4240 ورقة بحثية
تقدم هذه الورقة مسار إدراك-فعل لمهام الالتقاط والوضع الروبوتية في بيئات المتاجر المكتظة، والذي يجمع بين التلقين البصري الموجه بالتعليق التوضيحي لتحديد الأهداف مع تقنية "تجزئة الإجراء باستخدام المحولات" (ACT) لتوليد تسلسلات إمساك تكيفية قائمة على البيانات من العروض البشرية.
تقدم هذه الورقة إطار عمل للتحكم الأمثل معياريًا يتميز بشرط لتجنب الاصطدام بالعقبات الإهليلجية يكون فعالاً من الناحية الحسابية وقابلاً للاشتقاق المستمر، والذي تم التحقق من صحته من خلال عمليات المحاكاة وتجارب ثلاثية الأبعاد في العالم الحقيقي على طائرة "كريزي فلاي" (Crazyflie) رباعية المراوح باستخدام نهج تحسين جديد ثنائي المراحل لمعالجة التحديات العددية.
تقدم هذه الورقة البحثية KAN-We-Flow، وهي سياسة مطابقة تدفق ثلاثية الأبعاد خفيفة الوزن وفعالة للمناولة الروبوتية تستبدل هياكل UNet الثقيلة بهندسة RWKV-KAN مبتكرة وتنظيم اتساق الحركة لتحقيق أداء رائد مع عدد أقل بكثير من المعلمات.
تقدم هذه الورقة إطار عمل لتحديد موقع المركبات متعدد المراقبين يدمج بيانات رادار جانب الطريق وبيانات ليدار (LiDAR) للمركبات المتصلة باستخدام مرشحات كالمان الممتدة، مما يثبت من خلال تجارب واقعية في تقاطع بمدينة هلسنكي أنه بينما يوفر الدمج مكاسب محدودة مقارنة بالنماذج المرجعية القوية المعتمدة على الليدار فقط في الظروف المثالية، فإنه يوفر متانة وتحسينات قيمة في الأداء أثناء حالات حجب المستشعرات أو انخفاض معدلات التحديث.
يقدم VLCP سياسة تلاعب روبوتية لا تتطلب تدريبًا، حيث تُبقي نموذج الرؤية واللغة مجمدًا وتُمكّن التحكم في الحلقة المغلقة من خلال جعله يعيد كتابة كود التحكم الخاص به بلغة بايثون ديناميكيًا كل خطوة بناءً على ملاحظات متعددة الرؤى، محققًا بذلك تحسنًا في معدل النجاح بمقدار عشرة أضعاف مقارنة بالنماذج المرجعية ذات الحلقة المفتوحة من خلال التعافي من الفشل أثناء الحلقة.
تقدم هذه الورقة البحثية متحكم -hold، وهو نهج للتعلم المعزز مستوحى من الفسيولوجيا يستفيد من فرضية نقطة التوازن للتنقل بكفاءة في فضاء العمل عالي الأبعاد للنماذج العضلية الهيكلية، مما يمكنها من تعلم الجري السريع الشبيه بالبشر بمكافآت ضئيلة وفي أقل من ساعة.
تقدم هذه الورقة إطار عمل PROBE، الذي يتكون من محاكي عالي الدقة (PROBE-Sim)، ومعيار قياس (PROBE-Bench)، ووصفة ضبط دقيق (PROBE-Agent) للنهوض بوكلاء نماذج الرؤية واللغة في مهام الإجابة على الأسئلة البصرية المرتبطة بالتلاعب، مما يثبت أن التلاعب القائم على الأدوات والمدعوم بالوكلاء يتفوق بشكل كبير على النهج القائم على الإدراك فقط في البيئات الديناميكية والمزدحمة.
تقدم هذه الورقة ORPA، وهو إطار عمل يعزز سياسات التحكم الروبوتية المسبقة التدريب عبر إضافة وحدة خفيفة الوزن مشروطة بالتغذية الراجعة للتنبؤ بتعديلات المتبقي في فضاء المفاصل في الوقت الفعلي، مما يتيح التصحيح الفوري للأخطاء والتكيف مع تغيرات التوزيع دون الحاجة إلى إعادة تدريب السياسة بالكامل.
تقدم هذه الورقة ManiGuard، وهو معيار ومجموعة بيانات شاملة تعمل على تقييم وتحسين سلامة سياسات التلاعب الروبوتي بصرامة من خلال فصل مواصفات السلامة عن نجاح المهمة، باستخدام المراقبة الرسمية أثناء التشغيل للكشف عن أنه بينما يعزز الضبط الدقيق السلامة، إلا أن فجوات كبيرة لا تزال قائمة حتى مع زيادة البيانات وتحولات التوزيع.
يعمل Prism-GRPO على تسريع تحسين سياسة الرؤية واللغة والعمل (Vision-Language-Action) من خلال تعزيز مكافآت النجاح الثنائية بدرجات جودة التنفيذ لتقسيم مجموعات النتائج المتماثلة، مما يؤدي إلى استعادة إشارات التدريب من المخرات المستبعدة وتحقيق ما يصل إلى 56% أقل من عدد المخرات للوصول إلى معدلات النجاح المستهدفة.