864 artículos
Esta encuesta presenta un marco de evaluación exhaustivo que, al analizar cientos de modelos fundamentales robóticos, revela que su madurez industrial es actualmente limitada y desigual, destacando la necesidad de integrar sistemáticamente la seguridad, la viabilidad en tiempo real y la robustez en pilas de despliegue audibles para lograr una adopción exitosa.
Este artículo presenta un marco general de co-diseño anidado basado en gradientes que optimiza simultáneamente la forma aerodinámica y el planificador de control para robots alados, utilizando un modelo sustituto neuronal para manejar condiciones de flujo complejas y lograr un rendimiento superior en tareas como el aterrizaje y el perching en comparación con métodos evolutivos.
Este trabajo propone un método novedoso que combina una búsqueda tipo RRT con un MPC basado en muestreo y un esquema de muestreo guiado por la estabilidad para generar datos sintéticos diversos y de largo horizonte en tareas de manipulación robótica, superando las limitaciones de las demostraciones humanas y la optimización de trayectorias locales.
El artículo presenta HybridMimic, un marco que combina el aprendizaje por refuerzo con un controlador basado en modelos centroidales para lograr una imitación de movimiento humanoide más robusta y físicamente viable, logrando una reducción del 13% en el error de seguimiento de la posición base en comparación con métodos anteriores.
Este artículo presenta un marco de simulación a realidad de múltiples capas que utiliza datos de realidad virtual para entrenar modelos de control basados en la mirada, los cuales se evalúan jerárquicamente hasta su implementación en un exoesqueleto cervical asistivo, demostrando la necesidad de personalización para restaurar el movimiento natural en personas con síndrome de cabeza caída.
Este artículo presenta un análisis exhaustivo que, mediante la herramienta de inyección de fallos NetFI y un estudio con 15 participantes, evalúa cómo la pérdida de paquetes, la latencia y las interrupciones de comunicación afectan el rendimiento y la carga de trabajo en la telescirugía, identificando vulnerabilidades específicas en los movimientos quirúrgicos y proporcionando datos cuantitativos para establecer los límites operativos de esta tecnología.
Este artículo propone un marco de control robótico basado en el principio de energía libre que unifica el aprendizaje de políticas y la robustez distribucional para garantizar un rendimiento fiable en manipulación real sin necesidad de ajuste específico.
Este trabajo propone una estrategia de asignación de control basada en optimización en el espacio nulo con horizonte recesivo que incorpora dinámicas de actuadores asimétricas para reducir las oscilaciones de los motores y mejorar el seguimiento de trayectorias en UAVs omnidireccionales totalmente actuados.
El artículo presenta RoboCritics, un enfoque que mejora la programación de robots mediante LLMs al integrar críticos informados por expertos que detectan y corrigen automáticamente violaciones de seguridad en la ejecución de movimientos, logrando así una programación más fiable y segura para usuarios no expertos.
Este artículo presenta MotionBits, un concepto y método de segmentación sin aprendizaje que define unidades de movimiento basadas en equivalencia cinemática espacial, junto con el benchmark MoRiBo, logrando un rendimiento superior al estado del arte en la segmentación de cuerpos rígidos para tareas de razonamiento y manipulación robótica.
Este trabajo presenta el testbed LAVT para cuantificar cómo la latencia de red provoca una degradación no lineal en la estabilidad de la teleoperación visual, revelando un colapso crítico en el control de carril entre 150 ms y 225 ms de retraso.
El artículo presenta Robodimm, un marco de trabajo de software que automatiza el dimensionamiento de actuadores en robots modulares escalables mediante el uso de dinámicas físicas, cinemática inversa y validación de efectos de auto-peso para optimizar el rendimiento y los costos.
El artículo presenta CAR, un marco novedoso que utiliza un codificador Transformer con normalización de capa adaptativa para mapear las trayectorias y configuraciones físicas de diversos vehículos en un espacio latente compartido, permitiendo una rápida adaptación cinodinámica a nuevas plataformas robóticas con datos mínimos y reduciendo significativamente el error de predicción.
Este artículo propone un marco de diseño para la interacción humano-robot que utiliza la estética, específicamente los materiales, colores y texturas, como señales explicativas para definir roles, gestionar expectativas y guiar la interacción física, en lugar de tratar la apariencia como mero adorno.
El artículo presenta VertiAdaptor, un marco de adaptación en línea que integra elevación y representaciones semánticas para mejorar la precisión de la predicción cinodinámica y acelerar la adaptación de vehículos autónomos en terrenos off-road complejos e impredecibles.
Este trabajo presenta CoPCS, un enfoque de aprendizaje basado en grafos heterogéneos y transformadores que permite la planificación colaborativa y sincronizada en tiempo real de equipos de UAVs y UGVs, optimizando conjuntamente la asignación de tareas y la recarga de energía para superar las limitaciones operativas individuales.
El trabajo presenta SysNav, un sistema de navegación de objetos de tres niveles que integra modelos de visión y lenguaje para la planificación semántica y la ejecución de movimiento en múltiples robots, logrando un rendimiento superior en entornos reales complejos y a gran escala.
El artículo presenta T2Nav, un sistema de navegación visual sin entrenamiento previo que integra topología algebraica y memoria de grafos temporales para lograr una detección robusta de bucles, una planificación de rutas eficiente y una adaptación flexible a entornos desconocidos mediante objetivos especificados por imágenes de referencia.
El artículo presenta SurgSync, un marco de recolección de datos multimodal sincronizado y un conjunto de datos validados para robótica quirúrgica que integra sensores avanzados y herramientas de procesamiento para superar la escasez de datos de entrenamiento necesarios para la inteligencia artificial en sistemas quirúrgicos autónomos.
Este artículo presenta CN-CBF, un método de diseño de funciones de barrera de control neuronales compuestas que combina múltiples CBFs entrenadas mediante el marco de alcanzabilidad de Hamilton-Jacobi y una arquitectura residual para garantizar la seguridad en la navegación de robots en entornos dinámicos, logrando tasas de éxito superiores hasta un 18% frente a métodos existentes sin aumentar la conservaduría del movimiento.