4653 ورقة بحثية
تقدم هذه الورقة PACE، وهو إطار عمل للتعلم المعزز المعزز بالفيزياء يُمكّن روبوتًا بشريًا بـ 23 درجة من الحرية من تحقيق لعب تنس طاولة متعدد الاستخدامات، ومنسق، وعالي الأداء من خلال دمج متنبئ بحالة الكرة مُتعلم مع مكافآت كثيفة موجهة فيزيائيًا للتحكم الكامل في الجسم من البداية إلى النهاية.
تقدم هذه الورقة SO-Bench، وهو معيار شامل يتكون من أكثر من 6,500 مخطط JSON متنوع و1,800 زوج من الصور والمخططات المنسقة عبر أربعة مجالات بصرية لتقييم وتحسين قدرات النماذج اللغوية الكبيرة متعددة الوسائط في إنتاج مخرجات مهيكلة متوافقة مع المخططات بشكل منهجي.
تقدم الورقة البحثية SimScale، وهو إطار عمل محاكاة قابل للتوسع يقوم بتخليق سيناريوهات قيادة متنوعة وعالية الدقة من سجلات العالم الحقيقي، ويقوم بتدريب سياسات القيادة الذاتية عبر التدريب المشترك مع إشراف الخبراء الزائف، مما يحسن بشكل كبير من المتانة والقدرة على التعميم في الاختبارات المعيارية الصعبة دون الحاجة إلى بيانات إضافية من العالم الحقيقي.
تقدم هذه الورقة البحثية "Daze"، وهو هجوم باب خلفي جديد خالٍ من المكافآت (reward-free) يستهدف اختراق وكلاء التعلم المعزز المدربين في بيئات محاكاة غير موثوقة ببراعة عبر التلاعب بديناميكيات البيئة لتحفيز أفعال خبيثة دون الحاجة إلى الوصول إلى إشارات المكافأة أو تعديلها، وهي قدرة تم التحقق من صحتها تجريبياً على كل من المحاكاة والأجهزة الروبوتية في العالم الحقيقي.
يُعد LaS-Comp إطار عمل يعتمد على التعلم الصفري ولا يتطلب تدريباً، حيث يستفيد من الأولويات المستمدة من النماذج التأسيسية ثلاثية الأبعاد عبر تصميم ثنائي المراحل يتكون من الاستبدال الصريح والتحسين الضمني لتحقيق إكمال أشكال ثلاثية الأبعاد عالية الجودة وغير مرتبطة بفئة معينة، وهو ما تم التحقق منه بواسطة معيار Omni-Comp الجديد.
يُعد NavThinker إطار عمل يستشرف المستقبل، حيث يربط نموذج عالم مشروط بالفعل مع التعلم التعزيزي في السياسة نفسها لتمكين الروبوتات من التفكير في التأثير المتبادل بين أفعالها وحركة البشر، مما يحقق أداءً رائدًا في الملاحة الاجتماعية والتعميم في العالم الحقيقي.
تقترح هذه الورقة طريقة التدرج المتناقص المتماثل مع تكرار الاستجابة المثلى للألعاب المقيدة ذات اللاعبين، حيث يفتقر أحد اللاعبين إلى المعرفة الكاملة بأهداف الآخر، وتثبت تقاربها الخطي العالمي إلى توازن ناش فريد في ظل شروط دقيقة، وتؤكد أن التكرارات تتقارب إلى جوار قدره عندما تكون خريطة الاستجابة المثلى غير دقيقة.
تُعد TeleDex نظاماً مفتوح المصدر يتيح تحكماً عن بُعد ببراعة وبتكلفة منخفضة وسهولة في الوصول باستخدام الهواتف الذكية القياسية لتسهيل الجمع السريع للنماذج التوضيحية من أجل الضبط الدقيق لسياسات الروبوت دون الحاجة إلى بنية تحتية خارجية للتتبع.
تقدم الورقة البحثية إطار عمل SLowRL، الذي يجمع بين التكيف منخفض الرتبة (Low-Rank Adaptation) وسياسة الاسترداد لتمكين الضبط الدقيق الآمن والفعال لسياسات الحركة المدربة في المحاكاة على روبوتات حقيقية، محققاً انخفاضاً بنسبة 46.5% في وقت الضبط الدقيق وانعداماً شبه تام لانتهاكات السلامة.
تقدم الورقة البحثية ReSteer، وهو إطار عمل يعمل على قياس وتعزيز قابلية التوجيه لسياسات الروبوت متعددة المهام من خلال تحديد حالات انخفاض قابلية التوجيه وتوليف بيانات تصحيحية لتمكين الانتقال القوي واللحظي بين المهام في كل من سيناريوهات المحاكاة والواقع الحقيقي.