686 Arbeiten
Das Paper stellt GST-VLA vor, ein 3D-tiefenbewusstes Vision-Language-Action-Modell, das durch einen Gaussian Spatial Tokenizer für geometrisch strukturierte 3D-Gauß-Primitiven und eine 3D-tiefenbewusste Chain-of-Thought-Argumentation die Robotersteuerung auf Benchmarks wie LIBERO und SimplerEnv signifikant verbessert.
Diese Arbeit stellt ein neuartiges, risikobegrenztes Bewegungsplanungsframework vor, das einen tiefen stochastischen Koopman-Operator mit einer hierarchischen Verifikationsmethode auf Basis von Sum-of-Squares-Programmierung kombiniert, um Manipulatoren in unsicheren und nicht-konvexen Umgebungen provierbar sichere und effiziente Trajektorien zu generieren.
Dieser Artikel stellt ein einheitliches Taxonomie- und Evaluierungsrahmenwerk für latente Weltmodelle im automatisierten Fahren vor, das verschiedene Repräsentationsformen und strukturelle Priors systematisch kategorisiert, um Herausforderungen wie Robustheit, Generalisierung und Ressourceneffizienz zu adressieren und zukünftige Forschungsrichtungen für verifizierbare Entscheidungssysteme aufzuzeigen.
Der Paper stellt PM-Nav vor, ein priorikartenbasiertes Framework für die embodied Navigation in funktionalen Gebäuden, das durch semantische Karten, hierarchisches Chain-of-Thought-Prompting und eine multi-modale Kollaboration die Leistung im Vergleich zu bestehenden Ansätzen in Simulation und Realität drastisch verbessert.
Der Artikel stellt DexHiL vor, ein bahnbrechendes Framework für das Nachtrainieren von Vision-Language-Action-Modellen, das durch eine integrierte Mensch-im-Loop-Steuerung und gezielte Datensammlung die Erfolgsrate bei komplexen, dexterousen Manipulationsaufgaben im Vergleich zu reinen Offline-Methoden um durchschnittlich 25 % steigert.
Diese Arbeit stellt eine rechnerisch effiziente Kontrollarchitektur für Roboter mit sechs oder mehr Beinen vor, die durch segmentbasierte Zustandsmaschinen und eine Kopplung zwischen den Segmenten sowohl den festen Bodenkontakt auf unebenem Gelände als auch eine fiktive Fortbewegung bei Kontaktverlust ermöglicht und so eine Brücke zwischen Event-Kaskaden- und CPG-Steuerungen schlägt.
Die Arbeit stellt SPAN-Nav vor, ein end-to-end Fundamentmodell, das durch eine neuartige kompakte räumliche Repräsentation und ein CoT-ähnliches Mechanismus robustes räumliches Bewusstsein für die vielseitige vision-sprachbasierte Navigation in komplexen Umgebungen ermöglicht und dabei auf einem massiven Datensatz trainiert wurde, um in verschiedenen Szenarien state-of-the-art Ergebnisse zu erzielen.
Das Paper stellt ZeroWBC vor, ein Framework, das mithilfe von feinabgestimmten Vision-Language-Modellen und menschlichen Ego-Videos natürliche Ganzkörpersteuerung für humanoide Roboter ermöglicht, ohne auf teure Teleoperationsdaten angewiesen zu sein.
Das Paper stellt STONE vor, einen skalierbaren, multimodalen Datensatz für die Off-Road-Navigation, der durch eine vollautomatische, annotierungsfreie Pipeline 3D-Begehbarkeitskarten aus LiDAR-, Kamera- und Radardaten generiert und damit einen Benchmark für die Vorhersage von Begehbarkeit in komplexen Umgebungen schafft.
Diese Arbeit stellt einen robusten Rahmen für die räumlich-zeitliche Bewegungsplanung beim autonomen Mehr-Agenten-Rennen vor, der durch die Identifizierung topologischer Lücken mittels SGPs und einen beschleunigten MPC-Lösungsansatz mit Pseudo-Transient-Continuation-Verfahren die Manöverzeit drastisch reduziert, die Überholungsrate in dichten Szenarien erhöht und die Rechenlatenz senkt.
