4796 ورقة بحثية
تقدم الورقة البحثية SemanticFeels، وهو إطار عمل يدمج التصنيف الدلالي للمواد من بيانات لمسية عالية الدقة مع تمثيل الشكل الضمني العصبي لتمكين الروبوتات من إدراك هندسة الأشياء ومناطق المواد المستمرة في آن واحد أثناء المناولة اليدوية.
تقدم هذه الورقة حقل الميزات ثلاثي الأبعاد المدرك للأجزاء (PA3FF)، وهو تمثيل ثلاثي الأبعاد كثيف ومبتكر يتم تدريبه عبر التعلم التبايني لالتقاط الوعي الوظيفي بالأجزاء من أجل مناولة الأجسام المفصلية القابلة للتعميم، والذي تم دمجه في سياسة الانتشار المدركة للأجزاء (PADP) للتفوق على النماذج المرجعية الحالية ثنائية وثلاثية الأبعاد في المهام الروبوتية المحاكية والواقعية.
تقدم هذه الورقة البحثية إطار عمل GRAIL، وهو إطار للتعرف على الأهداف يستفيد من التعلم بالتقليد لتدريب سياسات موجهة نحو الأهداف من عروض توضيحية قد تكون غير مثالية، مما يحقق استدلالاً قوياً ودقيقاً للأهداف في البيئات غير المستقرة حيث تفشل الطرق التقليدية القائمة على السياسة المثالية.
تقدم هذه الورقة إطار عمل آلياً للجس الروبوتي يدمج النمذجة اللزوجة المرنة، والاستكشاف الإرغودي المدفوع بكثافة المعلومات المتوقعة، والتخطيط التكيفي للمسار لتحقيق رسم خرائط مرنة وكشف عن الشذوذ في الوقت الفعلي يتفوق على تقنيات التحسين البايزي الحالية.
تقدم هذه الورقة نهجاً يعتمد على التعلم التعزيزي العميق ذو مرحلتين، نجح في تدريب الروبوت رباعي الأرجل Unitree Go2 على تسلق السلالم على شكل حرف U بشكل مستقل، ويُظهر قدرة السياسة على الانتقال القوي إلى هندسات سلالم أخرى متنوعة، بما في ذلك التكوينات المستقيمة، وتكوينات حرف L، والتكوينات الحلزونية.
تقدم هذه الورقة نهجاً قائماً على المحاكاة يجمع بين التعلم التعزيزي العميق ومهارات الروبوت القابلة للضبط ونماذج الربط الواقعية القائمة على الفيزياء لأتمتة تجميع الأطراف الكهربائية على قضبان DIN المعتمد على التحكم في القوة بنجاح، محققةً معدلات نجاح عالية في كل من بيئات المحاكاة والواقع دون الحاجة إلى ضبط إضافي.
تقدم هذه الورقة منصة إدراك بصري أحادية العين تعمل في الوقت الفعلي، وتتميز بخوارزميات ثنائية وثلاثية الأبعاد قائمة على التعلم ومحاكي قائم على الفيزياء، مما يعزز بشكل كبير التحكم والكفاءة للأدوات الجراحية الروبوتية المستمرة للجراحة داخل التجويف.
تقدم هذه الورقة ManeuverNet، وهو إطار عمل للتعلم التعزيزي العميق قائم على خوارزمية Soft Actor-Critic مع وظائف مكافأة محسنة يتفوق بشكل كبير على كل من النماذج المرجعية للتعلم التعزيزي العميق الحديثة ومخطط TEB الحساس للمعلمات في تحقيق مناورة دقيقة وقوية للروبوتات ذات التوجيه المزدوج (double-Ackermann-steering) في البيئات الزراعية دون الاعتماد على بيانات الخبراء.
تقدم هذه الورقة إطار عمل للتحسين الثنائي التربيعي غير المقيد (QUBO) موجهًا نحو الروبوتات وقابلًا للتوسع لمسألة إيجاد المسارات لمتعدد الوكلاء، والذي يستخدم المعالجة المسبقة المنطقية، والعقوبات التكيفية، والتفكيك بنوافذ زمنية لتحقيق حلول قريبة من المثالية لتنسيق الروبوتات المتعددة ضمن قيود الأجهزة الحالية.
إن PhyScensis هو إطار عمل لوكيل لغوي كبير معزز بالفيزياء، يتعاون بشكل تكراري مع مُحلل قائم على الفيزياء لتوليد مشاهد ثلاثية الأبعاد معقدة ومنطقية فيزيائياً ذات كثافة عالية من الأجسام وعلاقات مكانية دقيقة، مما يساهم في تطوير جمع البيانات الروبوتية في المحاكاة.