864 Arbeiten
Diese Studie stellt ein modellbasiertes Verfahren vor, das durch die Verknüpfung der thermischen Ausdehnung eines Hexapod-Aktors mit Oberflächentemperaturen eine experimentell validierte Korrektur von thermischen Drifts um mehr als 80 % ermöglicht.
Dieser Tutorial-Artikel bietet eine anwendungsorientierte Einführung in gestützte Inertialnavigationssysteme, indem er eine geometrische Formulierung auf Basis der verallgemeinerten Special-Euclidean-Gruppe SE₂(3) verwendet, um die Fusion von Inertialmessungen mit Hilfsdaten unter expliziter Berücksichtigung von Invarianz und Symmetrie zu erläutern und dabei moderne Erweiterungen wie äquivariante Filtermethoden vorzustellen.
Der Artikel stellt RoTri-Diff vor, ein diffusionsbasiertes Imitationslernframework, das durch die explizite Modellierung der räumlichen triadischen Interaktion zwischen zwei Roboterarmen und einem Objekt stabile und kollisionsfreie bimanuelle Manipulationsaufgaben in Simulation und Realität verbessert.
Die vorgestellte Arbeit stellt ein vollständig onboardes, visuell geführtes Regelungsframework vor, das mithilfe eines neuartigen neuronalen Signed-Distance-Fields (Gate-SDF) und eines MPPI-Controllers agile Drohnenflüge durch beliebig platzierte und orientierte Tore ohne vordefinierte Referenzpfade ermöglicht.
Die Arbeit stellt ein kinematikbewusstes latentes Weltmodell vor, das durch die Integration von Fahrzeugkinematik und geometrischer Überwachung die Dateneffizienz und Fahrleistung beim autonomen Fahren im Vergleich zu bestehenden Methoden verbessert.
Die vorgestellte Arbeit präsentiert einen hybriden Greifer aus starren Schalen und aufblasbaren Silikon-Taschen, der durch aktive Druckregulierung die Reibung erhöht, um schwere, rutschige oder fragile Objekte sicher zu greifen, ohne die Greifkraft zu steigern.
Der Artikel stellt Faster-HEAL vor, ein effizientes und datenschutzfreundliches Framework für die kollaborative Wahrnehmung heterogener autonomer Fahrzeuge, das durch feine Anpassung von Low-Rank-Visual-Prompts und pyramidenförmiger Fusion eine deutliche Leistungssteigerung bei minimalem Rechenaufwand ermöglicht.
Diese Arbeit stellt einen leichten, auf digitalen Zwillingen basierenden Rahmen für die Fahrzeugverfolgung und Kollisionsvorhersage vor, der ohne komplexe Trajektorienvorhersagemodelle auskommt und sich durch geringen Rechenaufwand für den Echtzeit-Einsatz an Edge-Geräten in intelligenten Verkehrssystemen eignet.
Die Autoren stellen DistGP vor, eine verteilte Methode für Multi-Roboter-Kartierung, die auf einem spärlichen Gauß-Prozess-Modell mit Gaußschem Glaubensausbreitung basiert und dabei eine höhere Genauigkeit sowie Robustheit bei asynchroner Kommunikation und kontinuierlichem Lernen im Vergleich zu zentralisierten Ansätzen und verteilten neuronalen Netzen erreicht.
Diese Übersichtsarbeit entwickelt eine perspektive der unterwasserembodied intelligence, die Planung und Steuerung als untrennbar mit physikalischen, wahrnehmungs- und ressourcenbeschränkungen verknüpft betrachtet, um durch eine neue Fehler-Taxonomie und integrierte Forschungsrichtungen robuste autonome Systeme für reale Ozeanumgebungen zu ermöglichen.
Diese Arbeit stellt einen onboard-fähigen, wahrnehmungsbasierten Misch-ganzzahligen modellprädiktiven Regelungsrahmen vor, der Fußplatzierung und Schrittdauer gemeinsam plant, um humanoiden Robotern eine robuste Fortbewegung auf diskontinuierlichen, unsicheren Untergründen zu ermöglichen.
Die Arbeit stellt LoRA-SP vor, eine adaptive Feinabstimmungsmethode für Vision-Language-Action-Modelle, die durch eine dynamische, energiegesteuerte Kapazitätszuweisung die Übertragbarkeit und Multi-Task-Leistung von Robotern im Vergleich zu herkömmlichen LoRA-Ansätzen signifikant verbessert.
Diese Studie untersucht durch biomechanische Analysen und robophysikalische Experimente an nachgebildeten Tausendfüßlern, wie morphologische Parameter wie die Beinlänge die Selbstaufrichtstrategien elongierter Roboter beeinflussen, und leitet daraus ein wellenbasiertes Rahmenwerk sowie Designrichtlinien für zuverlässiges Selbstaufrichten in unübersichtlichem Gelände ab.
Diese Arbeit stellt eine neuartige Propriozeptionsmethode für kabelgesteuerte Kontinuumroboter vor, die durch die Integration von Seilspannungs- und Kraft-/Drehmomentsensoren sowie biomechanisch inspirierter Modellierung die dreidimensionale Kontaktkraftwahrnehmung und Formschätzung im Mikrobereich ermöglicht.
Die Arbeit stellt LITHE vor, eine leichte Softwarearchitektur für commodity-Hardware, die es ermöglicht, Echtzeit-Steuerungslogik in C++ dynamisch und unterbrechungsfrei von einem Python-basierten „Gehirn" zu aktualisieren, wodurch die Lücke zwischen hochleveliger KI und sicherer Echtzeit-Regelung in Robotersystemen geschlossen wird.
Die Arbeit stellt SLNet vor, einen super-leichtgewichtigen und geometrieadaptiven Backbone für die 3D-Punktwolken-Erkennung, der durch innovative Komponenten wie NAPE und GMU eine hohe Genauigkeit bei deutlich geringerem Rechenaufwand und weniger Parametern als bestehende Modelle erreicht.
Das Paper stellt GSAT vor, einen selbstüberwachten Ansatz zur Schätzung der Geländebefahrbarkeit, der durch Anomalieerkennung in einem latenten Raum positive Proben identifiziert und so das Problem des Fehlens expliziter Negativbeispiele löst, um eine zuverlässigere autonome Navigation in verschiedenen Geländebedingungen zu ermöglichen.
Das Paper stellt HSC-VLA vor, ein hierarchisches Framework für bimanuelle Manipulation in dichtem Chaos, das durch die Entkopplung von hochrangiger visueller Semantik und niedrigrangiger sensorischer Ausführung mittels einer expliziten Szenenbereinigung die Erfolgsrate im Vergleich zu monolithischen Baselines signifikant steigert.
Der Artikel stellt einen innovativen Inverse-Dynamics-Beobachter vor, der ein lineares Einspurmodell mit einer verteilten Reifendynamik in Form von hyperbolischen partiellen Differentialgleichungen kombiniert, um den Seitenwindwinkel und die Reifenkräfte ausschließlich aus Giergeschwindigkeit und Querbeschleunigung zu schätzen.
Das Paper stellt InterReal vor, ein einheitliches physikbasiertes Imitationslern-Framework, das Humanoidenrobotern durch datenaugmentierte Hand-Objekt-Kontaktbeschränkungen und einen automatischen Belohnungslerner ermöglicht, komplexe Mensch-Objekt-Interaktionen sowohl in Simulation als auch auf dem realen Unitree G1-Roboter präzise und robust zu erlernen.