Die Arbeit stellt WESPR vor, ein schnelles Framework, das geometrische Wahrnehmung und lokale Wetterdaten nutzt, um Windfelder vorherzusagen und so eine proaktive, windangepasste Pfadplanung und Steuerung für Quadrotoren zu ermöglichen, was zu einer signifikanten Verbesserung der Flugstabilität und Trajektorienabweichung führt.
Diese Arbeit stellt einen skalierbaren Simulationsrahmen vor, der ein muskuloskelettales Menschmodell mit Reinforcement Learning kombiniert, um die physische Mensch-Roboter-Interaktion quantitativ zu analysieren und die gleichzeitige Co-Optimierung von Roboterkonstruktion und Steuerung zu ermöglichen.
Das Paper stellt TRIP-Bag vor, ein tragbares Teleoperationssystem in einem Koffer, das es ermöglicht, mit geringem Aufwand und ohne Embodiment-Lücke hochwertige Manipulationsdaten für das robotische Lernen in verschiedenen Umgebungen zu sammeln.
Die Arbeit stellt MORLAX, einen GPU-nativen Multi-Objective-Reinforcement-Learning-Algorithmus, und MO-Playground, eine Sammlung von GPU-beschleunigten Umgebungen, vor, die durch massive Parallelisierung die Berechnung von Pareto-optimalen Politiken für komplexe Roboteraufgaben um das 25- bis 270-fache beschleunigen.
Die Arbeit stellt RAE-NWM vor, ein Navigations-Weltmodell, das die Dynamik in einem dichten visuellen Repräsentationsraum (DINOv2) anstelle eines komprimierten latenten Raums modelliert und dabei einen Conditional Diffusion Transformer mit einem entkoppelten Kopf sowie einem zeitgesteuerten Gate-Modul nutzt, um die strukturelle Stabilität und die Genauigkeit der Aktionsvorhersage für die visuelle Navigation zu verbessern.
Diese Arbeit stellt ein neuartiges Framework vor, das große Mengen an Web-Videos mit impliziten Geometriedarstellungen kombiniert, um Vision-and-Language-Navigation in realistischen Umgebungen zu skalieren und gleichzeitig den Bedarf an fragiler 3D-Rekonstruktion zu umgehen.
Das Paper stellt SPR (See, Plan, Rewind) vor, einen fortschrittsbewussten Vision-Language-Action-Rahmen, der durch dynamische Unterteilung von Aufgaben in räumliche Teilziele und einen geschlossenen Regelkreis aus Beobachtung, Planung und Rücksetzfunktion bei Fehlern die Robustheit und Generalisierung robotischer Manipulation signifikant verbessert.
Die Arbeit stellt CORAL vor, ein skalierbares Framework, das durch das Anbringen eines spezialisierten LoRA-Experten pro Aufgabe an einen eingefrorenen VLA-Hintergrund und eine dynamische Laufzeit-Routing-Strategie Interferenzen im Multi-Task-Learning vermeidet und so eine effiziente, lebenslange Robotik-Lernfähigkeit ohne Katastrophisches Vergessen ermöglicht.
Die Arbeit stellt NLiPsCalib vor, ein effizientes Kalibrierungsframework für gekrümmte visuotaktile Sensoren, das mithilfe von Near-Light Photometric Stereo und alltäglichen Objekten eine hochpräzise 3D-Rekonstruktion ohne aufwendige Spezialgeräte ermöglicht.
Die Arbeit stellt SPAARS vor, ein Curriculum-Learning-Framework für das Offline-zu-Online-Reinforcement-Learning, das die Exploration zunächst sicher in einem latenten Raum einschränkt und dann nahtlos in den rohen Aktionsraum übergeht, um die durch Decoder-Rekonstruktionsverluste bedingte Leistungsgrenze zu überwinden und gleichzeitig die Sample-Effizienz sowie die Stabilität zu steigern.