4223 ورقة بحثية
تقدم هذه الورقة AM-Bench، وهي مجموعة محاكاة ومعيار مرن مصمم لتطوير تعلم سياسات المناولة الجوية من خلال توفير إطار عمل شامل لتقييم التفاعلات المعقدة بين تجسد الروبوت، والتحكم منخفض المستوى، والاضطرابات البيئية، والسياسات عالية المستوى عبر مهام وتكوينات أنظمة متنوعة.
تقدم هذه الورقة نظاماً صوتياً لمصفوفة ميكروفونات متعددة القنوات مصمماً للأماكن العامة الصاخبة، يعمل على تعزيز الكلام لكل من الاستماع اليقظ بواسطة الروبوت "إيريكا" (ERICA) والتفاعلات عبر الروبوتات الرمزية (Avatar) عن بُعد بواسطة روبوتات "تليكو" (Teleco)، مع توفير صوت مكاني أيضاً لتحسين الانغماس في المحادثات متعددة الأطراف.
تقترح هذه الورقة واجهة "مستوى السياق" التي تمكّن أسراب الطائرات المسيرة ذاتية القيادة من تكييف سياسات مشاركة ميزات الإدراك التعاوني ديناميكيًا في وقت التشغيل بناءً على سياق المهمة والبيئة، محققةً دقة تقارب المشاركة الكاملة مع حد أدنى من عرض النطاق الترددي (5-10%) وحمل حوسبي ضئيل دون الحاجة إلى إعادة تدريب النموذج.
تجادل هذه الورقة البحثية بضرورة التعامل مع السياق كمبدأ أساسي في أنظمة المركبات الذكية من الجيل التالي، من خلال مراجعة منهجية لأحدث الأساليب المتبعة عبر مجالات فهم البيئة، والتخطيط، والسلامة، والاتصال، مع تحديد التحديات الرئيسية في بناء محرك سياقي عام.
تقترح هذه الورقة استراتيجية تمديد لمخطط الاستكشاف اللامركزي بناءً على اتصال الحدود، والتي تعزز كفاءة الاستكشاف وتحافظ على تقسيم قوي للمساحات لأنظمة الطائرات بدون طيار متعددة تعمل في ظل اتصالات متقطعة.
يُعد VerNav إطار عمل يرتكز أولاً على التحقق من صحة الملاحة القائمة على الرؤية واللغة، حيث يقلل بشكل كبير من زمن انتقال مرحلة اتخاذ القرار عبر استبدال التوليد التكراري لكل خطوة بالتحقق من الإجراءات بنظام الدفعات ومولد تكيفي يعتمد على الإنتروبيا، مع توظيف مخطط محاذاة ثنائي المراحل للحفاظ على أداء ملاحة تنافسي في اختبار R2R.
يُعدُّ REFACTOR-VLA إطار عمل لليقظة/النوم يتعلم برامج حركية نمطية قابلة لإعادة الاستخدام عبر تجميع شظايا الأفعال بواسطة نواة تكافؤ سلوكي ونموذج عالم كامن، محققاً أداءً فائقاً في مهام LIBERO طويلة المدى من خلال فك تشفير مشروط بالمكتبة وهدف تدريب يعطي الأولوية لجودة التجميع على سعة النموذج.
تقترح هذه الورقة إطار عمل لتخطيط الحركة يعتمد على المعالجة المزدوجة العصبية الرمزية، والذي يدمج ديناميكياً بين التعلم السريع القائم على الخبرة ("النظام-1") والاستدلال الرمزي المتين ("النظام-2") لتحقيق كفاءة ودقة وقدرة فائقة على التعميم في المهام الروبوتية غير الخطية.
تقدم هذه الورقة بنية موحدة لنظام ROS 2 للتغطية الذاتية الخارجية طويلة الأمد، تدمج تحديد الموقع عبر نظام RTK-GNSS ثنائي الهوائي، وتحسينات التخطيط المدركة للمتحكم، ومدير مهام يعتمد على شجرة السلوك (Behavior-Tree) لتحقيق ملاحة موثوقة وكفاءة تغطية تتراوح بين 93.1% و96.1% عبر بيئات متنوعة.
تُظهر هذه الورقة أنه بينما يمكن لسياسات التعلم بالتقليد أن تضاهي أداء الخبراء عند السرعات الاسمية في مهام المعالجة الماهرة، إلا أنها تُظهر انخفاضاً ملحوظاً في المتانة الزمنية ومعدلات فشل أعلى عندما تنحرف سرعات التنفيذ عن توزيع التدريب، لا سيما بسبب عدم محاذاة الإدخال.