشرية الشكل، مادية وافتراضية، لمحاكاة تجارب حسية حركية غنية متعددة الوسائط، مما يوفر أدوات جديدة لعلوم النمو، والروبوتات، والكشف المبكر عن اضطرابات النمو العصبي.
تقترح الورقة البحثية TFM-S3، وهي طريقة هجينة فعالة في استهلاك العينات تسخر نموذجاً أساسياً جدولياً مُدرباً مسبقاً لتوجيه الاستكشاف العالمي ضمن فضاء فرعي للسياسة يتم تحديثه ديناميكياً، مما يؤدي إلى تسريع التقارب وتحسين الأداء في التحكم الروبوتي المستمر عالي الأبعاد مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة مساراً تعلمياً، قابلاً للتفاضل من البداية إلى النهاية، لمطابقة الرسوم البيانية للمشاهد الهرمية، والذي يستفيد من نماذج معلومات البناء لتمكين التوطين الآلي للروبوتات بكفاءة وبدون تدريب مسبق عبر استغلال الهياكل الدلالية متعددة المستويات، متفوقة بذلك على النماذج المرجعية التوافقية الحالية في كل من الدقة والسرعة.
تقترح هذه الورقة إطار عمل للاستدلال النشط بتوجيه من الخبراء يحول تخطيط مسارات الطائرات بدون طيار متعددة من مشكلة تحسين توافقي إلى مهمة استدلال احتمالي هرمي، مما يمكّن الأسراب التكيفية من توليد سلوكيات سلسة ومدركة للتصادم عبر التعلم من عروض الخبراء وتقليل الانحراف عن التوزيعات المرجعية دون الحاجة لإعادة تشغيل المحسنات غير المتصلة بالإنترنت.