4546 ورقة بحثية
تقدم هذه الورقة إطار عمل موحداً للنمذجة والتحكم في الوقت الفعلي للعضلات الاصطناعية المتضادة، والذي ينجح في فصل تتبع عزم دوران المفصل والصلابة عبر أنواع مختلفة من المشغلات، مما يتيح سلوكيات ممانعة تكيفية توازن بين امتصاص الصدمات والاستقرار أثناء التلامس الديناميكي.
يُعد SING3R-SLAM إطار عمل للملاحة ورسم الخرائط المتزامن (SLAM) أحادي العدسة يتسم بالاتساق العالمي، حيث يستخدم خريطة غاوس عالمية مستمرة ومحاذاة على مستوى الخرائط الفرعية للتغلب على الانجراف وعدم اتساق المقياس، محققاً أداءً رائدًا في تقدير الوضعية، وإعادة البناء ثلاثي الأبعاد، وتوليد المشاهد من زوايا جديدة.
تقدم هذه الورقة محاكياً قائماً على MuJoCo لتصميم والتحكم في شباك روبوتية لينة ونشطة لالتقاط حطام فضائي مثل "إينفيسات" ذاتياً، مما يثبت أن شبكة عالية الامتثال مقترنة بمتحكم نمط الانزلاق تحقق معدلات نجاح في الالتقاط بنسبة 100% من وضعية بدء ثابتة.
يقدم ActDistill إطار عمل عام للتقطير ذاتي الاشتقاق الموجه بالأفعال، والذي يستفيد من الأولويات الحركية ومعلم ذي بنية رسومية لتدريب نماذج رؤية-لغة-فعل خفيفة الوزن باستخدام التوجيه الديناميكي، محققاً أداءً يضاهي النماذج كاملة النطاق مع تقليل الحوسبة بنسبة تزيد عن 50% وخفض زمن انتقال الاستدلال بشكل كبير.
تقدم هذه الدراسة المسحية نظرة شاملة على الجهود البحثية الرامية إلى تعزيز قدرات الوقت الحقيقي لنظام ROS 2، حيث تغطي آليات الجدولة الداخلية، وتحليل التوقيت، والتحسينات في وقت التشغيل المدفوعة من قبل المجتمع، وتقنيات تحسين الاتصال، مع تقديم تصنيفات لتنظيم هذا المجال للباحثين والممارسين.
يُعد UniCon إطار عمل خفيف الوزن ومعياريًا يعمل على توحيد واجهات التحكم في الروبوتات وتحسين تدفق البيانات لتمكين النشر الفعال والقابل للتوصيل والتشغيل للمتحكمات القائمة على التعلم عبر منصات روبوتية متنوعة وغير متجانسة بأقل قدر من إعادة الهندسة.
تقدم هذه الورقة "تعلم الآلة بالمكعبات"، وهي منصة مفتوحة المصدر قائمة على الويب ودورة تدريبية لمدة يومين تستخدم أنشطة روبوتات ليغو خالية من البرمجة لتدريس خوارزميات تعلم الآلة الأساسية بفعالية للطلاب الذين تتراوح أعمارهم بين 12 و17 عاماً، مما أدى إلى تحسينات ذات دلالة إحصائية في فهمهم التقني وتحفيزهم وتفاعلهم.
تقدم هذه الورقة البحثية نظام "Adaptive Multi-modal KalmanNet" (AM-KNet)، وهو مُقدِّر حالة هجين يعزز إدراك القيادة الذاتية من خلال دمج التعلم الخاص بكل مستشعر، والشبكات الفائقة المدركة للسياق، وفرع متخصص لتقدير التباين لتحقيق دقة تتبع واستقرار فائقين على مجموعات البيانات السياراتية الواقعية مقارنة بالطرق الحالية.
تجادل هذه الورقة بأن كسب متحكم الموضع لتعلم سياسة الروبوت يجب أن يُختار بناءً على توافقه مع نموذج التعلم المحدد (استنساخ السلوك، أو التعلم المعزز، أو النقل من المحاكاة إلى الواقع)، بدلاً من متطلبات الصلابة التقليدية القائمة على المهام، كما أظهرت تجارب منهجية كشفت عن أنظمة كسب مثلى متميزة لكل نهج.
تقدم هذه الورقة إطار عمل للاستشعار الحسي العميق مدركاً للديناميكيات، يتغلب على قيود الافتراضات شبه الساكنة من خلال النمذجة الصريحة لتأثيرات الكتلة المضافة المعتمدة على التسارع، مما يمكّن الروبوتات من تقدير خصائص التضاريس الحبيبية بدقة أثناء القفز عالي السرعة.