4796 ورقة بحثية
تقدم هذه الورقة البحثية UNIC، وهو إطار عمل موحد متعدد الوسائط يتيح تقديرًا قويًا وغير معتمد على المعايرة للتلامس الخارجي من أجل المناولة الغنية بالتلامس، وذلك عبر دمج البيانات البصرية، والحسية الخاصة، واللمسية من خلال تمثيل خريطة إمكانات المشهد، محققًا دقة عالية وقدرة على التعميم على الأجسام غير المرئية وزوايا الرؤية الديناميكية.
يُعد نظام VGGT-SLAM 2.0 نظاماً للملاحة وتحديد الموقع ورسم الخرائط آنياً وكثيفاً يعتمد على التغذية الأمامية، وهو يحسن دقة الوضع وموثوقية إغلاق الحلقة بشكل كبير مقارنة بسلفه من خلال تقديم تصميم مبتكر لمخطط العوامل للقضاء على الانجراف والترهل المستوي، والاستفادة من طبقات الانتباه مسبقة التدريب للتحقق من استرجاع الصور مجاناً، وإظهار أداء قوي على مجموعات بيانات متنوعة وعلى متن جهاز Jetson Thor.
يُعد ZEST إطار عمل مبسط للتعلم التعزيزي يتيح النشر القوي، بنمط الصفر استباقي (zero-shot)، لمهارات رياضية متنوعة وغنية بالتلامس على روبوتات بشرية ورباعية الأرجل غير متجانسة عبر التدريب على مصادر بيانات غير متجانسة — بما في ذلك التقاط الحركة، والفيديو أحادي العدسة، والرسوم المتحركة — دون الحاجة إلى تسميات التلامس، أو مُقدِّرات الحالة، أو صياغة مكافآت مكثفة.
تقدم الورقة البحثية DISK، وهي طريقة استدلال تكيفية لا تتطلب تدريباً، تستخدم وحدات تحكم ثنائية الفرع وقرارات تخطي عبر الوسائط لتحقيق تسريع بمقدار ضعفين في انتشار المسار و1.6 ضعف في انتشار الفيديو لنماذج العالم ذاتية الانحدار مع الحفاظ على دقة التنبؤ والجودة البصرية.
تقترح هذه الورقة استراتيجية "التحكم في التغطية الخفية" (stealthy coverage control) مبتكرة شبه ذاتية تدمج حدس المشغل البشري لتحديد المناطق المعقدة مع الحركة الذاتية للطائرات بدون طيار لأخذ عينات الصور بكفاءة، مما يتيح إعادة بناء ثلاثي الأبعاد عالية الجودة في الوقت الفعلي دون معرفة مسبقة بتعقيد المشهد مع تجنب صراعات التحكم.
تقدم هذه الورقة RoDiF، وهي طريقة ضبط دقيق قوية لسياسات الانتشار تستفيد من صياغة عملية ماركوف لاتخاذ القرار الموحدة (Unified MDP) لتمكين تحسين التفضيلات المباشر الخالي من المكافآت، وتوظف استراتيجية قطع الفرضيات الهندسية للتعامل بفعالية مع التغذية الراجعة البشرية الفاسدة في المهام الروبوتية طويلة الأمد.
حقق فريق HCMUS_TheFangs نتائج فوز في كلا المسارين في مسابقة NeurIPS 2025 (Mouse vs. AI) من خلال إثبات أن البنيات البسيطة والخفيفة تتفوق في المتانة البصرية، بينما تتفوق النماذج العميقة ذات السعة العالية في المحاذاة العصبية، مما يكشف أن الأداء الأمثل يعتمد على مطابقة التعقيد البنيوي مع أهداف مهام محددة بدلاً من تعظيم حجم النموذج.
تقدم هذه الورقة LOKI، وهو إطار تعلم غير متصل (offline) ثلاثي المراحل يكتشف مهارات قابلة للتفسير وإعادة الاستخدام من عروض توضيحية متعددة المهام دون مكافآت صريحة، مما يتيح بناء سياسات هرمية تحقق معدلات نجاح عالية في الاختبارات المعيارية المعقدة ويمكنها دمج المهارات المتعلمة لحل مهام جديدة.
تقدم هذه الورقة البحثية PolicyFlow، وهو خوارزمية تعلم تعزيزي من النوع "on-policy" مبتكرة تدمج سياسات التدفق الطبيعي المستمر التعبيرية مع أهداف نمط PPO عبر تقريب نسب الأهمية من خلال تغيرات حقل السرعة وتوظيف منظم براوني لضمان الاستقرار والتنوع، مما يحقق أداءً فائقاً ويستوعب توزيعات إجراء متعددة الأنماط أكثر ثراءً مقارنة بخوارزمية PPO القياسية القائمة على التوزيع الطبيعي والأسس المرجعية القائمة على التدفق الموجودة حالياً.
تقدم هذه الورقة SPARK، وهو إطار عمل معياري ومفتوح المصدر للتحكم والتقييم، صُمم لضمان سلامة الروبوتات البشرية من خلال توفير خوارزميات آمنة وقابلة للتهيئة، وبيئات محاكاة، وتكامل سلس مع الأجهزة لكل من الأبحاث والنشر في العالم الحقيقي.