4653 ورقة بحثية
يقدم Fast-FoundationStereo عائلة من بنيات مطابقة الاستريو في الوقت الفعلي التي تحقق تعميماً قوياً لصفر المحاولات (zero-shot) عبر الجمع بين تقنيات تقطير المعرفة، والبحث عن البنية العصبية القائم على الكتل، والتقليم الهيكلي لسد الفجوة بين دقة النماذج التأسيسية وسرعة الطرق الفعالة.
تقدم الورقة البحثية DexWM، وهو نموذج عالمي يتعلم تفاعلات اليد والأجسام الماهرة من أكثر من 900 ساعة من فيديوهات البشر عبر استخدام نقاط مفصلية للأصابع وفقدان اتساق اليد، محققاً تنبؤاً فائقاً بالحالة المستقبلية ونقلاً صفري القدرة إلى مهام روبوتية غير مرئية مقارنة بالطرق السابقة.
تقدم هذه الورقة DefVINS، وهو أول مسار لقياس المسافات البصرية-القصورية مصمم للمشاهد القابلة للتشوه، والذي يجمع بين حالة صلبة مرتكزة على وحدة قياس القصور الذاتي ورسم بياني للتشوه المدمج غير الصلب، مدعوماً بمعيار جديد من العالم الحقيقي (VIMandala) وتحليل قابلية الملاحظة الذي يثبت أداءه المتفوق على النماذج المرجعية الصلبة وغير الصلبة الموجودة.
تقدم الورقة البحثية CompliantVLA-adaptor، وهو إطار عمل يعزز نماذج الرؤية واللغة والحركة من خلال دمج التحكم في الممانعة المتغيرة المعتمد على سياق وموجه بنماذج الرؤية واللغة (VLM) مع التغذية الراجعة للقوة في الوقت الفعلي، مما يحسن بشكل كبير مستويات السلامة ومعدلات النجاح في مهام التلاعب الروبوتية الغنية بالتلامس.
مستوحاة من دراجي رياضة "الترالز" (trials)، تقدم هذه الورقة تصميم وتحكم مركبة التنقل الفائق (UMV)، وهي دراجة روبوتية تزن 23.5 كجم، تستخدم التحسين القائم على المحاكاة والتعلم المعزز المقيد لتحقيق نقل صفري (zero-shot transfer) لسلوكيات رياضية متنوعة، بما في ذلك القيادة عالية السرعة، والتوازن على عجلة واحدة، والقفز فوق العوائق التي تصل إلى 130% من ارتفاعها.
تقترح هذه الورقة إطار عمل للاختبار التحولي (Metamorphic Testing) قابل للتعميم مع علاقات محددة لمعالجة مشكلة "أوراكل الاختبار" (test oracle) في روبوتات الرؤية واللغة والعمل (Vision-Language-Action)، مُثبتةً من خلال دراسة تجريبية قدرته على اكتشاف حالات الفشل المتنوعة عبر مختلف النماذج والروبوتات والمهام دون الحاجة إلى "أوراكل اختبار" صريح.
تقترح الورقة البحثية إطار عمل DySL-VLA، وهو إطار عمل جديد يسرع استنتاج نماذج الرؤية واللغة والعمل (Vision-Language-Action) لمهام التلاعب الروبوتي من خلال تخطي طبقات الشبكة الأقل أهمية ديناميكيًا بناءً على أهمية العمل، مما يحقق تسريعًا كبيرًا وتقليلاً في عدد المعلمات مع الحفاظ على معدلات نجاح المهام أو تحسينها.
تقدم هذه الورقة نظام KEEP، وهو نظام لإدارة الذاكرة يرتكز على ذاكرة التخزين المؤقت للقيم المفتاحية والتحقق (KV-cache)، والذي يستخدم البناء الاستاتيكي-الديناميكي، وإعادة الحساب متعدد الخطوات، والتحميل المتوازن عبر الطبقات لتسريع التخطيط المجسد في النماذج اللغوية الكبيرة المعززة بالذاكرة بشكل كبير مع الحفاظ على دقة عالية.
تقدم هذه الورقة البحثية إطار عمل DCDP، وهو إطار سياسة انتشار (diffusion policy) لا يتطلب تدريباً، يعزز قدرة الروبوت على التكيف في السيناريوهات الديناميكية من خلال دمج توليد الإجراءات القائم على الكتل مع التصحيحات في الوقت الفعلي ضمن حلقة مغلقة، محققاً تحسينات كبيرة في الأداء دون الحاجة إلى إعادة التدريب.
تقدم هذه الورقة البحثية "تقطير المحاكاة" (SimDist)، وهو إطار عمل يعمل على تقطير المسبقات الهيكلية من أجهزة المحاكاة إلى نماذج عالم كامنة لتمكين التكيف السريع والمستقر والفعال من حيث البيانات في العالم الحقيقي في مجال الروبوتات، وذلك عبر نقل نماذج المكافأة والقيمة مباشرة من المحاكاة، مما يتجنب تحديات تخصيص الائتمان طويل الأمد والاستكشاف في ظل ندرة البيانات.