4796 ورقة بحثية
تقدم هذه الورقة AquaROM، وهو مسار تحسين مبتكر يستخدم نموذج تقليل رتبة بارامتري تينسوري مع تدرجات تحليلية لتحسين أشكال السباحين الروبوتيين اللينين بكفاءة، والذين يخضعون لقوى هيدروديناميكية غير خطية معقدة، مما يقلل تكاليف الحوسبة بشكل كبير مقارنة بطرق العناصر المحدودة التقليدية.
تقترح هذه الورقة إطار عمل قائمًا على الرؤية لروبوتات حصاد الفراولة يدمج نموذج الإدراك متعدد المهام SRR-Net مع التغذية الراجعة في الوقت الفعلي للمنفذ النهائي واستراتيجيات التحكم التصحيحي لتشخيص وتصحيح الأخطاء ذاتيًا، مثل عدم المحاذاة، والإمساك الفارغ، وانزلاق الثمار، مما يعزز بشكل كبير استقرار وكفاءة الحصاد.
يُعد InternVLA-A1 نموذجاً موحداً من نوع "خليط المحولات" (Mixture-of-Transformers) يدمج بين الفهم الدلالي، والاستشراف البصري، وتنفيذ الإجراءات من خلال آلية انتباه مشتركة، محققاً أداءً رائداً في مهام المناولة الروبوتية عبر الاستفادة من استراتيجية تدريب هجينة تشمل أكثر من 692 مليون إطار من بيانات الفيديو الواقعية والاصطناعية والبشرية.
تقترح هذه الورقة طريقة تكييف نطاق غير خاضعة للإشراف وموجهة بالنماذج (instance-guided) للتجزئة الدلالية الروبوتية، تستفيد من الخرائط الحجمية ثلاثية الأبعاد والنماذج التأسيسية صفرية القدرة (zero-shot foundation models) لتوليد تسميات مستعارة متسقة، مما يؤدي إلى تحسين أداء التكييف في البيئات المستهدفة دون الحاجة إلى تسميات توضيحية حقيقية.
يُعد VLA-JEPA إطار عمل جديد للتدريب المسبق يعزز نماذج الرؤية واللغة والعمل من خلال توظيف آلية تنبؤ بالحالة الكامنة خالية من التسرب لتعلم تجريدات ديناميكية قوية، مما يتغلب على انحياز المظهر والحركة غير المرغوب فيها لتحقيق تعميم ومتانة فائقين في مهام المعالجة في كل من البيئات المحاكية والواقعية.
تقدم الورقة البحثية التدريب المسبق للغة-الفعل (LAP)، وهي طريقة تمثل أفعال الروبوت في لغة طبيعية لتمكين أول نقل جوهري عبر التجسيد الصفري لنماذج الرؤية-اللغة-الفعل دون الحاجة إلى ضبط دقيق خاص بالتجسيد.
تقترح الورقة البحثية UAVGENT، وهو إطار عمل ثلاثي الطبقات يدمج تعليمات اللغة الطبيعية التي يفسرها مشرف يعتمد على نماذج اللغات الكبيرة (LLM) مع متحكم حلقة داخلية موزع لتمكين أنظمة الطائرات بدون طيار المتعددة من تنفيذ مهام معقدة ومتطورة مع الحفاظ على ضمانات المتانة والاستقرار الرسمية.
يُعد HiST-VLA نموذجاً هرمياً جديداً للرؤية واللغة والأفعال (Vision-Language-Action) يعتمد على البعد المكاني والزماني، وهو يعالج أوجه القصور في الإدراك المكاني ثلاثي الأبعاد والاستدلال العددي للقيادة الذاتية من خلال دمج الوعي الهندسي، والتناثر الديناميكي للرموز (dynamic token sparsification)، ومخطط يعتمد على المحولات الهرمية (hierarchical transformer-based planner) لتحقيق أداء رائد في اختبار NAVSIM v2.
تقدم هذه الورقة FOREST، وهو نموذج عالم قائم على الانتشار يتنبأ بتكوينات الحاويات المستقبلية من لقطات متباعدة وإجراءات التخزين المخطط لها، مما يظهر دقة هندسية فائقة مقارنة بالنماذج الاستدلالية ويوفر إشارات استشرافية قيمة لمهام تخطيط المستودعات اللاحقة.
يُعد FlowHOI إطار عمل لمطابقة التدفق مكون من مرحلتين يولد تسلسلات تفاعل بين اليد والجسم متماسكة زمنياً ومرتكزة دلالياً من أجل عمليات التحكم الروبوتية الماهرة عبر فصل عملية الإمساك عن عملية التحكم، والاستفادة من إعادة بناء المشاهد باستخدام تقنية التقطيع الغاوسي ثلاثي الأبعاد (3D Gaussian splatting)، واستخدام نموذج مسبق واسع النطاق لتفاعلات اليد والجسم مستمد من فيديوهات المنظور الشخصي لتحقيق دقة فائقة، ونجاح في محاكاة الفيزياء، وسرعة استدلال تتفوق على النماذج المرجعية القائمة على الانتشار.