4796 ورقة بحثية
تقدم هذه الورقة NanoBench، وهو عبارة عن مجموعة بيانات معيارية مفتوحة المصدر متعددة المهام تم جمعها بواسطة طائرة كرازيفلاي 2.1 (Crazyflie 2.1) نانو كوادروتور بوزن 27 جرامًا، توفر إشارات متزامنة على مستوى المشغلات الميكانيكية، والبيانات الداخلية للمتحكم، وحقيقة أرضية دقيقة بالمليمتر لمعالجة تحديات النمذجة والتحكم الفريدة في الروبوتات الجوية متناهية الصغر.
تقدم هذه الورقة البحثية إطار عمل KDMR، وهو إطار عمل مبتكر يصيغ إعادة استهداف حركة الهياكل البشرية كمسألة تحسين مسار للجسم بأكمله متعدد التلامس، تدمج ديناميكيات الأجسام الصلبة وقوى رد فعل الأرض لتوليد مسارات تنقل متسقة فيزيائياً وممكنة ديناميكياً تتفوق بشكل كبير على الطرق الكينماتيكية البحتة في كل من جودة الحركة وأداء سياسة التحكم اللاحقة.
تقدم هذه الورقة نموذج شبكة المذبذبات المقترنة (CON) المبتكر الذي يتغلب على القيود الرئيسية في التحكم في الفضاء الكامن من خلال ضمان البنية اللاغرانجية، والاستقرار العالمي من المدخلات إلى الحالة، وإمكانية عكس رسم خرائط قوة المدخلات، مما يتيح استراتيجيات تحكم فعالة ذات صيغة مغلقة للأنظمة الميكانيكية المعقدة باستخدام التغذية الراجعة البصرية الخام فقط.
تقدم هذه الورقة استراتيجية لتحسين مجموعة مهام الحركة باستخدام التحليل العنقودي لتحديد مجموعة فرعية دنيا وممثلة من المهام لتدريب نماذج التعلم العميق، مما يتيح التقدير الدقيق لعزوم مفصل الورك للتحكم في الهيكل الخارجي مع تقليل متطلبات جمع البيانات بشكل كبير.
تقترح هذه الورقة إطار عمل للتحسين المشترك للاستشعار والاتصال وسرعة الاستكشاف في أنظمة الملاحة ورسم الخرائط وبناء المواقع المتزامنة (SLAM) طويلة الأمد لتقليل استهلاك الطاقة، وهو ما تم التحقق من صحته من خلال عمليات المحاكاة والتجارب التي تتضمن روبوتات مجهزة بتقنية ليدار (LiDAR) تقوم بنقل البيانات إلى مركز إعادة بناء سحابي يعتمد على التعلم العميق.
تقترح هذه الورقة طريقة تستفيد من نماذج الرؤية واللغة سابقة التدريب لتعلم نماذج عالم رمزية، مدمجة ومجردة، من عروض بصرية محدودة، مما يتيح التعميم الصفري والتخطيط طويل المدى لمهام روبوتية معقدة عبر أجسام وبيئات وأهداف جديدة.
تقترح الورقة البحثية سياسة استقرار الانتشار (DSP)، وهي إطار عمل يعتمد على الانتشار مكون من مرحلتين يُمكّن الروبوتات الجراحية من التعلم من المسارات غير المكتملة أو الفاشلة عن طريق التدريب مبدئيًا على بيانات نظيفة، ثم التحديث المستمر باستخدام مزيج مصفى من العروض التوضيحية النظيفة والمضطربة لتحقيق أداء قوي في المهام الجراحية المؤتمتة.
تُعد ViLAM طريقة مبتكرة تعمل على تقطير الاستدلال البصري اللغوي من النماذج اللغوية البصرية الكبيرة إلى خرائط انتباه مكاني لتوجيه الملاحة الروبوتية المتوافقة اجتماعياً، محققةً تحسينات كبيرة في معدلات النجاح من خلال التحقق في العالم الحقيقي.
تقارن هذه الورقة بين التحسين البايزي، والبحث الشامل، والخوارزميات الجينية، والانحدار الاشتقاقي العشوائي لتحسين وضعيات قواعد الروبوتات الصناعية، وتجد أنه بينما تقلل جميع الطرق من وقت الدورة، يحقق الانحدار الاشتقاقي العشوائي أعلى معدل نجاح في المهام الواقعية، بينما تحقق الخوارزميات الجينية أدنى التكاليف النهائية.
تقدم هذه الورقة إطار عمل للتحسين الشامل يحدد بشكل مشترك تكوين الروبوتات النمطية، وموضع القاعدة، والمسار لتقليل زمن الدورة، محققاً خفضاً يصل إلى 25% في مدة المهمة ومعدلات جدوى أعلى بكثير مقارنة بالتحسين القائم على التكوين فقط، مع التحقق من نجاح النشر في العالم الحقيقي في تسع حالات من أصل عشر حالات.