4581 ورقة بحثية
يقدم Swim2Real مساراً مبتكراً يستفيد من التغذية الراجعة لنماذج الرؤية واللغة والبحث الخطي المتراجع لمعايرة محاكي سمكة روبوتية مكون من 16 معلماً تلقائياً مباشرة من فيديوهات السباحة، مما يغلق فعلياً فجوة المحاكاة إلى الواقع ويمكّن النقل لتعلم التعزيز صفري الاستباق للروبوتات المائية الفيزيائية دون تحديد يدوي للنظام.
تقدم الورقة البحثية Glove2Hand، وهو إطار عمل يقوم بتخليق فيديوهات واقعية لليد العارية من بيانات قفاز استشعار متعدد الوسائط باستخدام نموذج يد قائم على التوزيعات الغاوسية ثلاثية الأبعاد وتقنية استعادة قائمة على الانتشار، مع تقديم مجموعة بيانات HandSense لتعزيز التطبيقات اللاحقة مثل تقدير التلامس وتتبع اليد المحجوبة.
يُعد OrbitStream إطار عمل خالٍ من التدريب للبث التكيفي للفيديو بزاوية 360 درجة في عمليات التحكم عن بُعد، حيث يجمع بين الفهم الدلالي للمشهد ونظرية التحكم القوية لتحقيق تجربة جودة تنافسية ودقة عالية في التنبؤ بمنطقة الرؤية دون الحاجة إلى تدريب قائم على البيانات.
تقدم هذه الورقة إطار عمل مفتوح المصدر لنظام أندرويد لروبوت "بيبر" (Pepper) يستخدم نماذج الكلام-إلى-الكلام (Speech-to-Speech) من طرف إلى طرف واستدعاء الوظائف الوكيل (agentic Function Calling) للتغلب على قيود زمن الاستجابة والقيود متعددة الوسائط التي تفرضها المسارات المتتالية التقليدية، مما يتيح تفاعلات تجسدية منخفضة زمن الاستجابة، تعبيرية، ومتكاملة تماماً.
تُعد "Cortical Policy" نموذج محول رؤية ثنائي المسار مبتكر يحاكي دمج الدماغ البشري للمعالجة البصرية الثابتة والديناميكية لتعزيز الاستدلال المكاني ثلاثي الأبعاد والتحكم التكيفي في مهام المناولة الروبوتية بشكل كبير.
تقدم الورقة البحثية AlphaAdj، وهو إطار عمل للملاحة البصرية في الوقت الفعلي يستفيد من نموذج رؤية-لغة لضبط درجة التحفظ في مرشحات دالة حاجز التحكم بناءً على مدخلات RGB من منظور الشخص الأول بشكل ديناميكي، مما يحقق توازناً فائقاً بين السلامة والكفاءة في البيئات الديناميكية مقارنة بالنهج ذات المعلمات الثابتة.
تقترح هذه الورقة إطار عمل هيكلياً، مستقلاً، وشاملاً من الطرف إلى الطرف لأنظمة الزراعة الدقيقة متعددة الطائرات بدون طيار، يقوم بتنسيق مهام مثل تخطيط المسار ومعالجة الصور مع معالجة القيود الرئيسية لضمان تحمل الأخطاء، والمتانة، وسهولة النشر.
تقدم هذه الورقة نظام HyReach، وهو نظام مناور هجين (صلب-لين) مستمر في الوقت الفعلي يدمج بين الإدراك القائم على الرؤية، وإعادة بناء المشهد ثلاثي الأبعاد، والتحكم القائم على التعلم لتحقيق وصول قوي وقابل للتعميم إلى الأجسام في بيئات غير مرئية ومزدحمة بدقة تقل عن 2 سم.
يُعد GaussianSSC إطار عمل لإكمال المشهد الدلالي ثنائي المراحل ومتوافق مع الشبكات (grid-native)، يعمل على تعزيز التمثيلات القائمة على الفوكسل (voxel) من خلال تقديم عملية "الترسيخ الغاوسي" (Gaussian Anchoring) لتحسين المحاذاة بين الصورة والفوكسل، ووحدة "صقل الغاوسي-ثلاثي المستويات الاتجاهي" (directional Gaussian–Triplane Refinement) لالتقاط الخصائص السطحية متباينة الخواص، محققاً بذلك أداءً هو الأفضل في فئته على مقي-اس SemanticKITTI.
تقدم الورقة البحثية CataractSAM-2، وهو نموذج متكيف مع النطاق يعتمد على نموذج Segment Anything Model 2، يتيح التجزئة في الوقت الفعلي وعالية الدقة لمقاطع فيديو جراحة الساد (الماء الأبيض) ويسهل عملية ترميز الحقيقة الأرضية القابلة للتوسع من خلال إطار عمل تفاعلي، بينما يُظهر قدرة قوية على التعميم الصفري (zero-shot generalization) للإجراءات العينية الأخرى.