4546 ورقة بحثية
يعالج DisCo-FLoc مشكلة الغموض ومحدودية التوسيم في تحديد المواقع المرئي للمخططات الأرضية من خلال تقديم متنبئ انحدار الأشعة وإطار عمل تعلم تبايني جديد ثنائي المستوى يطابق الميزات المرئية المدركة للعمق مع الهياكل الهندسية دون الحاجة إلى تسميات دلالية إضافية.
تقترح الورقة البحثية إطار عمل VP-VLA، وهو نظام ثنائي يعزز نماذج الرؤية واللغة والعمل من خلال فصل التفكير عالي المستوى عن التنفيذ منخفض المستوى عبر واجهة تلميح بصري مهيكلة، مما يحسن بشكل كبير الدقة المكانية والمتانة في المهام الروبوتية.
تقترح هذه الورقة إطار عمل قائماً على علوم الأعصاب لتتبع نظرات العين بدون مستشعرات ومنخفض التكلفة في مجال التفاعل بين الإنسان والروبوت، والذي يستفيد من أولوية التحدب في النظام البصري البشري لخلق وهم التواصل البصري المتبادل باستخدام روبوتات كرتونية بسيطة تقل قيمتها عن دولار واحد، مما يلغي الحاجة إلى المستشعرات المكلفة والحوسبة والمخاوف المتعلقة بالخصوصية.
تُعد MoRI إطار عمل جديد للمناولة الروبوتية يجمع ديناميكيًا بين خبراء التعلم بالتقليد والتعلم التعزيزي لتحقيق معدلات نجاح عالية، وتقارب سريع، وتقليل كبير في التدخل البشري في المهام المعقدة طويلة المدى.
تقدم هذه الورقة البحثية ReaLiTy، وهو إطار عمل موحد مستند إلى الفيزياء لتحويل بيانات ليدار (LiDAR) عبر المستشعرات وظروف الطقس القاسية، إلى جانب مجموعة بيانات LADS، لتمكين التحليل المنهجي والتكيف القوي في أنظمة النقل الذكية.
تقدم الورقة البحثية AnySlot، وهو إطار عمل يحقق دقة دون السنتيمتر في وضع القطع في أماكنها (slot-level placement) من خلال التعلم الصفري (zero-shot)، وذلك عبر فصل الربط اللغوي عن التحكم من خلال تمثيل بصري صريح للهدف، مصحوباً بمعيار SlotBench الجديد لتقييم مهام الاستدلال المكاني المهيكلة هذه.
تقدم الورقة البحثية AWARE، وهو إطار عمل تكيفي مستوحى حيويًا يعزز قياس المسافات بالليدار والقصور الذاتي (LiDAR-Inertial Odometry) لعمليات الطائرات بدون طيار التي تتضمن تدخلًا بشريًا، وذلك عبر التحسين الديناميكي لالتفاف الجسم بالكامل (whole-body yawing) من خلال استراتيجية تحكم تنبؤي نموذجي موجهة بالتعلم التعزيزي لزيادة كسب المعلومات وضمان تقدير الحالة بدقة وأمان في البيئات شحيحة المعالم.
تقترح هذه الورقة البحثية **SocialLDG**، وهو إطار عمل جديد للتعلم متعدد المهام يستفيد من الأولويات المعجمية وتعلم الرسوم البيانية الديناميكية لنمذجة العلاقات المتطورة بين الحالات الداخلية للمستخدمين والأفعال الملحوظة، مما يمكّن الروبوتات من تحقيق ذكاء اجتماعي رائد، وتعلم مهام قابل للتوسع، ورؤى قابلة للتفسير حول اتخاذ القرار لدى البشر.
يُعد Fast-SegSim إطار عمل جديداً للتجزئة مفتوحة المفردات في الوقت الفعلي، مبنياً على تقنية Gaussian Splatting ثنائية الأبعاد، ويستخدم تقنيات رندرة محسنة مثل التقاطع الدقيق للبلاطات (Precise Tile Intersection) والاختيار الصعب لـ Top-K (Top-K Hard Selection) لتحقيق أكثر من 40 إطاراً في الثانية، مما يتيح مدخلات محاكاة عالية التردد ويولد تسميات حقيقية (ground truth) متسقة ثلاثية الأبعاد تعمل على تحسين مهام الإدراك الروبوتي اللاحقة بشكل كبير.
تُعد DoScRe-Flow طريقة مبتكرة لضبط التعلم المعزز القائم على الدرجة (score-based) لسياسات مطابقة التدفق (Flow Matching)، حيث تحقق تحكماً منفصلاً في متوسط الانتقال والتباين عبر تعديل الانجراف بواسطة دالة الدرجة، مما يؤدي إلى تقارب أسرع بكثير ومعدلات نجاح أعلى في مهام التحكم الروبوتي مقارنة بالنهج الحالية المتطورة.