4653 ورقة بحثية
تقدم هذه الورقة إطار عمل جديداً، يتسم بكفاءة العينات، قائماً على الاستدلال الآمن والصالح في أي وقت، والذي يتيح مقارنة تسلسلية رصينة إحصائياً لسياسات الروبوت عبر مقاييس متنوعة، مما يقلل تكاليف التقييم بشكل كبير مع إثبات أن مقاييس التقدم دقيقة التفاصيل تتفوق على مؤشرات النجاح الثنائية التقليدية.
تقدم هذه الورقة نموذجاً للتحكم التنبئي بالنماذج ذات المعلمات المتغيرة خطياً (LPV-MPC) للتحكم الجانبي لمركبات السباق ذاتية القيادة كاملة الحجم، مما يثبت نجاح تنفيذه وأداءه المستقر عند سرعات تتجاوز 160 ميلاً في الساعة على مركبة IAC AV-24 مع معالجة القيود الحسابية والتشغيلية.
تقترح هذه الورقة طريقة تقدير الاحتمال الأقصى الضمني (IMLE) كبديل سريع وفي الوقت الفعلي للنماذج القائمة على الانتشار من أجل التحكم التنبئي التوليدي، محققةً أداءً تنافسياً في التخطيط مع سرعات استدلال أعلى بكثير لتكون مناسبة للبيئات الديناميكية ذات الحلقة المغلقة.
تتناول هذه الورقة تنسيق تعدد الروبوتات في بيئات ذات سياقات تشغيلية غير معروفة من خلال صياغة المشكلة كمسألة مسار قصير عشوائي متعدد الروبوتات مع عدم يقين في السياق (MR-CUSSP)، واقتراح حل يتكون من مرحلتين يجمع بين الاستدلال المنسق لتحديد السياق والبحث القائم على الصراع المعجمي لتخطيط المسارات الآمن والواعي بالسياق.
تقدم هذه الورقة إطار عمل لا يتطلب تدريباً يستفيد من "رؤوس ملاحة" (Navigation Heads) محددة داخل نماذج الرؤية واللغة والعمل (Vision-Language-Action) المجمدة للكشف عن هلوسات الاستدلال البصري في الوقت الفعلي، مما يتيح لسياسة تعزيز تعلم خفيفة الوزن تنفيذ التراجع عن المسار بأمان دون أي عبء حوسبي إضافي.
تقدم هذه الورقة ST-VLA، وهو إطار عمل هرمي للرؤية واللغة والعمل (Vision-Language-Action) يستفيد من تمثيل موحد ثلاثي الأبعاد ورباعي الأبعاد (3D-4D) ومن مجموعة بيانات ST-Human واسعة النطاق لسد الفجوة بين الاستدلال الدلالي والتحكم المستمر، مما يعزز بشكل كبير المتانة والقدرة على التعميم في عمليات المناولة الروبوتية في العالم المفتوح من خلال التغلب على القيود المتعلقة بالعمق والزمن التي تواجه النهج الحالية القائمة على ثنائية الأبعاد (2D).
تقترح هذه الورقة GraspADMM، وهو إطار عمل مبتكر لتخليق القبضات يستفيد من طريقة المضاعفات المتناوبة للاتجاه (ADMM) لفصل نقاط التلامس المستهدفة عن حركية اليد، مما يحقق في آن واحد تنوعاً عالياً في القبضات، وجدوى صارمة خالية من الاصطدامات، واستقراراً ديناميكياً مُحسَّناً، مع التفوق بشكل كبير على النماذج المرجعية الحالية.
تُثبت هذه الورقة أن إطار الدفاع الزمني الهرمي (Hierarchical Temporal Defense) على معالج BrainChip Akida يقلل بشكل كبير من الهجمات العدائية في الروبوتات العصبية الطرفية مع خفض استهلاك الطاقة إلى حوالي 45 ميكروجول لكل عملية استدلال، مما يثبت أن الندرة القائمة على الأحداث تتيح مقايضة متفوقة بين المتانة عالية الضمان واستدامة الطاقة.
تقترح هذه الورقة مخططاً محلياً قائماً على التعلم التعزيزي يعتمد ضمنياً على معلومات المسار العالمي لتحسين كفاءة الملاحة بعيدة المدى بشكل كبير عند توفر مسارات عالية الجودة، مع الحفاظ على أداء أساسي قوي حتى عندما تكون إرشادات المسار متدهورة أو غائبة.
تقدم هذه الورقة البحثية CroBo، وهو إطار عمل للتعلم البصري للحالة ذاتي الإشراف يستخدم هدف إعادة بناء من عالمي إلى محلي لترميز تكوين المشهد الدقيق لـ "ما هو موجود وأين" في رمز واحد، مما يحقق أداءً رائدًا في تعلم السياسات الروبوتية من خلال التقاط التفاعلات الديناميكية للمشهد بفعالية.