864 Arbeiten
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.
Der Artikel stellt Seed2Scale vor, eine selbstentwickelnde Daten-Engine für Embodied AI, die durch die Synergie kleiner und großer Modelle sowie multimodale Evaluierung ausgehend von nur vier Seed-Demonstrationen eine signifikante Leistungssteigerung von 131,2 % und eine skalierbare Lösung für die Datenbeschaffung erreicht.
Das Paper stellt SAIL vor, ein Framework für das In-Context-Imitationslernen, das die Robustheit von Robotern bei variierenden Umgebungen durch testzeitbasiertes Skalieren mittels Monte-Carlo-Baumsuche, eines VLM-basierten Bewertungssystems und einer automatisierten Archivierung erfolgreicher Trajektorien signifikant verbessert.
Die Studie zeigt, dass die gezielte Reduktion von Agenten-Kommunikationskanälen und die Einführung einer lokalitätsbasierten Kreditvergabe die Robustheit und den Erfolg von dezentralen 3D-Verfolgungs-Szenarien in lauten und verzögerten Umgebungen im Vergleich zu vollvernetzten Ansätzen signifikant steigern.
Das Paper stellt EndoSERV vor, ein neuartiges, vision-basiertes Navigationssystem für endoluminale Roboter, das durch eine Segment-zu-Struktur- und Real-zu-Virtual-Mapping-Strategie sowie Transferlernen die präzise Lokalisierung in komplexen, deformierbaren anatomischen Umgebungen ohne reale Pose-Labels ermöglicht.
Der Artikel stellt HIMoS vor, ein hierarchisches, multimodales Planungsframework für autonome Unterwasserfahrzeuge, das durch die Integration von akustischen und visuellen Sensoren sowie eine zweistufige Strategie die energieeffiziente Suche und Probenahme seltener Korallen in fester Höhe ermöglicht.
Die Arbeit stellt PhaForce vor, einen phasengesteuerten visuomotorischen Ansatz, der durch die Kombination eines langsamen Diffusionsplaners und eines schnellen Korrektors kontaktreiche Manipulationsaufgaben mit einer durchschnittlichen Erfolgsrate von 86 % löst, indem er die visuelle Semantik bewahrt und gleichzeitig hochfrequente Kraft-Rückkopplung für präzise Anpassungen nutzt.
Die Arbeit stellt eine kommunikationsfreie Methode zur sicheren Koordination mehrerer UAVs in GNSS-freien, komplexen Umgebungen wie Wäldern vor, die auf einer onboard 3D-LiDAR-basierten Wahrnehmung und einem neuartigen navigationsorientierten Framework für die Hindernis- und Nachbarnerkennung beruht.
Der Artikel stellt MoMaStage vor, ein strukturiertes Vision-Language-Framework, das durch einen graphenbasierten Skill-State-Ansatz und eine geschlossene Regelkreis-Execution die Zuverlässigkeit und Generalisierung von Robotern bei langfristigen mobilen Manipulationsaufgaben in Innenräumen ohne explizite Kartierung verbessert.
Das Paper stellt StructBiHOI vor, ein hierarchisches Framework, das durch die Entkopplung langfristiger Gelenkplanung und feinkörniger Manipulationsverfeinerung sowie den Einsatz eines Mamba-basierten Diffusionsdenoisers stabile und physikalisch plausible bimanuelle Hand-Objekt-Interaktionen über lange Zeiträume generiert.
Die Arbeit analysiert die Instabilität nicht-linearer Wertzerlegung im Offline-Multi-Agenten-Reinforcement-Learning und schlägt eine skalierungsinvariante Wertnormalisierung vor, um ein stabiles Training zu ermöglichen und eine praktische Anleitung für den erfolgreichen Einsatz dieses Paradigmas zu entwickeln.
Diese Studie stellt ein KI-gestütztes Wahrnehmungssystem für mobile Roboterchemiker in selbstfahrenden Laboren vor, das durch eine hierarchische Vorhersage menschlicher Absichten eine proaktive Interaktion und effizientere Koordination im gemeinsamen Betrieb mit Menschen ermöglicht.
Die Autoren stellen ein AFOP-ML-Framework vor, das mittels eines automatisch optimierten prototypischen Netzwerks und Few-Shot-Learning sowohl Formen als auch Materialien aus taktilen Sensordaten mit hoher Genauigkeit erkennt und dabei Datenknappheit sowie lange Trainingszeiten überwindet.
Das FoMo-Dataset ist eine umfassende, über ein Jahr in einem borealen Wald aufgezeichnete Datensammlung mit multi-saisonalen Umgebungsbedingungen, die zur Evaluierung der Robustheit von Roboternavigationssystemen gegenüber extremen saisonalen Veränderungen wie Schneefall und Vegetationswachstum dient.
Diese Arbeit stellt einen adaptiven, entropiegesteuerten Sensorauswahlmechanismus für einen Kamera-LiDAR-Partikelfilter vor, der in einer realen maritimen Testumgebung in Zypern nachweist, dass durch die dynamische Auswahl der informativsten Sensorkonfiguration eine robuste Einzel-Schiff-Verfolgung mit einem optimalen Kompromiss zwischen Genauigkeit und Kontinuität erreicht wird.
Das Papier stellt R2F vor, einen Echtzeit-fähigen, LLM-freien Ansatz für die objektorientierte Navigation, der Strahlfronten als semantische Hypothesen nutzt, um die Latenz und den Rechenaufwand von herkömmlichen VLM-basierten Systemen zu eliminieren.
Die Arbeit stellt LAR-MoE vor, ein zweistufiges Framework für das Imitationslernen in der Robotik, das durch latente Ausrichtung der Expert-Routing-Mechanismen eine strukturierte Spezialisierung ohne manuelle Phasenannotationen ermöglicht und dabei hohe Erfolgsraten auf Benchmarks sowie eine erfolgreiche Zero-Shot-Übertragung auf ex-vivo-Gewebe demonstriert.
Die Arbeit stellt STRIDE vor, ein Framework zur Vorhersage der Roboterdynamik in unstrukturierten Umgebungen, das konservative Lagrange-Mechanik über ein Lagrange-Neuronales Netz mit stochastischen Restdynamiken mittels bedingtem Flow-Matching kombiniert, um physikalische Konsistenz und präzise Modellierung komplexer Interaktionen zu gewährleisten.
Das Paper stellt 3PoinTr vor, eine Methode zur Vortrainierung von Roboter-Policies aus ungesteuerten menschlichen Videos durch die Vorhersage von 3D-Punktspuren als embodiment-unabhängige Repräsentation, die es ermöglicht, robuste Manipulationsaufgaben mit nur wenigen roboterspezifischen Demonstrationen zu erlernen.
Die Arbeit stellt ProReFF vor, ein probabilistisches Modell, das aus ungelabelten Daten relative Merkmalsverteilungen lernt, um Roboter bei der Objektsuche in unbekannten Umgebungen effizienter zu steuern und dabei bis zu 80 % der menschlichen Leistung zu erreichen.