694 Arbeiten
Die vorgestellte Arbeit entwickelt ein gradientenbasiertes, verschachteltes Co-Design-Framework, das die aerodynamische Form und die Bewegungsplanung von flugfähigen Robotern mittels eines neuronalen Surrogatmodells gemeinsam optimiert, um die Leistung bei komplexen Aufgaben wie dem Perchen und der Landung deutlich zu verbessern.
Diese Arbeit stellt eine neue Methode vor, die durch die Kombination von RRT-artiger Suche, sampling-basierter MPC und einem stabilitätsgeleiteten Sampling-Schema in der Lage ist, ohne aufwendige menschliche Demonstrationen diverse und langfristige Manipulationsstrategien für Roboter zu generieren.
Die Arbeit stellt HybridMimic vor, ein Framework, das durch die dynamische Modulation eines zentroidalen Modellcontrollers mittels Reinforcement Learning die Robustheit und Genauigkeit beim Nachahmen menschlicher Bewegungen durch humanoide Roboter in unvorhersehbaren Umgebungen signifikant verbessert.
Diese Arbeit stellt einen mehrstufigen Sim-zu-Real-Rahmen vor, der mithilfe von Virtual Reality und Blicksteuerung personalisierte Regler für assistive Nacken-Exoskelette entwickelt, um Patienten mit „Dropped Head Syndrome" die Kopfbewegung wiederherzustellen.
Diese Studie analysiert mithilfe des neu entwickelten Tools NetFI und einer Nutzerstudie mit 15 Teilnehmern, wie Paketverlust, Verzögerung und Kommunikationsausfall die Leistung und Sicherheit von robotergestützten Telechirurgie-Aufgaben beeinflussen, um quantitative Erkenntnisse für die Entwicklung robuster Kontrollstrategien zu gewinnen.
Basierend auf dem Prinzip der freien Energie schlägt die Arbeit einen verteilungsrobusten Lernansatz vor, der Exploration und Unsicherheitsbewältigung vereint, um zuverlässige Robotersteuerung zu ermöglichen, die sich durch eine verbesserte Sim-zu-Real-Übertragbarkeit und eine erfolgreiche Null-Shot-Deployment-Strategie bei Manipulationsaufgaben auszeichnet.
Diese Arbeit stellt eine neuartige, rekursive Nullraum-Optimierungsmethode vor, die die asymmetrische Dynamik von Aktuatoren bei vollaktuierten omnidirektionalen UAVs berücksichtigt, um durch vorausschauende Glättung der Motorbefehle Oszillationen zu unterdrücken und die Trajektorienverfolgung zu verbessern.
Die Arbeit stellt RoboCritics vor, ein System, das durch expertenbasierte Kritiker, die Bewegungsfehler erkennen und transparente Rückmeldungen geben, die Zuverlässigkeit und Sicherheit von Robotik-Programmierung mittels Large Language Models für Endanwender erhöht.
Die Arbeit stellt MotionBits vor, ein neuartiges, semantikunabhängiges Konzept zur Segmentierung von starren Körpern basierend auf kinematischer Äquivalenz, das zusammen mit dem Benchmark MoRiBo und einer lernfreien Graphenmethode die Wahrnehmung für robotische Manipulation und embodied Reasoning signifikant verbessert.
Diese Arbeit untersucht die nichtlineare Stabilitätsverschlechterung von visionbasierten Teleoperationssystemen unter Netzwerklatenz und identifiziert mittels des entwickelten LAVT-Testbeds einen kritischen Kollaps der Systemstabilität bei Einweg-Perzeptionsverzögerungen zwischen 150 ms und 225 ms.
Das Paper stellt Robodimm vor, ein Software-Framework, das mithilfe von Pinocchio und Pink sowie einer KKT-Formulierung die automatisierte Dimensionierung von Aktuatoren für skalierbare modulare Roboter mit geschlossenen kinematischen Ketten ermöglicht, um Kosten, Masse und dynamische Leistung zu optimieren.
Die Arbeit stellt CAR vor, ein Framework, das mithilfe eines Transformer-Encoders und eines gemeinsamen latenten Raums die kinodynamische Anpassung autonomer Fahrzeuge auf neue Plattformen mit minimalem Datenbedarf ermöglicht und so die Skalierbarkeit heterogener Roboterschwärme verbessert.
Dieser vorläufige Beitrag schlägt einen Rahmen vor, der Materialien, Farben und Texturen als erklärbare Signale für die Mensch-Roboter-Interaktion nutzt, um durch gezielte ästhetische Gestaltung die Erwartungen der Nutzer an die Rolle und Fähigkeiten von Robotern zu klären.
Die Arbeit stellt VertiAdaptor vor, ein Online-Anpassungsframework, das Höhen- und semantische Informationen integriert, um die Kinodynamik autonomer Fahrzeuge in unstrukturiertem Gelände durch effiziente neuronale Basisfunktionen in Echtzeit anzupassen und so die Vorhersagegenauigkeit zu steigern sowie die Anpassungszeit drastisch zu verkürzen.
Die vorgestellte Arbeit entwickelt CoPCS, einen lernbasierten Ansatz, der heterogene Graph-Transformer und Transformer-Decoder nutzt, um die kollaborative Planung von UAV-UGV-Teams unter Berücksichtigung von Energie- und Geländebeschränkungen durch synchronisierte, gleichzeitige Koordination zu ermöglichen und so die Missionsleistung erheblich zu steigern.
Das Paper stellt SysNav vor, ein dreistufiges System, das durch die Entkopplung von semantischer Schlussfolgerung, Navigationsplanung und Bewegungssteuerung mittels Vision-Language-Modellen zuverlässige und effiziente Objekt-Navigation über große Distanzen in komplexen realen Umgebungen für verschiedene Roboterplattformen ermöglicht.
Die Arbeit stellt T2Nav vor, ein Zero-Shot-Navigationssystem für autonome Agenten, das algebraische Topologie, temporale Graphen und Loop-Detection nutzt, um in unbekannten Umgebungen effizient Hindernisse zu vermeiden, Schleifen zu erkennen und Ziele auf Basis von Referenzbildern zu erreichen.
Das Paper stellt SurgSync vor, ein Framework zur synchronisierten Erfassung multimodaler chirurgischer Roboterdaten auf Basis des dVRK, das durch hochwertige Sensoren und eine Validierung an ex-vivo-Gewebe eine umfassende Datensammlung für das Training von KI-Systemen ermöglicht.
Die Arbeit stellt CN-CBF vor, eine Methode, die mehrere neuronale Kontrollbarrierefunktionen mittels des Hamilton-Jacobi-Reichbarkeitsrahmens zu einer zusammengesetzten Funktion kombiniert, um Robotern eine sichere Navigation in dynamischen Umgebungen mit deutlich höheren Erfolgsquoten als bestehenden Basismethoden zu ermöglichen.
Dieses Paper stellt LIPP (Load-Aware Informative Path Planning) vor, eine Erweiterung der klassischen Informationspfadplanung, die durch die explizite Modellierung der Kopplung zwischen Informationsgewinn und lastabhängigen Reisekosten die Energieeffizienz bei physischen Probenentnahmen optimiert und dabei die klassische Planung als Spezialfall bei vernachlässigbarer Probenmasse einschließt.