4223 ورقة بحثية
تقدم هذه الورقة إطار عمل قوي ومتعدد المناطق للكشف عن علامات المرور للقيادة الذاتية، يدمج بيانات ليدار (LiDAR) والكاميرا عبر وحدة دمج مرنة مدركة للشدة ونموذج تتبع ثنائي الحركة للتغلب على تحديات التعميم عبر المناطق، والكشف عن الأجسام الصغيرة بعيدة المدى، والتشوه المنظوري غير الخطي، محققاً نسبة فقدان أجسام بلغت 0.49% عبر مجموعة بيانات عالمية تشمل أكثر من 60 دولة.
تقترح هذه الورقة نموذج "استخراج السياسة المنفصل" للتعلم المعزز غير المتصل، والذي يفصل بين نمذجة السلوك وتحسين السياسة عبر تدريب ممثل (actor) لتوليد مرشحات أفعال مدعومة بالسلوك واستخدام ناقد (critic) منفصل لإعادة ترتيبها في وقت الاستنتاج، مما يتغلب على قيود تدريب الممثل-الناقد المقترن ويتفوق على الأساليب الحالية.
تقترح هذه الورقة نماذج عالم العمليات الرسومية (GraphOp-WM)، وهي نهج مهيكل يحلل ديناميكيات الروبوت إلى قواعد مستقلة عن المورفولوجيا وعمليات مشروطة بالمورفولوجيا لتحقيق تعميم قوي عبر المعلمات الفيزيائية غير المرئية في مهام التحكم المستمر.
تقدم هذه الورقة البحثية قابضاً هجيناً يعتمد على تقنية "التحجير بالأسطوانات" (roller-jamming) يجمع بين عملية السحب المدفوعة بالأسطوانات النشطة والتحجير الحبيبي المستحث بالفراغ لتحقيق استحواذ واحتفاظ قويين بالأجسام في ظل عدم يقين كبير في الوضعية، محققاً معدل نجاح بنسبة 96.7% عبر 840 تجربة إمساك مقارنة بأداء أقل بكثير في دراسات الاستئصال التي استخدمت كلاً من الآليتين بمفردهما.
يُعد PhysCaP عاملاً مبتكرًا يعزز التلاعب الروبوتي من خلال دمج طبقة استكشاف قائمة على الفيزياء ومعلوماتية وخالية من التدريب في أطر عمل "البرمجة كسياسة" (code-as-policy)، مما يتيح بحثاً فعالاً ومستهدفاً عن المعلومات لاستنتاج الخصائص الكامنة للأجسام مثل الكتلة والصلابة عبر نظام مزدوج الوكيل للتخطيط وتحديد الأولويات.
تقدم هذه الورقة إطار عمل "TOSS"، وهو نموذج نظري مستمد من دراسة استكشافية لسلوكيات التدريس البشرية، والذي يصيغ التدريس من إنسان إلى روبوت كحلقة إجرائية تتكون من المحفزات، والإشارات، والأهداف، والاستراتيجيات، وذلك لمواءمة تعلم الروبوت بشكل أفضل مع القصد البشري وتسهيل تصميم أنظمة تدريس أكثر فعالية وتمركزاً حول الإنسان.
تقدم الورقة البحثية NeSAM، وهو إطار عمل عصبي-رمزي يدمج ميكانيكا التربة (Bekker-Wong) القابلة للتفاضل مع ديناميكيات متبقية متعلمة وتقدير آني لمعلمات التربة، لتحسين دقة التنبؤ بالديناميكا الحركية للمركبات في الطرق الوعرة وأداء الملاحة على التضاريس القابلة للتشوه بشكل كبير.
تقترح هذه الورقة إطار عمل للشبكات العصبية المستوحاة من الفيزياء (PINN) يدمج ديناميكيات الطائرات بدون طيار والقيود البيئية مباشرة في عملية التعلم لتوليد مسارات آمنة وسلسة وموفرة للطاقة في حقول رياح ديناميكية، متفوقة بذلك على المخططات التقليدية مثل A* وKino-RRT* دون الحاجة إلى بيانات خاضعة للإشراف.
تقدم هذه الورقة إطار عمل للتحكم بالتغذية الراجعة بدون نموذج للمناولات المستمرة القائمة في الفضاء، والذي يستخدم تحديثات محدبة تفاضلية عبر الإنترنت وتحسين شد العمود الفقري لتحقيق دقة دون المليمتر وتشغيل مستقر دون الاعتماد على النمذجة الكينماتيكية أو تحديد المعلمات.
تقترح هذه الورقة إطار عمل للتعلم التعزيزي القائم على التحكم التنبئي بالنماذج (RL-MPC) هرمي الهيكل، يقوم بفصل المناولة الماهرة إلى تخطيط لمقصد التلامس في المستوى العالي وتحكم ضمني للتلامس في المستوى المنخفض، مما يحقق انتقالاً قوياً وفعالاً من حيث البيانات ومن المحاكاة إلى الواقع دون الحاجة لتدريب مسبق عبر مهام متنوعة غير قائمة على الإمساك.