867 Arbeiten
Das Paper stellt SkillsCrafter vor, ein neuartiges Framework für die robotische Manipulation, das durch die Methoden Manipulation Skills Adaptation und Skills Specialization Aggregation das lebenslange Erlernen neuer Fähigkeiten ermöglicht, ohne dabei das Wissen über zuvor gelernte Fähigkeiten zu vergessen.
Die Arbeit stellt „Critic in the Loop" vor, ein adaptives Dreisystem-Framework, das die semantische Planung von Vision-Language-Modellen mit der reaktiven Ausführung von Vision-Language-Action-Modellen durch einen visuellen Kritiker kombiniert, um die Robustheit und Effizienz bei langfristigen Manipulationsaufgaben zu maximieren.
Diese Arbeit stellt ein digitaler Zwilling-gestütztes robotisches Sortiersystem vor, das multimodale Wahrnehmung und visuelle Sprachmodelle (VLMs) integriert, um deformierbare Textilien und Fremdkörper in automatisierten Recyclingumgebungen präzise zu klassifizieren und zu handhaben.
Der Artikel schlägt vor, den Einsatz von kollaborativen Robotern in der Rehabilitation über die reine Bewegungsunterstützung hinaus zu erweitern, um Therapeuten und Patienten vor, während und nach Sitzungen zu unterstützen, Zugangsbarrieren zu senken und dabei Herausforderungen wie Sicherheitsanforderungen und Workflow-Integration zu adressieren.
Die Arbeit stellt CDSM vor, ein Echtzeit-Framework, das dynamische Systeme direkt auf Riemannschen Mannigfaltigkeiten und Lie-Gruppen konstruiert, um durch die Kombination von tangentialen und normalen Komponenten stabile, präzise und anpassungsfähige Roboterverhalten in komplexen Umgebungen zu erzeugen.
Diese Arbeit stellt ein Testframework vor, das Vehicle-in-the-Loop- und Digital-Twin-Technologien kombiniert, um autonome Fahrsoftware auf zentralen Fahrzeugservern sicher, reproduzierbar und kosteneffizient zu validieren, indem physische und virtuelle Umgebungen nahtlos integriert werden.
Die Arbeit stellt HD-ExpIt vor, einen Framework zur iterativen Feinabstimmung hierarchischer Diffusionsrichtlinien für sprachgesteuerte Manipulation, der durch einen selbstverstärkenden Lernzyklus aus Umgebungsfeedback die Lücke zwischen Planer und Controller schließt und damit auf dem CALVIN-Benchmark state-of-the-art-Ergebnisse erzielt.
Die Arbeit stellt Latent Policy Steering (LPS) vor, eine Methode für das Offline-Reinforcement-Learning, die durch die direkte Rückpropagation von Q-Gradienten aus dem Original-Aktionsraum über eine differenzierbare One-Step-MeanFlow-Politik eine robuste und hyperparameterunabhängige Verbesserung von Latent-Policies ermöglicht und dabei den Datensatz-Support strikt wahrt.
Diese Arbeit stellt ein geometrisch exaktes, einschränkungsfreies statisches Modell für Kontinuum-Parallelroboter vor, das durch kinematische Einbettung und eine Magnus-Näherung komplexe algebraische Zwangsbedingungen eliminiert und die Gleichgewichtslagen auf einem Produktmannigfaltigkeits-Riemannschen Raum effizient löst, was durch Experimente an einem Sechs-Stab-Prototyp validiert wird.
Das Paper stellt UltraDexGrasp vor, ein Framework, das mithilfe einer synthetischen Datenpipeline mit 20 Millionen Frames eine robuste, auf rein synthetischen Daten trainierte Greifstrategie für bimanuelle Roboter entwickelt, die eine erfolgreiche Zero-Shot-Sim-zu-Real-Übertragung auf neue Objekte ermöglicht.
Diese Arbeit stellt eine patientenspezifische, CT-basierte Pipeline vor, die ein differenzierbares Kosserat-Stab-Modell mit Reibungskontakt koppelt, um robotergestützte Cochlea-Implantate-Insertionen durch kontaktbewusste Planung und Echtzeit-Krafteinschränkung sicherer zu gestalten.
Der Artikel stellt Omni-Manip vor, ein end-to-end visomotorisches Steuerungskonzept für humanoide Roboter, das mithilfe von omnidirektionaler 3D-LiDAR-Wahrnehmung und einer zeitbewussten Aufmerksamkeits-Pooling-Mechanik eine robuste Manipulation in großen Arbeitsbereichen ohne häufige Neupositionierung ermöglicht.
OpenFrontier ist ein trainingsfreies Navigationsframework, das visuelle Sprachmodelle nutzt, um durch die Identifizierung semantischer Grenzzonen (Frontiers) als Ankerpunkte effiziente und generalisierbare Navigation in offenen Umgebungen ohne dichte 3D-Kartierung oder Feinabstimmung zu ermöglichen.
Diese Arbeit stellt einen effizienten MPPI-Regler vor, der durch den Ersatz nichtlinearer Dynamiken durch einen gelernten linearen Koopman-Operator die Rechenkosten für Echtzeitsteuerung auf Robotern erheblich senkt, ohne die Regelgüte zu beeinträchtigen.
Die Autoren stellen CliReg vor, einen deterministischen Algorithmus zur Validierung von Schleifen in der 3D-LiDAR-SLAM, der die RANSAC-basierte Verifikation durch eine Suche nach maximalen Cliquen in einem Kompatibilitätsgraphen ersetzt und dadurch eine robustere und genauere Schleifenschließung auch unter schwierigen Bedingungen ermöglicht.
Der Artikel stellt ROScopter vor, einen leichten und modifizierbaren Multirotor-Autopiloten auf Basis von ROSflight 2.0 und ROS 2, der die Entwicklung und Erprobung von Forschungscode in Simulation und Hardware erleichtert und dabei eine mit dem State-of-the-Art vergleichbare Flugleistung bei deutlich reduzierter Codebasis bietet.
Die Arbeit stellt PhysiFlow vor, ein physikbewusstes VLA-Framework mit Multi-Brain-Latenz-Flow-Matching und robuster Verfolgung, das die effiziente und stabile semantisch geführte Ganzkörpersteuerung von Humanoiden ermöglicht.
Die Arbeit stellt CompACT vor, einen diskreten Tokenizer, der Beobachtungen auf nur 8 Token komprimiert und damit die Rechenkosten für die Planung in Weltmodellen drastisch senkt, ohne die Leistungsfähigkeit zu beeinträchtigen.
Diese Arbeit stellt einen hybriden Regler vor, der eine modellprädiktive Regelung (MPC) mit einem durch SAC trainierten residualen RL-Policy kombiniert, um die robuste und kontaktgesteuerte Zellmanipulation mittels eines magnetischen Rollmikroroboters unter zeitvariablen Strömungsbedingungen zu verbessern.
Diese Arbeit schließt die Lücke in der mechanischen Interpretierbarkeit von Vision-Language-Action-Modellen, indem sie Konzepte zur Beobachtbarkeit und Kontrollierbarkeit linear kodierter Merkmale einführt, die es ermöglichen, das Roboter-Verhalten durch gezielte, leichte Eingriffe in Echtzeit ohne Nachtraining an Benutzerpräferenzen anzupassen.