867 Arbeiten
Die Arbeit stellt cuRoboV2 vor, ein einheitliches GPU-basiertes Framework für dynamikbewusste Bewegungsplanung bei Robotern mit hohem Freiheitsgrad, das durch B-Spline-Optimierung, eine effiziente TSDF/ESDF-Wahrnehmungspipeline und skalierbare Ganzkörperberechnungen überlegene Leistung und Kollisionsfreiheit von Manipulatoren bis hin zu Humanoiden ermöglicht.
Der Artikel stellt Safe-SAGE vor, ein einheitliches Framework, das durch die Verschmelzung von semantischer Umgebungswahrnehmung mit einer laplace-modulierten Poisson-Sicherheitsfunktion kontextabhängige Sicherheitsmargen für die Navigation von Laufrobotern in dynamischen Umgebungen ermöglicht, ohne dabei die strengen Sicherheitsgarantien zu verletzen.
RoboPocket ist ein mobiles System, das mithilfe von Augmented Reality und asynchronem Online-Finetuning Robotik-Policies ohne physischen Roboter sofort verbessert, indem es Sammler in die Lage versetzt, gezielt kritische Zustände zu erfassen und so die Dateneffizienz im Vergleich zu Offline-Strategien zu verdoppeln.
Diese Arbeit stellt ein kooperatives Lokalisierungsverfahren vor, das die präzise LiDAR-basierte relative Positionsbestimmung einer großen Drohne mit der visuellen Inertial-Odometrie einer kleinen Mikrodrohne fusioniert, um deren Drift zu kompensieren und eine präzise Führung sowie das Erreichen für die große Plattform unzugänglicher Bereiche zu ermöglichen.
Diese Arbeit analysiert bestehende Belohnungsfunktionen für das Reinforcement Learning im autonomen Fahren, identifiziert deren Mängel hinsichtlich Standardisierung und Kontextsensitivität und schlägt zukünftige Forschungsansätze vor, um diese Defizite durch strukturierte, konfliktlösende und validierbare Belohnungsmechanismen zu überwinden.
Diese Arbeit stellt einen einheitlichen Bayesschen Rahmen vor, der einen maßgeschneiderten Partikelfilter mit einer Gauß-Prozess-Implicit-Oberfläche kombiniert, um Robotern aktive taktile Objekterkennung, Pose-Schätzung und das Lernen neuer Formen durch Transferwissen zu ermöglichen.
Die Autoren stellen MIKASA vor, eine umfassende Benchmark-Suite mit einem neuen Klassifizierungsrahmen und spezifischen Roboteraufgaben, um die Gedächtnisleistungen von Reinforcement-Learning-Agenten in komplexen Szenarien systematisch zu bewerten.
Der Artikel stellt „Evolution 6.0" vor, ein autonomes Robotersystem, das mithilfe von Vision-Language-Modellen und generativer KI fehlende Werkzeuge selbstständig entwirft und deren Nutzung erlernt, um menschliche Aufgaben zu erfüllen.
Die Arbeit stellt RoboGuard vor, eine zweistufige Sicherheitsarchitektur, die durch kontextbezogene Regelgenerierung mittels eines vertrauenswürdigen LLMs und zeitlogische Kontrollsynthese die Ausführung unsicherer Pläne in LLM-gesteuerten Robotern effektiv verhindert, ohne die Leistungsfähigkeit bei sicheren Aufgaben zu beeinträchtigen.
Diese Arbeit stellt einen selbstüberwachten Ansatz für die UAV-Trajektorienplanung vor, der lernbasierte Tiefenwahrnehmung mit differenzierbarer Optimierung und einer neuronalen Zeitallokation verbindet, um ohne Expertenlabels robuste und effiziente Flugbahnen in 3D-Umgebungen zu generieren und dabei die Positionsgenauigkeit sowie den Energieverbrauch im Vergleich zum aktuellen Stand der Technik signifikant zu verbessern.
Die Arbeit stellt TPK vor, ein Trajektorienvorhersagemodell für das autonome Fahren, das durch die Integration von priorisiertem Wissen über Interaktionen und kinematische Modelle für alle Verkehrsteilnehmer sowohl die Interpretierbarkeit der Vorhersagen als auch deren physikalische Machbarkeit sicherstellt.
Die Arbeit stellt eine extrem einfache und theoretisch fundierte Methode namens Feature Mixing zur Synthese multimodaler Ausreißer für die Verbesserung der Out-of-Distribution-Erkennung und -Segmentierung vor, ergänzt durch einen neuen Datensatz namens CARLA-OOD, und demonstriert damit einen neuen State-of-the-Art mit einer bis zu 370-fachen Geschwindigkeitssteigerung.
Das Paper stellt pyCub vor, ein Open-Source-Python-Framework für die physikbasierte Simulation des Humanoiden Roboters iCub, das durch den Verzicht auf YARP und C++ den Zugang zu humanoider Robotik für Studierende erleichtert und durch skalierbare Übungen von der Basissteuerung bis zu komplexen Aufgaben wie Greifen und Reaktivsteuerung unterstützt.
Die Arbeit stellt Q-SVMPC vor, eine Methode, die modellprädiktive Steuerung mit einem RL-basierten Prior und Stein-Variational Gradient Descent kombiniert, um unter Q-Wert-Leitung diverse Trajektorien zu inferieren und so die Effizienz, Stabilität und Robustheit in verschiedenen robotischen Anwendungen zu verbessern.
Das Paper stellt VITA vor, ein effizientes, visuell fundiertes Flow-Matching-Rahmenwerk, das durch den direkten Übergang von visuellen Repräsentationen zu latenten Aktionen ohne iterative Denoising-Prozesse oder visuelle Konditionierung die Inferenzgeschwindigkeit um das 1,5- bis 2-Fache steigert und dabei die Leistungsfähigkeit bestehender State-of-the-Art-Policies erreicht oder übertrifft.
Der Paper stellt Point2Act vor, ein effizientes System zur 3D-Destillation multimodaler Großsprachenmodelle, das kontextbezogene Sprachbeschreibungen in präzise 3D-Griffpunkte für Zero-Shot-Manipulationsaufgaben in unbekannten Umgebungen umwandelt.
Diese Arbeit stellt eine Methode vor, bei der ein Roboterarm mit sensibler Haut Objekte ausschließlich durch taktiles Feedback und Ganzkörperkontakt lokalisiert und greift, was in Umgebungen mit eingeschränkter Sichtbarkeit effizienter ist als herkömmliche endeffektorbasierte Ansätze.
Dieser Artikel stellt eine neue geometrische Methode vor, die auf projektiver geometrischer Algebra basiert, um durch die Einführung eines tetraedrischen Punktemodells und eines effizienten Nullraum-Generierungsalgorithmus die Basisinertialparameter von Robotersystemen analytisch und robust zu identifizieren.
Das Paper stellt Event-LAB vor, ein einheitliches Framework, das mithilfe des Pixi-Paketmanagers die standardisierte Evaluierung und den fairen Vergleich verschiedener neuromorpher Lokalisierungsmethoden über mehrere Datensätze hinweg ermöglicht, indem es komplexe Abhängigkeiten vereinfacht und konsistente Parameter für die Ereignisbildgenerierung sicherstellt.
Diese Arbeit stellt mit ActiSeg-NL den ersten Benchmark für die label-noise-robuste, aktionsbasierte Videosegmentierung vor, analysiert systematisch die Auswirkungen von Text- und Maskenrauschen und führt einen Parallel Mask Head Mechanism (PMHM) zur Verbesserung der Robustheit ein.