4789 ورقة بحثية
تقترح هذه الورقة نموذجاً للتدريب المسبق والضبط الدقيق لحركة الروبوتات يستفيد من استراتيجية استكشاف غير مرتبطة بمهمة محددة لتدريب نموذج ديناميكيات عكسية للحس العميق (PIDM)، والذي يُستخدم بعد ذلك لبدء تشغيل خوارزميات الممثل-الناقد مثل PPO، مما يؤدي إلى تحسينات كبيرة في كفاءة العينات وأداء المهام عبر هياكل روبوتية متنوعة.
تقدم هذه الورقة NaviTrace، وهو معيار مرجعي عالي الجودة للإجابة على الأسئلة البصرية يتميز بأكثر من 3000 مسار ملاحة خبير عبر سيناريوهات وأنواع تجسيد متنوعة، والذي يكشف أن نماذج الرؤية واللغة الحالية لا تزال تتخلف عن الأداء البشري في التمركز المكاني وتحديد الأهداف عند تقييمها باستخدام درجة مسار جديدة مدركة دلالياً.
تُظهر هذه الدراسة أنه في البيئات متعددة الوكلاء غير المتجانسة، تعمم خوارزمية IPPO القياسية التي تم تدريبها عبر اللعب الذاتي بشكل فعال على خوارزميات الزملاء الجديدة، محققة أداءً يضاهي طرق التدريب الأكثر تعقيداً مثل "تدريب السياسة الدوار" (Rotating Policy Training) التي تعرض الوكلاء صراحةً لاستراتيجيات شركاء متنوعة.
تقدم هذه الورقة إطار عمل شامل للملاحة والتحكم للروبوتات المتنقلة واسعة النطاق التي تعمل على تضاريس عرضة للانزلاق، حيث تدمج تقدير الوضع البصري، والتحكم التنبؤي بالنموذج غير الخطي، وسياسة منخفضة المستوى قائمة على شبكة عصبية عميقة ذات متانة تكيفية، ووحدة سلامة لوغاريتمية لضمان الاستقرار الأسي الموحد والتشغيل الآمن والمتين.
تقدم الورقة البحثية Green-VLA، وهو إطار عمل منهجي مكون من خمس مراحل يجمع بين التدريب المسبق متعدد الوسائط واسع النطاق، والتكيف الخاص بالتجسيد، والتعلم المعزز لتمكين سياسة عامة واحدة من التحكم القوي في أنظمة روبوتية متنوعة، بما في ذلك الروبوت البشري Green، مع تعزيز السلامة وكفاءة المهام طويلة المدى.
تقترح هذه الورقة مخططاً للتلاعب بالبيانات عبر الإنترنت يقوم بتفكيك صور التدريب إلى مكونات مستقلة لكل من الكائن والمشهد والكاميرا، ثم يعيد تركيبها مع وضعيات مضطربة لتوليد بيانات تدريب متنوعة، مما يؤدي إلى تحسين كفاءة البيانات وأداء نماذج اكتشاف الأجسام ثلاثية الأبعاد أحادية العدسة في كل من بيئات الإشراف الكامل والجزئي.
تقترح هذه الورقة إطار عمل تكراريًا ذا حلقة مغلقة يقوم تلقائيًا بتوليد بيانات حركة عالية الجودة ومتنوعة، ويزيد من صعوبة المهمة تدريجيًا، مما يمكن سياسات التحكم في الروبوتات البشرية من التفوق بشكل كبير على النماذج المرجعية باستخدام بيانات تدريب أقل بكثير.
تقدم هذه الورقة TimeSpot، وهو معيار شامل يتكون من 1,455 صورة من واقع الحياة من 80 دولة، صُمم لتقييم قدرات الاستدلال الجغرافي-الزماني المحدودة لنماذج الرؤية واللغة الحالية في التنبؤ بالموقع والوقت والسياق البيئي من الأدلة البصرية وحدها.
تقترح هذه الورقة نهج تخطيط هرمي يدمج بيانات الأقمار الصناعية المدارية الثابتة الإضافية لتوسيع آفاق الاستشراف لمهام الاستهداف الديناميكي، مما أظهر تحسناً في الأداء يصل إلى 41% مقارنة بالمخططات التقليدية التي تعتمد على البيانات الموجودة على متن المركبة فقط، لا سيما في السيناريوهات ذات الأهداف الموزعة بكثافة منخفضة.
تقترح هذه الورقة إطار عمل يعمل على ضبط النماذج التوليدية مسبقة التدريب لتعمل على أخذ عينات مباشرة ضمن مناطق جدوى معقدة وهيكلية، مما يحقق توازناً مبتكراً بين الالتزام الصارم بالقيود وواقعية العينات عالية الجودة للتطبيقات الحرجة من حيث السلامة مثل الروبوتات والقيادة الذاتية.