4289 ورقة بحثية
تقدم هذه الورقة FeDepth، وهو إطار عمل للتعلم الاتحادي القائم على الوصفات، والذي يستخدم التجميع الناعم لنمذجة الانتقالات النطاقية المستمرة عبر منصات الروبوت غير المتجانسة، مما يحسن بشكل كبير من متانة تقدير العمق مقارنة بطرق التعلم الاتحادي القياسية وطرق التجميع الصلب.
تقترح هذه الورقة إطار عمل للتفكيك المعتمد على ألياف مساحة العمل، والذي يتيح تخطيط حركة كاملاً وفعالاً للمناورات المستوية الزائدة عن الحاجة ذات الـ n درجة حرية في البيئات المزدحمة، وذلك عبر البناء التدريجي لمساحات العمل القابلة للوصول والمقيدة بالعوائق لسلاسل فرعية غير زائدة عن الحاجة، ورفعها تكرارياً عبر ألياف التوجه الزائدة عن الحاجة، مما يؤدي إلى تجنب البناء الصريح لعوائق فضاء التكوين الكامل مع الحفاظ على الاتصال الخالي من الاصطدام.
تقدم هذه الورقة البحثية "أولويات مسار هيرميت" (Hermite trajectory priors) لتمثيل كتل الأفعال (action chunks) كمنحنيات تكعيبية مجزأة وسلسة، مما يثبت أن فرض السلاسة والاستمرارية صراحةً من خلال "تنظيم هيرميت" (Hermite Regularization) يحسن بشكل كبير معدلات النجاح لنماذج "الرؤية واللغة والأفعال" (Vision-Language-Action models) في كل من مهام المحاكاة والروبوتات الحقيقية عبر العمل كتحيز استقرائي فعال للتعلم.
يُعد DreamTrajectory إطار عمل موجَّه بالمسار للمناولة المتنقلة، يعمل على تحسين سياسات الرؤية واللغة والعمل الحالية من خلال التنبؤ المشترك بمسارات النهاية الطرفية وأفعال الجسم الكامل لتوجيه الحركة المنسقة، مع توظيف نموذج عالم خفيف الوزن للتحسين أثناء وقت الاختبار لمواءمة الأفعال المنفذة مع المسارات المخطط لها، مما يعزز معدلات النجاح بشكل كبير في كل من مهام المحاكاة والمهام الواقعية الغنية بالتلامس.
يقدم GenTrack إطار عمل عبر الإنترنت للتوليد والتتبع يتناوب بين توليد الحركة المرتكزة على التنفيذ وتدريب المتتبع لتقليص الفجوة بفعالية بين الحركات المعقولة حركياً والحركات القابلة للتنفيذ بواسطة الروبوت، مما يحقق تتبعاً بشرياً فائقاً من نوع "الصفر استباقي" (zero-shot) عبر مراجع متنوعة وخارج نطاق التوزيع دون الحاجة إلى جمع بيانات إضافية.
تقدم هذه الورقة إطار عمل BRACE، وهو إطار تحكم بميزانية مقترن بطريقة تقليم الرموز (E-RECAP)، والذي يخفف من اختناقات زمن الاستجابة الناتجة عن إعادة التخطيط المتكرر القائم على النماذج اللغوية الكبيرة في الوكلاء المجسدين، وذلك عبر تخصيص ميزانيات الرموز وتقليم السياقات ديناميكياً لتقليل انتهاكات أهداف مستوى الخدمة بشكل كبير مع الحفاظ على معدلات نجاح عالية للمهام.
تقترح هذه الورقة نظام إدراك وحركة مبتكر يتكون من Humanoid-PoseNet وHumanoid-ActionNet يُمكّن الروبوتات البشرية من تعلم وتنفيذ مهام البناء بموثوقية من خلال العروض البشرية، محققةً متوسط خطأ في تتبع الحركة يبلغ 82.45 ملم.
يُعد AffordTrajDP إطار عمل ديناميكي يعزز التلاعب الروبوتي من خلال نشر إمكانية الوصول المرجعية المستردة عبر وضعية الجسم في فضاء SE(3) لتوليد مسارات توجيه متسقة زمنياً وواعية بالحالة، مما يتغلب على قيود الإمكانات الاستاتيكية ويحقق معدلات نجاح فائقة في المهام الحرجة التي تتطلب دقة عالية.
يُعد SyncPlan إطار عمل قائم على التخطيط والتنفيذ والتصحيح، يحقق تنسيقاً متطوراً بين الوكلاء متعددين عبر آفاق زمنية طويلة بأقل قدر من زمن الاستجابة، وذلك عبر الجمع بين التخطيط المركزي أحادي المرحلة، وبدائيات المزامنة الصريحة لإدارة التبعيات، وإعادة التخطيط التكيفي الذي يتم تحفيزه بواسطة كاشف لتقادم البيانات.
تقدم هذه الورقة نظام TWINS، وهو نظام روبوتي يتكون من جهاز ذي ذراعين قابل للارتداء وروبوت متماثل مجهز بمستشعرات لمسية موزعة، مما يتيح جمع عروض توضيحية لتلامس سطح الجسم ومن ثم تدريب ونشر سياسات التعلم بالتقليد لمهام المناولة الغنية بالتلامس.