4289 ورقة بحثية
تقدم هذه الورقة مقياس زمن التصادم التنافسي (aTTC) المدمج ضمن إطار دالة حاجز التحكم، باستخدام بديل شبكة عصبية قابلة للتفاضل لتمكين المركبات الجوية ذاتية القيادة من توقع وتجنب الاصطدامات في البيئات الديناميكية بكفاءة أكبر من الطرق التقليدية القائمة على المسافة.
تقترح هذه الورقة استراتيجية تحكم تعاوني بين القائد والتابع باستخدام التحكم في القوة السلبية والامتثال القائم على الممانعة لتخميد الاهتزازات المستعرضة بفعالية في الحمولات الكبيرة والمرنة أثناء الحركة، مع براهين استقرار نظرية وتحقق تجريبي يثبت فعاليتها للهياكل الثقيلة مثل تلك الموجودة في صيانة مفاعلات الاندماج.
تقدم هذه الورقة إطار عمل موحداً يضمن التنقل الحضري الآمن للأنظمة الروبوتية غير المتجانسة من خلال الربط بين تحليل المخاطر المنهجي والإنفاذ أثناء التشغيل عبر أغلفة سلامة مستندة إلى المخاطر تعمل على تحويل النماذج العالمية الرمزية والمكانية والديناميكية.
من خلال رسم خرائط شاملة لمشهد المورفولوجيا واللياقة لأكثر من 1.3 مليون روبوت لينة، تكشف هذه الدراسة أنه في حين يمكن للتحسين المشترك المتطور للدماغ والجسم أن يحقق مكاسب فريدة في الأداء من خلال تبديل الأهداف، إلا أنه يفشل باستمرار في الاختيار لصالح الإمكانات المورفولوجية لأنه غالباً ما يقلل من قيمة الأجسام الجديدة الواعدة والناتجة عن الطفرات ويستبعدها.
تقدم هذه الورقة عرضاً لإثبات المفهوم لـ "الإدراك المورفولوجي" (الشكلي)، حيث تُظهر أن روبوتاً مُشيداً من وحدات حجمية (voxels) محاكاتية ذات سلوكيات ثابتة يمكنه تصنيف أرقام مجموعة بيانات MNIST (تحديداً التمييز بين الرقمين 0 و1) والتحرك بناءً على ذلك دون استخدام أي دوائر عصبية.
تقدم هذه الورقة خوارزمية بايزية تكيفية تعمل في الوقت الفعلي وبدون تدريب، تقوم بالاستدلال المشترك على النوايا الكامنة للهدف والالتزام بالحركة لتوليد تنبؤات مسار قوية وذات كمية عدم يقين محددة في ظل ظروف ديناميكية وغير معروفة، مما يظهر أداءً فائقاً على الطرق الحالية في كل من المحاكاة والتجارب العتادية.
يعد RadarGen إطار عمل يعتمد على الانتشار، يقوم بتخليق سحب نقاط رادارية واقعية للسيارات من صور كاميرا متعددة الزوايا عبر الاستفادة من الإشارات البصرية والدلالية والحركية المتوافقة مع منظور الرؤية المحيطية (BEV) لسد الفجوة بين المجالات في عمليات المحاكاة التوليدية متعددة الوسائط.
تقدم هذه الورقة SOOPER، وهو إطار عمل للتعلم التعزيزي الآمن يستفيد من أولويات السياسة المتحفظة ونماذج الديناميكيات الاحتمالية لضمان السلامة أثناء الاستكشاف عبر الإنترنت مع تحقيق التقارب الأمثل والتفوق على الأساليب الرائدة في كل من الاختبارات المعيارية والأجهزة الواقعية.
تقدم ورقة RoboSynChallenge معياراً موحداً يعالج ندرة البيانات الروبوتية في العالم الحقيقي من خلال دمج توليد البيانات الاصطناعية واسعة النطاق مع التقييم المعياري في العالم الحقيقي للنهوض بتطوير سياسات التحكم في المناولة القابلة للتعميم والتكيف.
تقيم هذه الدراسة نماذج الرؤية واللغة مفتوحة المصدر لتقييم مخاطر التقارب من صور الروبوتات ذات المنظور الشخصي، وتجد أنه في حين أن الضبط الدقيق لا يقدم سوى مكاسب إجمالية متواضعة، فإن التلقين المتقدم يحسن بشكل كبير اكتشاف الخطورة العالية في نماذج معينة مثل Qwen-VL، رغم أن التصنيفات الصحيحة للسلامة لا ترتبط بالضرورة بالتأسيس المكاني الدقيق.