4223 ورقة بحثية
تقترح هذه الورقة طريقة لاتساق الأفعال عبر الرؤى المتعددة تعمل على تنظيم سياسات الرؤية-اللغة-الأفعال القائمة على التدفق لتحقيق المتانة ضد تغيرات زوايا رؤية الكاميرا والمشهد باستخدام الصور اللونية (RGB) والبيانات الحسية الخاصة فقط، مما يحسن الأداء بشكل كبير في مهام الروبوتات المحاكاتية والواقعية دون الحاجة إلى تسميات الكاميرا أو مدخلات العمق.
تقدم الورقة البحثية طريقة "ميزة إزالة الضجيج الوسيطة" (DIA)، وهي طريقة تدرج السياسة التي تعزز سياسات الروبوت القائمة على الانتشار من خلال تخصيص ائتمان يعتمد على الحالة لخطوات إزالة الضجيج الوسيطة، مما يتيح استكشافاً أكثر كفاءة وأداءً فائقاً للمهام مقارنة بنهج الضبط الدقيق الحالي.
تقترح هذه الورقة نموذجاً هجيناً يجمع بين الشبكات العصبية التلافيفية الزمنية (TCN) والمحولات (Transformer)، والذي يستفيد من تحليل الحساسية وتحليل المكونات الرئيسية على رسائل بيانات الاقتران (CDMs) للتنبؤ بدقة باحتمالات التصادم المستقبلية لأقمار مدار الأرض المنخفض الاصطناعية، مما يتيح تقييماً مبكراً وأكثر اتساقاً للمخاطر المتعلقة بمناورات تجنب الاقتران.
تحدد هذه الورقة أن تحديد أجزاء الأجزاء (part grounding)، وليس نقص معرفة الفعل، هو العائق الأساسي في التنبؤ بالإمكانات (affordance prediction) في نماذج الرؤية واللغة، مما يثبت أن التحديد الصريح لجزء الكائن المستهدف يحسن دقة الفعل بشكل كبير عبر جميع النماذج المختبرة.
تُعد GroundBench معياراً مرجعياً تحليلياً وضد واقعي، صُمم لعزل وتشخيص الأسباب المحددة لإخفاقات نماذج الرؤية واللغة في إدراك القدرة على التنفيذ (affordance)، وذلك من خلال إثبات أن العديد من نجاحات التوطين الظاهرية مدفوعة في الواقع بالارتباطات بين الفئة والفعل بدلاً من الاستنتاج البصري أو الميكانيكي الحقيقي.
تقدم هذه الورقة آلية "ترانسفورمر" (transformer) ذات زيادة تدريجية أثناء وقت التشغيل، تعمل على نمو وتقليص رؤوس الانتباه ديناميكيًا أثناء التعلم التعزيزي بناءً على القدرة التمثيلية للسياق وفائض الرؤوس، مما يقضي على الإخفاقات الكارثية في التحكم التكيفي طويل الأمد للمناولات الروبوتية ذات ذاكرة الاحتكاك غير المرئية، ويزيل الحاجة إلى الضبط المسبق المكلف للمعلمات الفائقة.
يُعد LePlanner متحكماً تكرارياً مستهلكاً (amortized) يتدرب على نموذج عالم مجمد باستخدام هدف "الوصول والانتظار" (arrival-and-hold) لتحقيق تخطيط سريع مدرك للأفق في البيئات الغنية بالتلامس، مما يجعله يضاهي أداء طرق البحث المكلفة مع تقليل زمن الاستجابة الحسابي بشكل كبير.
تقدم هذه الورقة البحثية LPA-CWM، وهي طريقة توظف مُحكّماً فيزيائياً مُتعلماً خفيف الوزن (Learned Physical Adjudicator) لوزن استجابات نموذج العالم المضاد للواقع (counterfactual world model) ديناميكياً بناءً على موثوقيتها، مما يحسن بشكل كبير من دقة الاستدلال الحركي والتتبع مقارنة بنهج التجميع الموحد.
تقترح الورقة البحثية "مطابقة التدفق الموجه بالقيمة" (VGFM)، وهو إطار عمل قابل للتوسع للتعلم التعزيزي غير المتصل (offline reinforcement learning) يدمج التوجيه الكثيف القائم على القيمة في سياسات مطابقة التدفق التعبيرية للتحكم الروبوتي دون الحاجة إلى الانتشار العكسي عبر الزمن أو أعباء خوارزمية إضافية، محققاً أداءً قوياً عبر مهام متنوعة من الحركة والتلاعب.
تقدم هذه الورقة البحثية S3-Tracker، وهو أسلوب تعلم ذاتي يستفيد من المسارات العشوائية التباينية على مقاطع فيديو تنظيرية غير مصنفة لتحقيق تتبع قوي لأنسجة الجراحة يضاهي الأساليب شبه المشرفة، مما يتغلب على تحدي الحصول على مجموعات بيانات ضخمة مشروحة للتدخل المساعد بالحاسوب.