4391 ورقة بحثية
تقترح هذه الورقة طريقة eCP، التي تعزز التنبؤ المطابق لتقدير عدم اليقين طويل الأمد من خلال دمج التماثل الهندسي عبر متوسط المجموعات للنماذج مسبقة التدريب، مما يؤدي بشكل مثبت إلى تقليل درجات عدم المطابقة وإنتاج مجموعات تنبؤ أكثر حدة، لا سيما عند مستويات الثقة العالية.
تقدم هذه الورقة إطار عمل مفتوح المصدر وقابلاً لإعادة الإنتاج لتحديد موقع مصدر الرائحة بواسطة طائرة بدون طيار ذاتية القيادة، يستخدم مجموعة مستشعرات دنيا وسياسة ملاحة قائمة على التعلم من المحاكاة إلى الواقع لتحديد مواقع مصادر الرائحة في البيئات المضطربة دون الحاجة إلى رسم خرائط غازية صريحة أو بنية تحتية خارجية، مع دمج الرؤية اختيارياً لتعزيز الأداء.
تقترح هذه الورقة البحثية Visual-RRT (vRRT)، وهو مخطط حركة مبتكر يجسّر الفجوة بين الاستكشاف القائم على أخذ العينات والاستغلال القائم على التدرج لتمكين الملاحة الروبوتية نحو أهداف بصرية محددة بواسطة صور أو فيديوهات، بدلاً من اشتراط تكوينات مفاصل عددية صريحة.
تقدم الورقة البحثية PHASE، وهو إطار عمل للعب الذاتي مدرك للسياق يولد سيناريوهات حركة مرور واقعية وقابلة للتحكم ومتنوعة على الطرق السريعة تتضمن أنواعاً مختلفة من المركبات، محققاً انتقالاً فائقاً في وضع الصفر إلى البيانات الواقعية وتحسناً في واقعية السلوك مقارنة بالنماذج المرجعية الحالية دون الاعتماد على المحاكاة المباشرة للخبير.
تقترح هذه الورقة بنية مترجم حديثة متعددة المراحل تترجم لغة ASAM OpenSCENARIO 2.1 الوصفية مباشرة إلى سلوكيات قابلة للتنفيذ في بيئة CARLA باستخدام واجهة أمامية تعتمد على ANTLR4 ووسط برمجِي دلالي، مما يتيح اختباراً قائماً على السيناريوهات مدفوعاً بالنيات ومعلناً دون الاعتماد على أدوات تحليل قديمة أو أدوات حل منطقية خارجية.
تقدم هذه الورقة إطار عمل يعتمد على المحولات (Transformer) تم تدريبه باستخدام خوارزمية تحسين السياسة القريبة (PPO) لتقليم العقد الزائدة في رسوم الاستكشاف الروبوتية ديناميكياً، مما يحقق تقليلاً في الحجم يصل إلى 96% مع ضمان أداء استكشاف ثابت عبر بيئات متنوعة.
تدمج هذه الدراسة المسحية المجال الناشئ للذكاء الاصطناعي في المدار عبر تقديم تصنيف موحد ورؤية شاملة على مستوى النظام لكل من التعلم الاتحادي، وخوارزميات الوكلاء المتعددين، ونماذج الاستشعار التعاوني المصممة لتمكين اتخاذ القرار المستقل والمنسق في كوكبات الأقمار الاصطناعية تحت قيود تشغيلية صارمة.
تقدم هذه الورقة البحثية "تحسين سياسة الانجراف الإيجابي فقط" (PODPO)، وهو نهج توليدي يعتمد على التعلم التعزيزي عبر الإنترنت، وهو نهج خالٍ من الاحتمالية وخالٍ من تقليم التدرج، يستفيد من التباين المحلي المرجح بالميزة على عينات الميزة الإيجابية لتوجيه الأفعال نحو مناطق العائد المرتفع مع منع الأخطاء بشكل استباقي.
يُعد ReconVLA إطار عمل يعزز موثوقية نماذج الرؤية واللغة والعمل (VLA) سابقة التدريب من خلال تطبيق التنبؤ المطابق لتوليد تقديرات معايرة لعدم اليقين وكشف الحالات غير الآمنة، مما يتيح التحكم الروبوتي المدرك للفشل دون الحاجة إلى إعادة تدريب النموذج.
يُعد Rewind-IL إطار عمل عبر الإنترنت لا يتطلب تدريباً، يعمل على تعزيز موثوقية سياسات تعلم التقليد طويلة المدى من خلال الجمع بين كاشف فشل صفري القدرة وآلية إعادة إحياء الحالة التي تقوم تلقائياً بإعادة تشغيل التنفيذ إلى نقاط تفتيش آمنة تم التحقق منها عند اكتشاف الانحراف.