864 Arbeiten
Die Studie stellt den multimodalen RFM-HRI-Datensatz vor, der menschliche Reaktionen und Wiederherstellungspräferenzen bei Fehlern medizinischer Roboter während der Entnahme von Gegenständen erfasst, um die Grundlage für zuverlässigere Fehlererkennung und -behebung in sicherheitskritischen HRI-Szenarien zu schaffen.
Die Arbeit stellt SCOUT vor, eine effiziente Methode zur interaktiven Objektsuche in offenen Welten, die durch die Suche in 3D-Szenengraphen und eine procedurale Distillation von LLM-Wissen in leichte Modelle eine Echtzeit-Leistung bei hoher semantischer Generalisierung ermöglicht, was durch das neue Benchmark SymSearch und reale Experimente validiert wird.
Der Artikel stellt TransMASK vor, eine selbstüberwachte Methode, die durch das Lernen einer maschinellen Transformation und Maskierung irrelevante Umgebungsvariablen filtert, um die Generalisierungsfähigkeit von Robotern in neuen Umgebungen zu verbessern, ohne zusätzliche Labels oder Änderungen an der Verlustfunktion zu benötigen.
Die Arbeit stellt die Contact-Grounded-Policy (CGP) vor, eine Methode für dexterous Manipulation, die durch die Vorhersage von Roboterkontaktzuständen und taktilem Feedback sowie deren Umwandlung in Steuerungsziele feingranulare, kontaktreiche Aufgaben sowohl in Simulation als auch auf physischen Robotern erfolgreich bewältigt.
Diese Studie stellt das NC-tALC-Datenset vor, eine hochpräzise, empirische Trajektoriendatenbank aus kontrollierten Versuchen, die das Wechselverhalten und die Interaktionsdynamik von Übergangs-autonomen Fahrzeugen (tAVs) mit anderen Verkehrsteilnehmern bei Spurwechseln analysiert.
Diese Arbeit stellt erstmals einen umweltbewussten Rahmen zur Online-Pfadgenerierung für den robotergestützten additiven Fertigungsprozess vor, der vier verschiedene Pfadplanungsalgorithmen vergleicht und bewertet, um deren Eignung für den Einsatz in komplexen, obstacle-reichen Umgebungen auf der Erde und im Weltraum zu bestimmen.
Diese Arbeit stellt ein datenschutzfreundliches Vision-Language-Framework für medizinische Dolmetscherroboter vor, das auf lokal eingesetzten Open-Source-LLMs basiert, um sprachliche Handlungen zu erkennen und menschenähnliche Gesten zu generieren, wobei ein neuartiger klinischer Datensatz und eine hohe Genauigkeit von 0,90 die Wirksamkeit des Ansatzes belegen.
Der Artikel stellt Safe-Night VLA vor, ein multimodales Framework, das durch die Integration von Wärmebildsensoren in ein Vision-Language-Action-Modell und die Anwendung von Control Barrier Functions Robotern ermöglicht, in unsicheren Umgebungen unsichtbare thermische Merkmale zu erkennen und sichere Manipulationsaufgaben durchzuführen.
Die Arbeit stellt EmboAlign vor, ein datenfreies Framework, das Video-Generierungsmodelle durch die Nutzung von Vision-Language-Modellen zur Extraktion kompositorischer Constraints mit robotischen Manipulationsaufgaben abstimmt, um die Erfolgsrate bei Null-Shot-Aufgaben ohne spezifisches Training signifikant zu steigern.
Die Autoren stellen einen zweistufigen Rahmen vor, der eine durch Bayessche Optimierung gesteuerte Trajektorienplanung für einzelne Roboter mit einem STL-erweiterten Konfliktbasierten Suchalgorithmus für Multi-Roboter-Systeme kombiniert, um kinodynamisch eingeschränkte Bewegungsplanung unter Signal-Temporal-Logic-Spezifikationen effizient und sicher zu lösen.
Dieses Paper stellt TDGC vor, einen hierarchischen Policy-Ansatz für die Navigation von Vierbein-Robotern, der eine robuste Sim-zu-Real-Übertragung durch die Trennung von hochleveligen Aufgabenentscheidungen und niedrigleveliger Gangsteuerung ermöglicht und dabei explizite Schnittstellen für Anpassungen sowie eine strukturierte Curriculum-Lernmethode bietet.
Die Arbeit stellt die CDF-Glove vor, eine kostengünstige, leichte und kabelgetriebene Handschuh-Plattform mit Kraft-Rückkopplung, die die Qualität von teleoperierten Demonstrationen für das Imitationslernen durch Echtzeit-Feedback signifikant verbessert und damit die Erfolgsrate von Roboteraufgaben im Vergleich zu Systemen ohne Rückkopplung vervierfacht.
Das Paper stellt HiLAM vor, ein hierarchisches latentes Aktionsmodell, das mithilfe eines vortrainierten LAMs als Low-Level-Extraktor langfristige zeitliche Abhängigkeiten in videos ohne Aktionsdaten analysiert, um hochrangige latente Fähigkeiten zu entdecken und so die Grenzen bestehender Modelle zu überwinden.
Die Arbeit stellt OpenHEART vor, ein robustes und stichprobeneffizientes Framework, das mittels Sampling-basierter abstrakter Merkmalsextraktion (SAFE) und eines Schätzers für Gelenkinformationen (ArtIEst) die Manipulation heterogener artikulierter Objekte durch einen beinbasierten Manipulator ermöglicht.
Die Studie stellt einen kleinen, eidechseninspirierten Roboter vor, der mithilfe von Propriozeption und einem linearen Feedback-Regler die Bodentiefe aus Granulat schätzt und seine Fortbewegungsbewegungen automatisch anpasst, um in komplexen Umgebungen effizient zu navigieren.
Diese Arbeit stellt TraD-RL vor, eine reinforcement-learning-basierte Methode für autonomes Rennfahren, die durch die Integration von Expertenwissen zur Trajektorienführung, dynamische Sicherheitsbeschränkungen und ein mehrstufiges Curriculum-Lernen sowohl die Fahrstabilität als auch die Rundenzeiten in hochdynamischen Umgebungen signifikant verbessert.
Die Arbeit stellt DexEMG vor, ein leichtgewichtiges und kosteneffizientes Teleoperationssystem, das mithilfe von Oberflächen-EMG-Signalen und einem neuronalen Netzwerk (EMG2Pose) präzise und generalisierbare Steuerung von dexterer Robotik ohne aufwendige individuelle Kalibrierung ermöglicht.
Das Paper stellt AnyCamVLA vor, einen Zero-Shot-Ansatz, der durch Echtzeit-Virtualisierung von Kamerabeobachtungen mittels neuer Blicksynthese die Robustheit von Vision-Language-Action-Modellen gegenüber Kameraänderungen ohne Nachtraining oder zusätzliche Daten sicherstellt.
Diese Studie führt eine systematische Evaluierung der synthetischen Neuansichtengenerierung für die Video-Ortserkennung durch und zeigt, dass bereits kleine Mengen zusätzlicher Ansichten die Erkennungsleistung verbessern, wobei bei größeren Datenmengen die Anzahl der hinzugefügten Ansichten und die Bildart wichtiger sind als die reine Blickwinkeländerung.
Diese Arbeit stellt eine einfache und kostengünstige Steuerungsmethode für kleine Springroboter vor, die durch eine Feder-Masse-Modellierung sowie die Anpassung des Landewinkels und ein Korrekturdrehmoment vor dem Absprung die Stabilität auf schrägem Gelände sicherstellt.