4758 ورقة بحثية
يقدم البحث إطار عمل ContextMatters، الذي يجمع بين النماذج اللغوية الكبيرة والتخطيط الكلاسيكي لتخفيف الأهداف ديناميكياً بناءً على سياق البيئة، مما يحسن بشكل كبير معدلات نجاح التخطيط للمشاهد ثلاثية الأبعاد ويمكّن من النشر الناجح للروبوتات في العالم الحقيقي.
تُعد DemoDiffusion طريقة تعلم تقليد من محاولة واحدة تُمكّن الروبوتات من أداء مهام مناولة متنوعة عبر الاستفادة من إعادة التوجيه الكينماتيكي لاستخلاص مسار تقريبي من عرض بشري واحد وتطويره باستخدام سياسة انتشار مدربة مسبقاً لضمان التوافق مع أفعال الروبوت المعقولة، مما يحقق معدلات نجاح أعلى بكثير من النهج المرجعية دون الحاجة إلى تدريب خاص بالمهمة أو بيانات مقترنة.
تقترح هذه الورقة تقنية التجميع التكيفي القائم على الاستعلام (QAA)، وهي تقنية مبتكرة لتجميع الميزات تستخدم استعلامات متعلمة ككتب رموز مرجعية لمعالجة التباينات في مجموعات البيانات بفعالية في التدريب المشترك متعدد المجموعات، مما يحقق التعرف البصري العالمي القوي على الأماكن مع توازن في التعميم وأداء يضاهي أحدث ما توصل إليه العلم.
تقدم هذه الدراسة إطار عمل مبتكر للرؤية الحاسوبية يستخدم تقنيات المراقبة الخارجية، بما في ذلك كشف الأشياء القائم على نموذج YOLO ومراقبة المسارات، لتصنيف سلوكيات السائقين المشتتين والمختلين في المركبات غير المتصلة دون الاعتماد على الاتصال بين المركبات.
يعزز GeoAware-VLA من قدرة نماذج الرؤية واللغة والعمل (Vision-Language-Action) على تعميم وجهات النظر من خلال دمج ميزات من نموذج رؤية هندسي مسبق التدريب ومجمد عبر طبقة إسقاط خفيفة الوزن، محققاً تحسينات كبيرة في أداء التعلم الصفري (zero-shot) على وضعيات الكاميرا غير المرئية عبر كل من اختبارات المحاكاة ومنصات الروبوتات في العالم الحقيقي دون الحاجة إلى بيانات تدريب ثلاثية الأبعاد صريحة.
تقدم هذه الورقة إطار عمل يعتمد على مخطط المشهد (scene graph) يعمل على تعزيز التعميم التركيبي للروبوتات العامة عبر تعلم مهارات ذرية قوية ومركزة بواسطة الشبكات العصبية الرسومية ونماذج الانتشار، والتي يتم تنسيقها لاحقاً بواسطة مخطط نموذج لغوي بصري لتحقيق أداء فائق في المهام المعقدة طويلة الأمد.
تقترح هذه الورقة ORN-CBF، وهو إطار تعلم قائم على الشبكة الفائقة (hypernetwork) يستخدم تحليل الوصول لهاميلتون-جاكوبي لتوليد دوال حاجز عصبية مشروطة بالملاحظة، مما يضمن ضمانات سلامة صارمة وتحسيناً في التعميم في البيئات ذات الإدراك الجزئي من خلال تجارب المحاكاة والأجهزة.
تقدم هذه الورقة البحثية إطار عمل "Fast Image-to-Neural Surface" (FINS)، وهو إطار عمل خفيف الوزن يعيد بناء الأسطح الضمنية عالية الدقة وحقول وظائف المسافة الموقعة (SDF) بكفاءة من صورة واحدة خلال ثوانٍ معدودة عبر الاستفادة من شبكات الهاش متعددة الدقة والنماذج التأسيسية المدربة مسبقاً، متفوقاً بذلك على الطرق الحالية في السرعة والدقة لتطبيقات الروبوتات.
تقدم هذه الورقة دالة حاجز بارابولية ديناميكية (DPCBF) تقوم بتشكيل قيود السلامة بشكل تكيفي بناءً على المسافة والسرعة النسبية للتغلب على عدم القابلية للتحقيق والتحفظ في طرق مخروط التصادم التقليدية، مما يمكّن الروبوتات غير الهولونومية من التنقل بنجاح في البيئات الكثيفة التي تحتوي على ما يصل إلى 100 عائق ديناميكي.
تقترح هذه الورقة البحثية إطار الاستكشاف المدفوع بالمفاهيم (CDE)، وهو إطار عمل للتعلم المعزز يستفيد من نموذج رؤية-لغة مُدرب مسبقاً لتوليد مفاهيم متمحورة حول الأشياء كإشارات إشرافية مشوبة بالضجيج، باستخدام دقة إعادة بناء المفاهيم كمكافأة ذاتية لتوجيه استكشاف فعال ومستهدف في مهام التحكم البصري وتحقيق انتقال قوي إلى العالم الحقيقي.