4700 ورقة بحثية
تقدم هذه الورقة SurgCalib، وهو إطار عمل يعتمد على تقنية Gaussian Splatting وبدون استخدام علامات مرجعية، يحقق معايرة دقيقة للعين واليد لروبوت "دا فينشي" الجراحي من خلال تحسين التقديرات الكينماتيكية عبر مسار رندرة (rendering) قابل للتفاضل، مما يتغلب بذلك على عدم الدقة الناتج عن نظام الحركة بالكابلات ويتجنب مشكلات التعقيم المرتبطة بالعلامات المرجعية التقليدية.
تقدم هذه الورقة البحثية خوارزمية CMA-ES-IG، التي تعمل على تعزيز تعلم التفضيلات للروبوتات من خلال توليد استعلامات متميزة إدراكياً ومعلوماتية، مما يحسن القابلية للتوسع والمتانة وتجربة المستخدم مقارنة بالأساليب الحالية الرائدة.
تقدم PlayWorld خط إنتاج مستقلاً بالكامل يدرب نماذج عالم فيديو عالية الدقة ومتسقة فيزيائياً من خلال اللعب الذاتي للروبوتات غير الخاضع للإشراف، متفوقة بذلك على البيانات التي يجمعها البشر في التنبؤ بالتفاعلات المعقدة، ومعززة بشكل كبير معدلات نجاح التعلم المعزز في العالم الحقيقي.
تقدم هذه الورقة إطار عمل مبتكرًا وخاليًا من التوسيم يستفيد من النماذج اللغوية والاستدلال اللغوي البصري لاستخراج مسارات الطائرات بدون طيار ثلاثية الأبعاد وتصنيفاتها ذاتيًا من فيديوهات بمقياس الإنترنت، مما يثبت أن أداء النقل صفري المعرفة (zero-shot transfer) في مهام مكافحة الطائرات بدون طيار يتحسن باستمرار مع زيادة حجم البيانات دون الحاجة إلى تدريب في المجال المستهدف.
تقدم هذه الورقة إطار عمل لتخطيط الحركة لمانيبولات الروبوتات يكون آمناً بشكل مثبت في البيئات غير المحدبة وغير اليقينية، وذلك عبر دمج مؤثر كوبمان ستوكاستي عميق للتنبؤ بالحالة مع مرشح تحقق هرمي قائم على مجموع المربعات ضمن متحكم مسار تكامل النماذج التنبؤية لتوليد مسارات خالية من الاصطدام ومعتمدة.
تقترح هذه الورقة تصنيفاً وإطار تقييم موحداً لنماذج العالم الكامنة في القيادة الذاتية، حيث تنظم خيارات التصميم بناءً على التمثيلات الكامنة والبديهيات الهيكلية مع تحديد الآليات الداخلية الرئيسية واتجاهات البحث لتعزيز المتانة والتعميم وقابلية النشر.
يُعد DexHiL أول إطار عمل متكامل يعتمد على وجود الإنسان في الحلقة لنماذج الرؤية واللغة والعمل الماهرة، حيث يجمع بين التحكم عن بُعد المنسق لليد والذراع وبين أخذ عينات البيانات المدركة للتدخل لتحسين الأداء والموثوقية في مهام المناولة المعقدة بشكل كبير بعد مرحلة التدريب.
يُعد ZeroWBC إطار عمل مبتكر يتيح تحكماً طبيعياً ومتعدد الاستخدامات في كامل الجسم للروبوتات البشرية من خلال تعلم سياسات الحركة البصرية الحركية مباشرة من فيديوهات بشرية بمنظور الشخص الأول، مما يلغي الحاجة إلى جمع بيانات التحكم عن بُعد المكلفة والمستهلكة للوقت.
تقدم هذه الورقة إطار عمل محاكاة قابل للتوسع ومدفوعاً بالتعلم التعزيزي، يتميز بنموذج عضلي هيكلي كامل للجسم يتيح التحسين المشترك الكمي للتصميم الهيكلي الروبوتي وسياسات التحكم من خلال توفير وصول مباشر إلى المقاييس الميكانيكية الحيوية البشرية الداخلية للروبوتات التفاعلية.
تقدم هذه الورقة البحثية MORLAX، وهو خوارزمية تعلم تعزيزي متعدد الأهداف أصلية لـ GPU، وMO-Playground، وهي مجموعة من البيئات المسرعة بواسطة GPU، واللذين يُمكّنان معاً من التدريب المتوازي بشكل هائل الذي يحقق تسريعاً يتراوح بين 25 إلى 270 ضعفاً وجبهات باريتو (Pareto fronts) متفوقة لمهام الروبوتات المعقدة مقارنة بالنهج التقليدية القائمة على CPU.