4461 ورقة بحثية
تقترح هذه الورقة نماذج تسلسلية قائمة على الانتشار للتعلم الميتا-سياقي (in-context meta-learning) لديناميكيات الروبوت، مظهرةً تفوقها في المتانة تجاه تحولات التوزيع مقارنة بالنماذج الأساسية الحتمية، مع بقائها قابلة للتطبيق للتحكم في الوقت الفعلي من خلال أخذ العينات ذات البداية الدافئة (warm-started sampling).
تقدم هذه الورقة مسحاً موحداً وتقييماً معيارياً منهجياً لطرق الكينماتيكا العكسية الكلاسيكية والقائمة على التعلم لتجنب النقاط المنفردة، كاشفةً أنه في حين تفشل النهج التعلمية البحتة عند الأهداف جيدة التكيّف، فإن البنى الهجينة التي تجمع بين الحلول القائمة على البيانات والتحسين الكلاسيكي تحقق أداءً قوياً.
تستقصي هذه الورقة الآليات الكامنة وراء التدريب المشترك بين المحاكاة والواقع لسياسات الروبوت التوليدية من خلال تحديد والتحقق من تأثيرين جوهريين — محاذاة التمثيل المهيكل وإعادة وزن الأهمية — اللذين يفسران تباينات الأداء ويحفزان منهجية بسيطة للتحسين على المقاربات السابقة.
تتقصى هذه الورقة تجريبياً العلاقة بين كينماتيكا التفاعل بين الروبوت المتنقل والمشاة والراحة الذاتية، مبرهنةً على أن متنبئاً مركباً يستخدم متغيرات كينماتيكية متعددة يمكنه تحديد مشاعر المشاة بفعالية لتمكين الملاحة الروبوتية الأكثر امتثالاً اجتماعياً.
تقدم هذه الورقة البحثية VLAJS، وهي طريقة تعزز التعلم المعزز للمناولة الروبوتية باستخدام نماذج الرؤية واللغة والعمل (Vision-Language-Action models) كإرشاد عابر ومخفف لتحسين الاستكشاف وتخصيص الائتمان، مما يحقق كفاءة أعلى بكثير في استهلاك العينات ونقلاً قوياً من المحاكاة إلى الواقع مقارنة بالنماذج المرجعية القياسية.
تقدم هذه الورقة FIDeL، وهو نموذج مستقل عن السياسة يجمع بين الكشف الإحصائي عن الشذوذ والترشيح الدلالي عبر نماذج الرؤية واللغة للتمييز بدقة بين الإخفاقات الحقيقية والانحرافات الحميدة في التعلم بالتقليد، والذي تم التحقق من صحته بواسطة مجموعة بيانات BotFails الجديدة والأداء المتفوق على النماذج المرجعية الحالية.
تقدم الورقة البحثية EmbodiedClaw، وهو وكيل محادثة يعمل على أتمتة سير عمل تطوير الذكاء الاصطناعي المتجسد المعقد وعالي التكلفة — مثل بناء البيئات، وتوليد المسارات، وتقييم النماذج — من خلال ترجمة الأهداف المكتوبة باللغة الطبيعية إلى إجراءات قابلة للتنفيذ، مما يقلل بشكل كبير من الجهد الهندسي اليدوي مع تعزيز الاتساق وقابلية التكرار.
تقدم الورقة البحثية Mosaic، وهو إطار عمل قابل للتوسيع يدمج مخططي حركة قائمين على القواعد وتلك المتعلمة من خلال رسوم بيانية للتحكيم لتحقيق أداء شفاف وآمن ومتطور في القيادة الذاتية دون الحاجة إلى إعادة التدريب.
تقدم الورقة البحثية إطار العمل الهجين MARLIN، الذي يستفيد من التفاوض القائم على اللغة بين الروبوتات لتوجيه التعلم المعزز متعدد الوكلاء، مما يتيح استكشافاً أكثر أماناً وفعالية خلال مراحل التدريب المبكرة دون المساس بالأداء النهائي.
تقدم الورقة البحثية TacMan-Turbo، وهو إطار عمل للتحكم اللمسي الاستباقي يحل المفاضلة بين الفعالية والكفاءة في التعامل مع الأجسام المفصلية من خلال تفسير انحرافات التلامس كمعلومات حركية لتمكين التعديلات التنبؤية، محققاً نسبة نجاح 100% وأداءً فائقاً عبر مهام متنوعة في بيئات محاكاة وواقعية دون الاعتماد على نماذج حركية مسبقة.