4796 ورقة بحثية
تتحدى هذه الدراسة الافتراض القائل بأن التفاعل المادي مع الروبوت يعزز تجربة المستخدم بشكل عالمي، من خلال إثبات أنه في حين أن التوصيل الملموس لا يؤدي بطبيعته إلى تحسين التفاعل، إلا أنه يقلل بشكل كبير من الانغماس السردي لدى الأفراد الذين لديهم مواقف سلبية عالية تجاه الروبوتات، والذين يستفيدون بدلاً من ذلك من الواجهات الوسيطة رقمياً كحاجز اجتماعي.
إن SAIL هو إطار عمل لزيادة القياس أثناء وقت الاختبار يعزز تعلم التقليد الروبوتي بضربة واحدة من خلال إعادة صياغة توليد المسار كعملية تحسين تكرارية موجهة بواسطة البحث في شجرة مونت كارلو، وأرشيف استرجاع آلي، وآلية تسجيل تعتمد على نموذج رؤية ولغة، مما يحسن معدلات النجاح بشكل كبير عبر مهام معالجة متنوعة.
تُعد PhaForce سياسة بصرية-حركية مجدولة بالمراحل تعمل على تعزيز التلاعب الغني بالتلامس من خلال تنسيق مخطط انتشار بطيء يهيمن عليه الرؤية مع مصحح سريع مدفوع بالقوة لتمكين تصحيحات متبقية عالية التردد ومدركة للمرحلة، محققةً معدل نجاح بنسبة 86% وقدرة فائقة على التكيف مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة إطار عمل للتنسيق بين تعدد الطائرات بدون طيار (multi-UAV) دون الحاجة للاتصال، والذي يستفيد من مستشعر ليدار ثلاثي الأبعاد متباين الخواص (anisotropic 3D LiDAR) على متنها لإجراء عمليات التحديد والترسيم الآني للمكان (SLAM)، وكشف العوائق، وتتبع الجيران في آن واحد، مما يتيح ملاحة آمنة وقابلة للتوسع في البيئات المعقدة التي تفتقر إلى نظام تحديد المواقع العالمي (GNSS)، مثل الغابات الكثيفة.
يُعد MoMaStage إطار عمل رؤية-لغة مهيكلًا يُمكّن من عمليات المناولة المتنقلة داخل المباني طويلة الأمد بمتانة، وذلك عبر توجيه تخطيط المهام من خلال رسم بياني للمهارات والحالات (Skill-State Graph) مدرك للطوبولوجيا، وضمان موثوقية التنفيذ عبر آلية حلقة مغلقة تُحفز إعادة التخطيط الدلالي عند اكتشاف انحرافات فيزيائية، وكل ذلك دون الحاجة إلى رسم خرائط صريحة للمشهد.
تقترح الورقة البحثية StructBiHOI، وهو إطار عمل هرمي يجمع بين jointVAE للتخطيط طويل الأمد، وmaniVAE للتحسين على مستوى الإطار، ومزيل ضجيج يعتمد على نموذج Mamba لتحقيق توليد تفاعلات اليد مع الأشياء بكلتا اليدين تتسم بالاستقرار، والواقعية الفيزيائية، والمحاذاة الدلالية عبر آفاق زمنية طويلة.
تحدد هذه الورقة تضخيم مقياس القيمة كسبب رئيسي لعدم الاستقرار في تفكيك القيمة غير الخطي لتعلم التعزيز متعدد الوكلاء غير المتصل، وتقترح تقنية تطبيع مقياس القيمة المستقل عن المقياس لاستقرار التدريب، مما يوفر في النهاية وصفة عملية لإطلاق الإمكانات الكاملة لتعلم التعزيز متعدد الوكلاء غير المتصل.
تقترح الورقة البحثية إطار عمل R2F، وهو إطار عمل خالٍ من النماذج اللغوية الكبيرة للملاحة في بيئة الأجسام ذات المفردات المفتوحة دون تدريب مسبق (zero-shot)، حيث يعيد توظيف جبهات الأشعة (ray frontiers) كفرضيات دلالية مشروطة بالاتجاه لتحقيق أداء تنافسي مع التنفيذ في الوقت الفعلي، مما يلغي زمن التأخير والعبء الحسابي الناتج عن الاستعلامات المتكررة للنماذج الكبيرة.
يُعد LAR-MoE إطار عمل ثنائي المراحل يعمل على فصل اكتشاف المهارات غير الخاضعة للإشراف عن تعلم السياسة من خلال تنظيم توجيه الخبراء ليتوافق مع تمثيل كامن متعلم، مما يمكّن الروبوتات من تحقيق معدلات نجاح عالية في مهام المناولة غير المتجانسة دون الحاجة إلى تسميات توضيحية يدوية للمهارات.
تقدم هذه الورقة منصة روبوتات جراحية مفتوحة المصدر وغير مرتبطة بروبوت محدد، تتميز بمتحكم في مركز الدوران (RCM) حتمي وذو صيغة مغلقة وتكامل كامل مع نظام تشغيل الروبوت (ROS)، والذي يحقق دقة دون المليمتر وسلاسة مسار بمستوى الخبراء في المهام التنظيرية ذاتية القيادة عبر نماذج وهمية، ونماذج مستخرجة من الجسم، ونماذج خنزير حية.