864 Arbeiten
Das Paper stellt TeamHOI vor, ein dezentralisiertes Framework, das mithilfe eines Transformer-basierten Policies und einer maskierten adversariellen Bewegungsprior-Methode (AMP) physisch plausible und skalierbare kooperative Mensch-Objekt-Interaktionen für Teams beliebiger Größe ermöglicht.
Diese Arbeit stellt den Drag-Aware Aerodynamic Manipulability (DAAM) vor, einen geometrischen Rahmen für die Kraftzuweisung redundanter Multirotoren, der durch eine riemannsche Metrik und die Optimierung des manipulierbaren Volumens motorische Drehmomentgrenzen sowie aerodynamischen Widerstand explizit berücksichtigt, um eine koordinateninvariante Redundanzauflösung zu ermöglichen.
Diese Arbeit stellt ein Dual-Horizon-Hybrid-Internal-Model vor, das die kontinuierliche quadrupede Sprunglokomotion unter Mondgravitation ermöglicht, und validiert diesen Ansatz hardwareseitig auf der MATRIX-Plattform, die eine Echtzeit-Emulation der Mondumgebung durch ein digitales Zwillingssystem bietet.
Die Arbeit stellt DiffRacing vor, ein neuartiges Framework für das differentiable Policy Learning, das Vektorfelder nutzt, um die Herausforderungen beim Training von Drohnen für den Hochgeschwindigkeits-Rennsport in komplexen Umgebungen zu bewältigen und dabei eine robuste Sim-to-Real-Übertragung ohne explizite Systemidentifikation ermöglicht.
Das Paper stellt AffordGrasp vor, ein diffusionsbasiertes Framework, das mithilfe einer skalierbaren Annotationspipeline und eines dual-konditionierten Prozesses physikalisch stabile und semantisch korrekte Greifposen für AR/VR und Embodied AI generiert, indem es Objektgeometrie, räumliche Affordanzen und Textanweisungen integriert.
Diese Arbeit stellt einen systematischen Rahmen zur Berechnung formal garantierter Fehlergrenzen für die Trajektorienverfolgung autonomer Hubschrauber mittels robust positiver invarianter Mengen vor, der explizite Positionsfehlergrenzen für zertifizierte Pufferzonen in der übergeordneten Trajektorienplanung liefert und dabei drei Regelungsarchitekturen hinsichtlich ihrer Konservativität und Leistung vergleicht.
Der Artikel stellt „See & Switch" vor, ein interaktives Framework zur Roboterschulung durch Demonstration, das mithilfe von Aug-in-Hand-Kameras und einem bedingten Aufgabengraphen robuste Verzweigungen und Anomalieerkennung in Echtzeit ermöglicht, um komplexe Manipulationsaufgaben auch unter variierenden Bedingungen zuverlässig auszuführen.
Dieses Paper stellt MRDrive vor, eine Open-Source-Mixed-Reality-Fahrsimulation, die für die Automobilforschung eine realistische Fahrzeugkabine mit einer virtuellen Fahrumgebung verbindet, um ökologische Validität und experimentelle Kontrolle bei der Untersuchung von Fahrzeugschnittstellen zu vereinen.
Diese Arbeit stellt ein neues, stabilitätsbewiesenes Regelungsschema für redundante Roboter vor, das durch eine adaptive visuell gesteuerte Aufgabenraumsteuerung und eine interaktive Nullraumsteuerung eine sichere und effektive Mensch-Roboter-Kollaboration in unbekannten Umgebungen ermöglicht, ohne die Hauptaufgabe des Endeffektors zu beeinträchtigen.
Das Paper stellt DeReCo vor, ein neuartiges dezentrales Multi-Agenten-Verstärkungslern-Framework, das durch eine dreistufige Trainingsstrategie das Lernen von Repräsentationen und die Koordination entkoppelt, um die Stichprobeneffizienz und die Generalisierungsfähigkeit von Roboterschwärmen beim Transport verschiedener Objekte zu verbessern.
