4289 ورقة بحثية
تقدم هذه الورقة نموذج محاكاة يعتمد على طريقة العناصر المحدودة مقترناً بقوى هيدروديناميكية لتحسين تصميم وتحكم روبوت ناعم مستوحى من سمك الأنقليس، كاشفةً أن التكوينات غير المتماثلة قليلاً تعزز القدرة على المناورة مع الحفاظ على سرعة السباحة.
تقدم هذه الورقة البحثية خوارزمية REACH، وهي خوارزمية تعمل في الوقت الفعلي وتستخدم نموذج روبوت مرن، ومرشح نقطة سيجما، واختبار الفرضيات الإحصائية لتقدير صحة المشغل الميكانيكي وتدهوره بدقة في الروبوتات المائية المستوحاة من سمك الأنقليس عبر مختلف أنماط السباحة وتكوينات المستشعرات.
تتناول هذه الورقة البحثية أوجه القصور في الاستدلالات غير المتصلة (offline heuristics) في نظام التحديد الآني للموقع ورسم الخرائط ثلاثي الأبعاد باستخدام تقنية "Gaussian Splatting" عبر اقتراح ثلاث طرق مدركة للهندسة (geometry-aware)—وهي التكثيف الحافظ للنفاذية، والتهيئة المعتمدة على مقياس الكاميرا، والتكثيف الموجه بالخطأ—والتي تعمل على تحسين جودة التصيير بشكل كبير مع عبء حوسبي ضئيل للغاية.
يُعد HP2-SLAM إطار عمل لتقدير الموقع ورسم الخرائط باستخدام مستشعرات ليدار (LiDAR SLAM) يتميز بالبساطة والعمل في الوقت الفعلي، ويحقق تحديداً دقيقاً وقوياً للمواقع عبر بيئات متنوعة من خلال توظيف خوارزمية ICP هجينة تكيفية ومدركة للمستويات لموازنة متبقيات "نقطة-إلى-مستوى" و"نقطة-إلى-نقطة" ديناميكياً دون الاعتماد على وحدات تعلم أو تدريب مكثف.
تقدم هذه الورقة البحثية طريقة "Max-Q Selective Imitation"، وهي طريقة تعلم تعزيزي عبر الإنترنت تعتمد على تدخل بشري في الحلقة، تجمع بين نقاد "MC Q-chunk" وتحديث ممثل (actor) يعتمد مبدأ "الفائز يستحوذ على الكل" (winner-take-all) بشكل صارم لدمج التدخلات البشرية بسرعة مع تسريع التحسين الذاتي المستقل، مما يحقق تقارباً أسرع بكثير ومعدلات نجاح أعلى في المهام الروبوتية الواقعية والمحاكية مقارنة بالنماذج المرجعية الحالية.
تقدم الورقة البحثية StructRL، وهو إطار عمل للتعلم المعزز لنماذج الرؤية واللغة والعمل القائمة على التدفق، والذي يتغلب على مشكلة "تخفيف الضجيج الهيكلي" التي تعاني منها الأساليب الحالية عن طريق نقل العشوائية الهيكلية مباشرة إلى فضاء العمل عبر وحدة فك تشفير (ODE) حتمية وإعادة تشغيل الخطوة الأخيرة، مما يحسن بشكل كبير من كفاءة الاستكشاف والأداء خارج نطاق التوزيع في مهام المناولة الروبوتية.
تقترح الورقة البحثية PhaseLoRA، وهي طريقة لضبط دقيق فعال في المعلمات لسياسات الرؤية واللغة والعمل المستمرة، والتي تضبط التكيف منخفض الرتبة ديناميكيًا بناءً على نزعة التحكم الدقيق وكثافة الحدث للتعامل بشكل أفضل مع المراحل المتميزة لمهام المناولة، محققة أداءً فائقًا على الخطوط المرجعية الثابتة.
تقدم هذه الورقة FloodReasonBench، وهو معيار ومجموعة بيانات متخصصة مصممة لتقييم الدقة، وزمن الاستجابة، وكفاءة الطاقة، ومقايضات الاتصال لتقسيم الاستدلال لنماذج الرؤية واللغة في أنظمة الاستجابة للفيضانات المتجسدة التي تعمل تحت قيود الموارد عند الحافة.
تقدم هذه الورقة تقييم GUIDER، وهو إطار عمل احتمالي خالٍ من الأهداف لاستنتاج النوايا البشرية في التحكم الروبوتي عن بُعد، والذي أثبت بنجاح دقة تنبؤ عالية، واستقراراً، وأداءً في الوقت الفعلي عبر سيناريوهات مساعدة متنوعة باستخدام بيانات روبوت حقيقي.
تقدم هذه الورقة البحثية Robo-Dopamine 2.0، وهو نموذج مكافأة عملية يعتمد على التاريخ وواعٍ بالخروج عن التوزيع (OOD-aware)، يستفيد من التنبؤ الزوجي، وفضاءات التقدم الموقعة، ومنهج "القفزة الموقعة" (Signed-Hop) للتغلب على قيود المكافآت المتفرقة والتقييم البصري الثابت، مما يؤدي إلى تحسين متانة ومعدلات نجاح نماذج الرؤية واللغة والعمل (VLA) في مهام التلاعب الروبوتي بشكل كبير.