4546 ورقة بحثية
تقدم الورقة البحثية إطار عمل HAMLET، وهو إطار عمل قابل للتوسع يعزز نماذج الرؤية واللغة والعمل (Vision-Language-Action) من خلال دمج رموز لحظات التباين الزمني ووحدة ذاكرة خفيفة الوزن للاستفادة بفعالية من السياق التاريخي، مما يحسن بشكل كبير أداء التلاعب الروبوتي في المهام طويلة المدى والمهام المعتمدة على التاريخ.
يُعد X-Diffusion إطار عمل للتعلم عبر الهياكل المختلفة يستفيد من الانتشار المحيطي (Ambient Diffusion) لتدريب سياسات الروبوت بشكل انتقائي على عروض بشرية مشوشة، مما يستخلص بفعالية القصد ذي الصلة بالمهمة مع تصفية عدم الإمكانية المرتبطة بهيكل معين، مما يؤدي إلى تحسين معدلات نجاح عمليات المعالجة بشكل كبير.
تقدم هذه الورقة البحثية RoboTAG، وهو إطار عمل متكامل لتقدير وضعية الروبوت من صور RGB أحادية الكاميرا، والذي يستفيد من رسم بياني للمحاذاة الطوبولوجية مع فروع ثنائية وثلاثية الأبعاد متطورة معاً لدمج الأولويات ثلاثية الأبعاد وتقليل الاعتماد على البيانات المصنفة النادرة، مما يعالج الفجوة بين المحاكاة والواقع.
تقدم هذه الورقة RoVer-CoRe، وهو إطار عمل مبتكر يتيح التحقق الرسمي القوي وتصميم المتحكمات القائمة على الإدراك تحت حالة عدم اليقين في الحالة، وذلك عن طريق دمج مكونات النظام في نموذج حلقة مغلقة مكافئ متوافق مع تحليل الوصول لهاملتون-جاكوبي.
تقدم هذه الورقة Target-Bench، وهو معيار مرجعي مبتكر يتكون من 450 سيناريو تم جمعها بواسطة روبوتات، صُممت لتقييم قدرات الاستدلال الدلالي وتخطيط المسار بدون خرائط لنماذج العالم المرئية، مما يكشف عن فجوة كبيرة بين الواقعية البصرية وأداء التخطيط، مع إثبات أن الضبط الدقيق على بيانات من العالم الحقيقي يمكن أن يحسن النتائج على مستوى المهام بشكل كبير.
إن IGen هو إطار عمل قابل للتوسع يستفيد من صور العالم المفتوح ونماذج الرؤية واللغة لتخليق مشاهد ثلاثية الأبعاد واقعية وأفعال روبوتية قابلة للتنفيذ، مما يمكّن من تدريب سياسات روبوتية عامة بأداء يضاهي تلك التي يتم تدريبها على بيانات من العالم الحقيقي.
تقدم هذه الورقة البحثية مفهوم التلاعب المتنقل المحفز بالصوت كنموذج جديد حيث تكتشف الوكلاء الأجسام باعثة الصوت وتتفاعل معها ذاتياً دون تعليمات صريحة، مدعومة بمنصة بيانات Habitat-Echo ونظام أساسي يظهر أداءً قوياً حتى في السيناريوهات الصوتية المعقدة والمتداخلة.
إنَّ ROBOGATE هو إطار عمل مفتوح المصدر يضمن النشر الآمن لسياسات الروبوت من خلال الجمع بين المحاكاة القائمة على الفيزياء واستراتيجية أخذ عينات تكيفية ثنائية المرحلة لتحديد حدود الفشل بكفاءة، مما يسد بفعالية الفجوة الحرجة بين معدلات النجاح العالية في بيئات التدريب مثل MuJoCo والتحقق الصارم المطلوب للسيناريوهات الصناعية في العالم الحقيقي.
تقدم الورقة البحثية إطار عمل C2T، وهو إطار عمل مبتكر يسخر النماذج اللغوية الكبيرة لاستخلاص المعرفة القائمة على المنطق السليم في دالة مكافأة جوهرية، مما يعزز بشكل كبير مستويات السلامة والكفاءة والراحة في التعلم التعزيزي متعدد الوكلاء لتنسيق إشارات المرور والمركبات ذاتية القيادة مقارنة بالنماذج المرجعية التقليدية المصممة يدويًا للمكافآت.
تقترح هذه الورقة سياسة هجينة فعالة حاسوبياً تجمع بين استراتيجيات كسب المعلومات ودوال القيمة الجشعة لتمكين المطاردة الشمية القوية للأهداف المتحركة في التدفقات المعقدة والمضطربة من خلال الاستفادة من الاستدلال التنبؤي لحركة الهدف.