4461 ورقة بحثية
تقدم هذه الورقة PLAF، وهو إطار عمل يحقق استخراجاً دقيقاً للميزات على مستوى البكسل ومتوافقاً لغوياً في البعد ثنائي الأبعاد، ومخطط تخزين فعالاً لتمكين فهم ثلاثي الأبعاد للمشاهد مفتوح المفردات وقابل للتوسع مع تقليل التكرار إلى أدنى حد.
تقدم هذه الورقة المشغل المرن ثنائي الطوبولوجيا (DTEA)، وهو تصميم مبتكر يتيح التبديل في الوقت الفعلي بين طوبولوجيا المشغلات المرنة المتسلسلة والمتوازية، وقد تم التحقق من ذلك من خلال نموذج أولي أظهر أوقات تبديل قوية بلغت 33.33 مللي ثانية وخصائص متميزة للصلابة ومقاومة الاضطرابات في كل وضع.
تتناول هذه الورقة فشل الموثوقية على مستوى المهمة في طرق تحديد حجم الأسطول الحالية تحت متطلبات استبدال الطائرات بدون طيار المتزامنة، وذلك عبر اشتقاق قاعدة ذات صيغة مغلقة تضيف احتياطياً محدداً من الطائرات بدون طيار لضمان النجاح حتى عندما تنفد جميع الوحدات النشطة في وقت واحد.
تقدم هذه الورقة بنية مفصل هوائي قابل لإعادة التشكيل للروبوتات المستوحاة من الكروم، والتي تتيح تصلبًا محليًا وقابلًا للضبط بالضغط وتثبيتًا للشكل، مما يتغلب على القيود المتأصلة في الصلابة المحورية والقدرة على تحمل الأحمال لتسهيل المناولة والملاحة الموثوقة في البيئات غير المقيدة.
يعالج إطار عمل VADF مشكلات البطء في التقارب وفشل الاستدلال في سياسات الانتشار الروبوتية من خلال تقديم شبكة فقدان تكيفية للتدريب المدرك للصعوبة، ومجزئ مهام رؤية هرمي لجدولة استدلال تكيفية مدركة للتعقيد.
تقدم هذه الورقة DENALI، وهي أول مجموعة بيانات واسعة النطاق من الواقع لرسوم بياسية (histograms) لبيانات ليدار (LiDAR) زمنية مستمدة من مستشعرات منخفضة التكلفة، مما يثبت أن الاستدلال القائم على البيانات يمكن أن يُمكّن من الإدراك الدقيق للأجسام المخفية خارج خط البصر رغم القيود الشديدة في الأجهزة.
تستكشف هذه الدراسة المراجعة التقاطع بين النماذج التوليدية والمركبات المتصلة والآلية (CAVs) من خلال تحليل إمكانات دمجها في تعزيز النمذجة التنبؤية، والمحاكاة، واتخاذ القرار، مع معالجة الفوائد والتحديات المرتبطة بها والآفاق المستقبلية للسلامة والابتكار في مجال النقل.
يُعدُّ AFFORD2ACT إطار عمل خفيف الوزن وموجَّه بالقدرة على الإدراك، حيث يقوم بتقطير المدخلات النصية والصورية إلى مجموعة مدمجة من النقاط المفتاحية الدلالية، مما يُمكِّن سياسات التلاعب الروبوتية من تحقيق تعميم عالٍ وكفاءة في البيانات عبر مهام واقعية متنوعة دون الاعتماد على التمثيلات الكثيفة أو الحس العميق.
تقدم هذه الورقة إطار عمل يولد بيانات اصطناعية مستندة إلى القوة من عرض توضيحي بشري واحد لتدريب سياسات بصرية حركية ممتثلة، مما يمكّن الروبوتات من التعامل بفعالية مع مهام التلاعب الغنية بالتلامس مع تكيف موثوق للقوة وتقليص فجوات النقل من المحاكاة إلى الواقع (Sim2Real).
تُعد TwinOR بنية تحتية من الواقع إلى المحاكاة تعمل على إنشاء توائم رقمية واقعية وديناميكية لغرف العمليات بدقة تصل إلى مستوى السنتيمتر، وذلك لتوفير بيئات آمنة وقابلة للتوسع وواقعية من حيث الاستشعار لتدريب وتقييم الذكاء الاصطناعي المتجسد في الأنظمة الجراحية.