4653 ورقة بحثية
تقدم هذه الورقة إطاراً موحداً لروبوتات الدفع التفاضلي يجمع بين متحكم قائم على دالة ليابونوف معزز بشبكة عصبية تكيُّفية وبين مرشح كالمان الموسع لدمج المستشعرات المتعددة، مما يحقق تتبعاً قوياً للمسار وتقليلاً كبيراً في الخطأ في ظل وجود ديناميكيات غير مُنمذجة وتدهور في أداء المستشعرات.
تقترح هذه الورقة فئة جديدة من استراتيجيات المطاردة التي تضمن الإمساك بمراوغ مجهول في زمن محدد ضمن بيئة ثنائية الأبعاد، مع ضمان بقاء المراوغ محصوراً داخل الغلاف المحدب للمطاردين طوال فترة الاشتباك، بغض النظر عن تكتيكات المراوغ.
تقدم هذه الورقة طريقة مبتكرة تدمج الزمن في التمثيلات المكانية من خلال نمذجة التغيرات شبه الدورية طويلة المدى عبر الأبعاد الملفوفة والتجميع، مما يمكّن الروبوتات المتنقلة من تحقيق تنبؤات أكثر دقة للحالة المستقبلية مقارنة بالنهج الحالية الرائدة.
تقدم هذه الورقة امتداداً آمناً ومتيناً لإطار عمل الرسم البياني للتحكيم (arbitration graph) يدمج خطوات التحقق وطبقات تراجع مهيكلة لتمكين التكامل الآمن للسلوكيات التجريبية في الأنظمة المستقلة، كما هو موضح من خلال محاكاة "باك مان" والقيادة الذاتية.
تقدم هذه الورقة إطار عمل حوسبي قابل للتفاضل لإعادة البرمجة المستمرة للخصائص الميكانيكية والبصرية الفعالة للشبكات "التوتيمورفية" (Totimorphic) من خلال التحسين الهندسي، مما يتيح التكوين الذاتي والترميم الذاتي لتطبيقات الفضاء العميق مثل مرايا التلسكوبات التكيفية.
تقدم هذه الورقة MCLQ، وهي طريقة فعالة حاسبياً تجمع بين نظرية الألعاب التربيعية الخطية والبحث بطريقة مونت كارلو لاستخلاص سياسات روبوتية قوية وفي الوقت الفعلي للتفاعل الآمن بين الإنسان والروبوت، وذلك من خلال التقارب التكراري نحو توازن ناش الذي يأخذ في الاعتبار الأفعال البشرية غير المتوقعة.
تُعد DriveMind إطار عمل جديد للتعلم المعزز للقيادة الذاتية يدمج نموذجاً لغوياً بصرياً مزدوجاً مع وحدة سلامة هرمية ونموذج عالم تنبؤي لتوليد مكافآت دلالية ديناميكية وقابلة للتفسير، محققةً أداءً فائقاً وتعميماً صفري القدرة في كل من البيئات المحاكية والواقعية.
تُعدّ Are/is (الاسم) - وهي إطار عمل "ناقد-ممثل" (actor-critic) يعتمد على التجزئة - وسيلةً تعزز التعميم البصري في التعلم المعزز من خلال معالجة رموز الكائنات ذات الأطوال المتغيرة والمستندة إلى النصوص مع ترميز مكاني، محققةً تحسينات كبيرة في الأداء مقارنةً بأحدث الأساليب عبر مختلف الاضطرابات البصرية دون الحاجة إلى إعادة بناء الصور أو خسائر مساعدة.
تقدم هذه الورقة إطار عمل لمعايرة التنبؤ بالسلامة للأنظمة ذاتية القيادة التي يتم التحكم فيها بصرياً من الطرف إلى الطرف، والذي يستفيد من نماذج العالم، والتكيف غير الخاضع للإشراف مع النطاق، والتنبؤ المطابق لتوفير تقديرات مخاطر موثوقة وذات أساس نظري تحت تحديات انزياح التوزيع وتحديات التنبؤ طويل الأمد.
تقترح هذه الورقة إطار عمل مبتكرًا للكشف التكيفي متعدد الأنماط عن القيم المتطرفة (out-of-distribution) في التنبؤ بمسار المركبات ذاتية القيادة، والذي يعمل صراحةً على نمذجة أخطاء التنبؤ المتغيرة زمنياً والمرتبطة بالنمط لتحسين سرعة ودقة الكشف بشكل كبير مقارنةً بالنهج القائمة على الرؤية وتقدير عدم اليقين الحالية.