Die Arbeit stellt einen integrierten Rahmen vor, der durch RL-gestützte Teleoperation (IMCopilot) und eine Mixture-of-Dexterous-Experts-VLA-Architektur (MoDE-VLA) hochkomplexe, kontaktreiche zweihändige Manipulationsaufgaben mit menschenähnlicher Präzision ermöglicht.
Der Artikel stellt SaiVLA-0 vor, ein rechnerbewusstes Vision-Language-Action-Modell, das durch eine neurowissenschaftlich inspirierte Dreiteilung aus Cerebrum, Pons und Cerebellum sowie eine foveierte Blicksteuerung effizientere und stabilere Robotersteuerung ermöglicht.
Die Arbeit stellt einen leichten Nachbearbeitungsrahmen vor, der Unsicherheit in aleatorische und epistemische Komponenten zerlegt, um robotische Manipulation und adaptive Wahrnehmung durch unsicherheitsgesteuerte, komponentenspezifische Eingriffe zu verbessern.
Die Arbeit stellt UniGround vor, eine trainingsfreie Methode für das universelle 3D-Visual-Grounding, die durch zweistufiges, auf Topologie und semantischer Kodierung basierendes Reasoning neue State-of-the-Art-Ergebnisse auf Benchmarks wie ScanRefer und EmbodiedScan erzielt und dabei ohne 3D-Überwachung robust auf unbekannte Szenen verallgemeinert.
Die Studie zeigt, dass die physische Präsenz eines Roboters als Spielleiter bei Multiplayer-Mordgeheimnissen nicht automatisch die Erfahrung verbessert, sondern dass Nutzer mit einer starken negativen Robotereinstellung (NARS) durch direkte physische Interaktion weniger in die Handlung eintauchen als durch digitale Schnittstellen, was die Notwendigkeit adaptiver Systeme unterstreicht.
Diese Arbeit stellt einen modellbasierten Regelungsansatz für humanoide Roboter mit mehrfingerigen Händen vor, der auf geschätzten Tastkräften basiert, um durch Anpassung von Rumpf, Arm und Fingern sowie eine optimale Kraftverteilung stabile Objektkontakte auch bei variierenden Massenverteilungen aufrechtzuerhalten.
Die Arbeit stellt Edged USLAM vor, ein hybrides visuell-inertiales SLAM-System, das durch eine kantenaufmerksame Front-End-Verarbeitung und lernbasierte Tiefenpriors die Robustheit von Ereigniskameras in schwierigen Umgebungen wie schneller Bewegung oder schlechter Beleuchtung verbessert und dabei eine überlegene Stabilität und geringere Drift im Vergleich zu reinen ereignisbasierten oder rein lernbasierten Ansätzen bietet.
Die Arbeit stellt Fusion-Poly vor, ein neuartiges Framework für das 3D-Objekttracking, das asynchrone LiDAR- und Kameradaten durch eine räumlich-zeitliche Fusionsstrategie integriert, um die Verfolgungshäufigkeit zu erhöhen und mit 76,5 % AMOTA einen neuen State-of-the-Art auf dem nuScenes-Datensatz zu erreichen.
Diese Arbeit stellt ein allgemeines Lie-Gruppen-Framework vor, das auf der Cosserat-Rod-Theorie und einer kumulativen Parametrisierung auf SE(3) basiert, um eine einheitliche, effiziente und numerisch stabile Modellierung, Simulation und Regelung komplexer weicher Roboterstrukturen ohne Einschränkungen durch Einheitsquaternionen zu ermöglichen.
Das Paper stellt FlowTouch vor, ein neuartiges Modell zur vorhersage von taktilen Reaktionen aus visuellen Eingaben mittels lokaler 3D-Meshes und Flow-Matching, das eine view-invariante Generalisierung über verschiedene Sensoren hinweg ermöglicht und die Lücke zwischen Simulation und Realität schließt.