4223 ورقة بحثية
تقترح هذه الورقة إطار عمل قوي لتشخيص الأعطال للمركبات تحت الماء يجمع بين تقدير الأفق المتحرك والعمليات الغاوسية للتمييز بين أعطال المشغلات الميكانيكية والديناميكيات غير المنمذجة، مما يتيح الكشف الدقيق والعزل وتقدير المقدار، وهو ما تم التحقق منه من خلال تجارب مختبرية.
تقدم الورقة البحثية GLAM، وهو نموذج عالم كامن مشروط بالهدف يتم تدريبه على ذاكرة مكانية زمانية عالمية يتنبأ بتمثيلات الخرائط المستقبلية ونقاط المسار الملاحية لتمكين الاستكشاف النشط والملاحة الدلالية بشكل محسّن، كما تم إثبات تفوق نظام GLAM NAV على خط الأساس BSC-Nav في مهام HM3D-ObjectNav.
تجادل هذه الورقة بأن تحديد موقع المركبات بشكل مستمر ومرتبط بمعايير السلامة داخل أنفاق الطرق يجب أن يتحقق من خلال استمرارية المسار عبر الوسائط المدعومة بالبنية التحتية — عبر دمج الاستشعار الصوتي الموزع، والكاميرات، وأجهزة الاستشعار الموجودة على متن المركبة مع مرساة بوابة أقمار صناعية موثوقة — بدلاً من الاعتماد على مجرد الاستقراء بالتقدير التقديري.
يُعد HydroMap إطار عملًًا منفصلًا عن قياس المسافات (odometry-decoupled) يدمج الملاحظات الستيريو مع انتشار عدم اليقين لإنشاء خريطة ارتفاع ثنائية ونصفية (2.5D) احتمالية ومستمرة لأسطح المياه، مما يكمل بفعالية بيانات ليدار (LiDAR) المتفرقة للملاحة الذاتية في الممرات المائية الداخلية.
تقدم هذه الورقة شهادة جدوى دقيقة وخوارزمية لتخصيص المسؤولية الأمثل لمرشحات السلامة القائمة على دالة حاجز التحكم متعددة الروبوتات، والتي تشخص أسباب عدم الجدوى، وتحدد الوكلاء المسؤولين، وتقلل بشكل كبير من حالات فشل التحكم وانتهاكات السلامة عن طريق توزيع القيود المشتركة بشكل أمثل.
تقترح هذه الورقة بروتوكولاً معيارياً لتقييم المسار للروبوتات الميدانية يجمع بين طريقة مبتكرة للمحاذاة الزمنية القائمة على الانحناء وبين مقياس خطأ مُطَبَّع بالمسافة، وذلك لمعالجة أوجه القصور في أدوات التقييم الحالية وضمان مقارنات دقيقة وصارمة وقابلة للتكرار.
تُظهر هذه الدراسة أنه في حين أن إزالة أزواج حركة المرور المتعلمة بين المركبات ذاتية القيادة (AV) في تنبؤات الحركة يحافظ على المقاييس الهامشية على مستوى الفاعل، إلا أنه يغير بشكل كبير قرارات المخطط وتكاليفه، رغم أنه لا يمكن فصل الآثار الملحوظة تماماً عن التغييرات المصاحبة في التركيز المشروط بالمرشحين.
يقدم HarnessVLN إطار عمل موحداً للملاحة المتجسدة، يعمل بنظام التعلم الصفري (zero-shot) وبدون تدريب، وذلك عبر توظيف "حمالة وكيل" (Agent Harness) لتنسيق الإدراك والذاكرة والتحقق من الإجراءات من خلال واجهة أدوات مهيكلة، محققاً أداءً هو الأفضل في فئته على عدة معايير قياسية دون الحاجة إلى تدريب خاص بالمهام.
تقترح هذه الورقة نهجاً موزعاً لمجال متجه تعاوني آمن يدمج تجنب التصادم التكيفي مع الكينماتيكا المقيدة بالانحناء لتمكين تتبع المسار الآمن والممكن والمتناسق للأنظمة متعددة الروبوتات، وهو ما تم التحقق من صحته من خلال كل من المحاكاة والتجارب الواقعية.
تقترح هذه الورقة إطار عمل عبر الإنترنت يستخدم ملاحظات ليدار (LiDAR) ونموذجاً بارامترياً منخفض الرتبة لقياس وتتبع تشوه التربة الناجم عن الروبوت في الوقت الفعلي، مما يتيح عمليات روبوتية مدركة للتربة يمكنها تكييف السلوكيات لتقليل تدهور التربة الزراعية.