4653 ورقة بحثية
تقدم هذه الورقة البحثية GMT، وهو إطار عمل محول متعدد الوسائط مشروط بالهدف يقوم بتخليق مسارات تلاعب بالأجسام ذات ست درجات حرية (6-DOF) واقعية وقابلة للتحكم في مشاهد ثلاثية الأبعاد معقدة من خلال الاستفادة المشتركة من الهندسة ثلاثية الأبعاد، والسحب النقطية، والفئات الدلالية، والوضعيات المستهدفة، متفوقاً بذلك على الأساليب الحالية الرائدة في دقة المكان والتحكم في التوجيه.
تقدم هذه الورقة نظام UGotMe، وهو نظام تفاعل عاطفي متجسد بين الإنسان والروبوت مصمم للمحادثات متعددة الأطراف يتغلب على تحديات الضوضاء البيئية وزمن الاستجابة في الوقت الفعلي من خلال استخراج الوجه النشط ونقل البيانات الفعال، وقد تم التحقق من صحته على الروبوت البشري Ameca.
تقدم هذه الورقة GeoFIK، وهو حلل تحليلي سريع وموثوق للحركية العكسية لذراع الروبوت Franka المكون من 7 درجات حرية بناءً على نظرية البرغي، والذي يتعامل بفعالية مع إزاحات الوصلات، ويحدد النقاط المنفردة، ويمكّن من حل الفائض المرن من خلال معاملات مثل زاوية الدوران (swivel angle).
تقدم هذه الورقة إطار عمل التنقل المستقل القائم على السحابة (CAM)، الذي يدمج مستشعرات البنية التحتية الموزعة مع التنسيق على مستوى السحابة للتغلب على قيود الاستشعار على متن المركبات وتعزيز سلامة ومتانة الأنظمة ذاتية القيادة في البيئات الخارجية والداخلية المعقدة.
تقدم هذه الورقة إطار عمل تعلم مبتكر يتيح حركة ثنائية الأرجل شاملة الاتجاهات تعتمد على الرؤية في التضاريس الصعبة من خلال الجمع بين متحكم أعمى قوي وسياسة معلم-طالب مدربة على بيانات معززة بالضجيج، مما يتغلب بفعالية على التكاليف الحسابية العالية للتعلم التعزيزي التقليدي من المحاكاة إلى الواقع.
يُعد SHaRe-RL إطار عمل تفاعلياً مهيكلاً للتعلم التعزيزي يجمع بين بدائيات المناولة، والبيانات التجريبية البشرية، والامتثال لكل محور لتمكين التعلم عبر الإنترنت الآمن وعالي الكفاءة في عدد العينات لمهام التجميع الصناعية عالية الدقة والغنية بالتلامس في بيئات الإنتاج متنوعة المنتجات ومنخفضة الحجم.
تقدم الورقة البحثية BiGraspFormer، وهو إطار عمل موحد قائم على المحولات (transformer) يعمل من طرف إلى طرف، يستخدم استراتيجية التوجيه الأحادي ثنائي اليد (SGB) لتوليد قبضات ثنائية اليد منسقة مباشرة من السحب النقطية للأجسام، مما يتغلب بفعالية على قيود الطرق الحالية ذات المراحل المنفصلة من خلال تقليل تعقيد البحث وضمان معالجة متوازنة وخالية من الاصطدامات.
يُمكِّن EfficientNav الملاحة في الأجهزة ذاتها للوصول إلى أهداف كائنية دون تدريب مسبق (zero-shot) عبر الجمع بين استرجاع الذاكرة المدرك للدلالات لتعزيز أداء النماذج اللغوية الكبيرة الصغيرة، وبين التخزين المؤقت للذاكرة المنفصلة والتجميع القائم على الانتباه لتقليل زمن تخطيط المسار بشكل كبير، محققاً بذلك معدلات نجاح فائقة واستدلالاً أسرع مقارنة بالنماذج المرجعية القائمة على سحابة GPT-4.
تقترح هذه الورقة إطار عمل للتعلم التعزيزي ثنائي الوكيل لتقدير المسار البصري-القصوري، يقوم بالتحكم التكيفي في الواجهة الأمامية البصرية ودمج تقديرات الحالة لتحقيق توازن متفوق بين الدقة والكفاءة والذاكرة، متفوقاً بذلك على الأنظمة الحالية القائمة على وحدة معالجة الرسومات في السرعة واستخدام الذاكرة مع الحفاظ على دقة مسار تنافسية.
تقدم هذه الورقة VLM-IRIS، وهو إطار عمل يعتمد على التعلم الصفري (zero-shot) يعمل على تطويع النماذج الرؤية-اللغوية القائمة على CLIP لتناسب الاستشعار الصناعي بالأشعة تحت الحمراء عبر تحويل الصور الحرارية إلى تمثيلات متوافقة مع نظام RGB، مما يتيح الكشف الدقيق عن قطع العمل في التصنيع الإضافي دون الحاجة إلى إعادة تدريب النموذج أو استخدام مجموعات بيانات مصنفة.