864 Arbeiten
Die Arbeit stellt GPHDM vor, ein neuartiges Modell, das durch die Erweiterung des GPDM auf hyperbolische Mannigfaltigkeiten und die Integration taxonomischer Induktionsverzerrungen menschliche Roboterbewegungen erzeugt, die sowohl die hierarchische Struktur der Bewegungsdaten als auch physikalische Konsistenz bewahren.
Der Artikel stellt ROSflight 2.0 vor, eine schlanke, auf ROS 2 basierende Open-Source-Autopilot-Architektur für unbemannte Luftfahrzeuge, die durch ihre Modularität und den Wechsel zu ROS 2 die UAV-Forschung erleichtert und Hardware-Experimente beschleunigt.
Der Artikel stellt ROSplane 2.0 vor, eine von Forschern entwickelte, auf ROS 2 basierende Open-Source-Autopilot-Software für feste Flügel, die durch modulare Architektur, verbesserte Schätz- und Regelalgorithmen sowie eine vereinfachte aerodynamische Modellierung die Integration neuer Forschungsmethoden und den Übergang von Simulation zur Realität beschleunigt.
Die Arbeit stellt Phys2Real vor, einen Sim-to-Real-RL-Ansatz, der VLM-basierte Schätzungen physikalischer Parameter mit unsicherheitsbewusster, interaktiver Online-Anpassung kombiniert, um die Robustheit und Effizienz robotischer Manipulationsaufgaben in der realen Welt zu verbessern.
Diese Arbeit stellt eine stichprobenbasierte Lösung für die hybride Regelungssteuerung vor, die durch die Formulierung als ganzzahliges Optimierungsproblem eine asymptotisch optimale Umschaltung zwischen algorithmischen und nicht-differenzierbaren Modi ermöglicht und sich in robotischen Anwendungen zur Synthese komplexer Verhaltensweisen bewährt hat.
Die Arbeit stellt C3+, einen verbesserten kontaktimpliziten MPC-Algorithmus vor, der in einer vollständigen Pipeline von der Objekterfassung bis zur Hardware-Steuerung integriert ist und erstmals das präzise Schieben von einzelnen sowie mehreren Objekten unterschiedlicher Geometrie in Echtzeit mit einer Erfolgsrate von 98 % ermöglicht.
Die Arbeit stellt AURASeg vor, ein auf ResNet basierendes Segmentierungsframework für fahrbare Bereiche, das durch einen aufmerksamen Upsampling-Decoder und eine residualgestützte Randverfeinerung präzise Grenzen und eine effiziente Onboard-Verarbeitung auf Edge-Geräten ermöglicht.
Diese Arbeit stellt einen Echtzeit-Rahmen vor, der mithilfe einer modifizierten Hankel-DMD mit gleitendem Fenster verrauschte, partielle Messdaten dynamischer Hindernisse denoist und für die robotische Bewegungsplanung vorhersagt.
Die Studie schlägt vor, Augmented-Reality-Indikatoren für das Sichtfeld von Robotern zu verwenden, um die mentalen Modelle von Menschen zu korrigieren und die Genauigkeit bei der Mensch-Roboter-Kollaboration zu erhöhen, wobei sich zeigte, dass in den Aufgabenraum projizierte (allozentrische) Indikatoren die beste Genauigkeit bieten.
Die Arbeit stellt ExpReS-VLA vor, eine Methode zur effizienten On-Device-Spezialisierung von Vision-Language-Action-Modellen durch komprimiertes Experience Replay und Retrieval-Augmentation, die eine schnelle Anpassung an neue Umgebungen ermöglicht, katastrophales Vergessen verhindert und gleichzeitig das Lernen aus sowohl erfolgreichen als auch gescheiterten Versuchen unterstützt.
Die Arbeit stellt CAVER vor, einen Roboter, der durch eine neuartige Greifvorrichtung, eine multimodale Repräsentation und einen neugierigkeitsgesteuerten Explorationsalgorithmus effizient audiovisuelle Objektrepräsentationen erlernt, um Materialklassifizierung und das Imitieren von Audio-Demonstrationen zu verbessern.
Diese Arbeit stellt ein kontakt-sicheres Reinforcement-Learning-Framework vor, das Proximal Policy Optimization mit Bewegungsprimitiven und einem energiebewussten kartesischen Impedanzregler kombiniert, um robuste und sichere Manipulationsaufgaben in komplexen 3D-Umgebungen zu bewältigen.
Die Arbeit stellt WNumMPC vor, eine hierarchische Navigationsmethode für Multi-Agenten-Systeme, die durch den Einsatz von Reinforcement Learning zur Vorhersage von Windungszahlen und dynamischen Gewichtungen symmetriebedingte Deadlocks in dichten Szenarien effektiv vermeidet und dabei eine robuste Sim-to-Real-Übertragung ermöglicht.
Die Arbeit stellt Bi-AQUA vor, ein bahnbrechendes Framework für das unterwasserbasierte Imitationslernen von Roboterarmen, das durch die Integration von bilateralen Kontrollmechanismen und einer lichtbewussten Transformer-Architektur robuste Manipulationsaufgaben unter variierenden Beleuchtungsbedingungen ermöglicht.
Das Paper stellt EchoVLA vor, ein Gedächtnis-fähiges Vision-Language-Action-Modell mit synergistischer deklarativer Erinnerung für mobile Manipulation, das durch eine neuartige Benchmark namens MoMani trainiert wurde und in Simulationen sowie realen Umgebungen signifikant bessere Ergebnisse als starke Baselines erzielt.
Diese Arbeit stellt einen neuartigen Planungsansatz für autonomes Spurwechseln vor, der dynamische Risikofelder mit zeitvariablen konvexen Freiräumen und einem eingeschränkten iLQR-Algorithmus kombiniert, um in komplexen Verkehrsszenarien sichere, effiziente und komfortable Trajektorien zu gewährleisten.
Diese Arbeit führt das Konzept der abhängigen erreichbaren Mengen für Zwei-Agenten-Szenarien ein, charakterisiert deren Geometrie am Beispiel der Konstanten-Bearing-Verfolgungsstrategie durch theoretische Grenzen und Optimierungsprobleme und validiert die Ergebnisse mittels Simulationen.
Diese Arbeit stellt XR-DT vor, ein Framework für Extended Reality und Digital Twins, das eine menschenbewusste Modellprädiktive Pfadintegral-Steuerung (HA-MPPI) mit einem Transformer-basierten Vorhersagemodell kombiniert, um sichere und effiziente Navigation von mobilen Robotern in gemeinsamen Arbeitsräumen zu ermöglichen.
Der Artikel stellt Safe Model Predictive Diffusion (Safe MPD) vor, einen trainingsfreien Diffusionsplaner, der durch die Integration eines Sicherheits-Shields während des Denoising-Prozesses kinodynamisch machbare und sichere Trajektorien für komplexe Robotersysteme erzeugt und dabei bestehende Sicherheitsstrategien in Bezug auf Erfolgsrate und Rechengeschwindigkeit übertrifft.
Die Arbeit stellt SORS vor, einen modularen, energiebasierten Simulator auf Finite-Elemente-Basis, der durch die Integration von sequentieller quadratischer Programmierung für Kontakthandhabung eine hohe physikalische Genauigkeit bei der Simulation komplexer weicher Roboter in Multiphysik-Umgebungen ermöglicht und so die Lücke zwischen Simulation und Realität schließt.