4223 ورقة بحثية
تقدم هذه الورقة طريقة التقطير الدلالي المتوافق مع الكتل (CASD)، وهي طريقة تستفيد من نماذج الرؤية واللغة غير المتصلة (offline) لتوليد أهداف دلالية لكتل الأفعال الكاملة، مما يمكن مولداً مجمداً من توجيه سياسات الروبوت وتحسين معدلات النجاح بشكل كبير عبر العديد من معايير الاختبار الخاصة بالتحكم في الأشياء مقارنة بالأساليب الحالية.
تقدم هذه الورقة البحثية إطار عمل HSAC، وهو إطار للتعلم التعزيزي يُمكّن الروبوتات من بناء هياكل معقدة بشكل تكيفي عبر توليد تسلسلات في الوقت الفعلي دون خطط مسبقة، وذلك باستخدام الشبكات العصبية الرسومية وخوارزمية "Soft Actor-Critic" الموسعة للتعامل مع فضاءات العمل الهجينة المتقطعة والمستمرة والنجاح في الانتقال من المحاكاة إلى الأجهزة المادية.
تقدم الورقة البحثية BIFTA، وهو إطار عمل للتعلم بلقطات قليلة مستوحى من الدماغ يتيح التكيف السريع لنماذج اللمس مسبقة التدريب مع مستشعرات غير معروفة باستخدام حد أدنى من البيانات المصنفة عبر الاستفادة من الذاكرة الإحصائية ثنائية الرؤية، والرسوم البيانية الطيفية المشروطة بالدعم، والانتشار المتكرر ذي البوابة غير اليقينية للتغلب على انهيار الأداء الناجم عن الأجهزة.
تقدم الورقة البحثية HiBRIDGE، وهو إطار عمل للشبكات العصبية البايزية الهرمية يعزز إدارة الحوار بين الروبوت والمجموعة من خلال الجمع بين التنبؤ المدرك لعدم اليقين وعملية اتخاذ قرار متعددة المراحل ومنظمة لتحسين كل من الأداء التنبئي وقابلية تفسير شروحات سلوك الروبوت.
تقترح الورقة البحثية سياسة FOCI، وهي إطار عمل متمحور حول الأجسام يعمل على تحسين القدرة على التعميم وكفاءة البيانات في عمليات المناولة العلاقاتية الصلبة من خلال تجريد المهارات إلى مقاطع تفاعلية متراصة زمنياً وحركات نسبية ثابتة مكانياً بين الأجسام ذات الصلة بالمهمة.
تقدم هذه الورقة مفهوم حيز العمل المرئي المتاح (VRW) كمعيار تصميم مدرك للإدراك، وتثبت من خلال روبوت بشري مخصص بـ 31 درجة من الحرية مزود بكاميرات تعمل بشكل مستقل أن هذا التمفصل يوسع بشكل كبير إمكانية الوصول القابلة للملاحظة ويحسن كفاءة المناولة مقارنة بالتصاميم ذات المستشعرات الثابتة.
تقدم هذه الورقة طريقة تمكن الروبوتات من نقل رسائل عشوائية عبر تعديلات طفيفة وقابلة للكشف في حركتها، يتم ترميزها كضجيج في السياسات المدربة مسبقاً، مما يتيح اتصالا قوياً خالياً من الأجهزة عبر الاستشعار عن بعد دون المساس بأداء المهام.
تقدم هذه الورقة إطار عمل للملاحة القوية لروبوتات التوتر والضغط (tensegrity) يجمع بين نموذج ديناميكيات للشبكة العصبية الرسومية المدركة للتلامس وبين متحكم مسار تكامل النموذج التنبئي الهجين لتحقيق أداء متفوق في البيئات المعقدة والغنية بالتلامس مقارنة بالنماذج المرجعية الحالية.
تُظهر هذه الورقة أن مجرد تحسين دقة الإشغال المتعلم لا يعزز أداء رسم الخرائط النشط ذاتي القيادة بشكل رتيب بسبب متطلبات التخطيط المتعارضة، مما دفع المؤلفين إلى اقتراح مرشح محكوم بالملاحظة يوازن ديناميكيًا بين الهندسة المتوقعة والبيانات المرصودة لتحسين التغطية دون إعادة تدريب.
يُعد DeCAL نموذجاً للرؤية واللغة والعمل يتسم بالبراعة والارتباط الفيزيائي، حيث يستفيد من بنية "خليط من المحولات" (Mixture-of-Transformers) مع دمج بصري-لمسي تكيفي وتخيل مشترك كامن لتحقيق أداء رائد في مهام المناولة الغنية بالتلامس عبر الدمج الديناميكي للاستشعار اللمسي ونمذجة الديناميكيات الفيزيائية.