864 artículos
El artículo presenta VORL-EXPLORE, un marco híbrido de aprendizaje y planificación que mejora la exploración multi-robot en entornos dinámicos mediante un modelo de fidelidad de ejecución compartido que acopla la asignación de tareas con la navegación local, optimizando la coordinación, reduciendo la redundancia y adaptándose autónomamente a obstáculos no estacionarios.
El artículo presenta TeamHOI, un marco que utiliza una política descentralizada basada en Transformers y un prior adversarial de movimiento enmascarado para permitir que un número variable de agentes humanoides realicen interacciones cooperativas humano-objeto realistas y estables mediante una sola política unificada.
Este trabajo presenta el Marco de Manipulabilidad Aerodinámica Consciente de la Resistencia (DAAM), una formulación geométrica que utiliza una métrica Riemanniana para resolver la redundancia en vehículos multirotor, optimizando la asignación de fuerzas generales mientras penaliza explícitamente la saturación por resistencia aerodinámica y las pérdidas de empuje a bajas revoluciones.
Este trabajo presenta un modelo interno híbrido de doble horizonte que permite el salto continuo de robots cuadrúpedos en gravedad lunar utilizando únicamente sensores propios, validado experimentalmente mediante la plataforma MATRIX que emula entornos lunares mixtos en tiempo real.
El artículo presenta DiffRacing, un marco de aprendizaje de políticas diferenciables aumentado con campos vectoriales que mejora la eficiencia de muestras y la transferencia simulación-real para el vuelo ágil de drones en carreras, resolviendo el desafío de formular la navegación a través de puertas como una pérdida diferenciable.
El artículo presenta AffordGrasp, un marco basado en difusión que genera posturas de agarre humano físicamente estables y semánticamente precisas al integrar representaciones latentes de affordance y un proceso de doble condicionamiento para cerrar la brecha entre la geometría de los objetos y las instrucciones textuales.
Este artículo presenta un marco sistemático para calcular límites de error de seguimiento de trayectoria garantizados formalmente para helicópteros autónomos mediante conjuntos invariantes positivos robustos (RPI) elipsoidales, comparando tres arquitecturas de control para optimizar el equilibrio entre la fidelidad dinámica y la conservaduría en la planificación de trayectorias.
El artículo presenta "See & Switch", un marco interactivo de programación robótica que utiliza percepción visual para seleccionar dinámicamente ramas en gráficos de tareas y detectar contextos anómalos, logrando una alta precisión en la ejecución y recuperación de habilidades dexterosas sin depender de señales manuales o de baja dimensión.
El artículo presenta MRDrive, un simulador de conducción de realidad mixta de código abierto que combina una cabina de vehículo real con un entorno virtual para facilitar la investigación en interacción humano-computadora, ofreciendo un equilibrio entre validez ecológica y control experimental.
Este artículo presenta un nuevo esquema de control adaptativo basado en visión para robots redundantes que combina una tarea en el espacio de trabajo con una interacción en el espacio nulo, garantizando estabilidad y seguridad en la colaboración humano-robot sin afectar la tarea principal, incluso en entornos desconocidos.
El artículo presenta DeReCo, un marco de aprendizaje por refuerzo multiagente que mejora la eficiencia y la generalización en el transporte cooperativo descentralizado de objetos diversos mediante la desvinculación del aprendizaje de representaciones y de coordinación a través de una estrategia de entrenamiento en tres etapas.
Este trabajo propone un marco integrado que combina el copiloto de teleoperación asistida por aprendizaje por refuerzo (IMCopilot) y una arquitectura VLA de expertos dactilares mixtos (MoDE-VLA) para superar los desafíos en la adquisición de datos y la fusión sensorial, logrando así una manipulación intra-manual bimanual de alta fidelidad con un rendimiento significativamente mejorado.
El artículo presenta SaiVLA-0, una arquitectura de visión-lenguaje-acción inspirada en la neurociencia que utiliza un diseño tripartito (Cerebro, Puente y Cerebelo) para lograr un control adaptable, eficiente en cómputo y modular, demostrando mejoras significativas en tiempo de entrenamiento y tasas de éxito en tareas robóticas.
El artículo presenta TRIAGE, un marco ligero que descompone la incertidumbre en componentes aleatorios y epistémicos para activar respuestas correctivas específicas (recuperación de observaciones o moderación de control) y optimizar la capacidad del modelo, logrando mejoras significativas en la manipulación robótica y la eficiencia de la percepción adaptativa.
El artículo presenta UniGround, un método de anclaje visual 3D universal que supera las limitaciones de los modelos preentrenados mediante un razonamiento visual y geométrico sin entrenamiento, logrando un nuevo estado del arte en la localización de objetos en entornos 3D abiertos y no vistos.
Este estudio demuestra que, en juegos de misterio con múltiples participantes, la interacción tangible con un robot no mejora universalmente la experiencia, sino que su efectividad depende de la actitud del usuario hacia los robots, ya que las personas con actitudes negativas experimentan menor inmersión narrativa con la interacción física en comparación con la mediación digital.
Este artículo presenta un esquema de control basado en modelos que utiliza estimaciones de fuerza derivadas de sensores táctiles para adaptar la postura de un robot humanoide y redistribuir las fuerzas, logrando un contacto estable con objetos de diversas distribuciones de masa mediante la minimización de la distancia entre el centro de presión y el centroide del polígono de contacto.
El artículo presenta Edged USLAM, un sistema híbrido de localización y mapeo simultáneo (SLAM) visual-inercial que combina un frente de atención a bordes y un módulo de profundidad basado en aprendizaje para superar las limitaciones de las cámaras de eventos en condiciones de iluminación extrema y movimiento rápido, demostrando una mayor estabilidad y precisión en misiones de UAV en comparación con métodos puramente basados en eventos o aprendizaje.
El artículo presenta Fusion-Poly, un marco de fusión espaciotemporal que integra datos asíncronos de LiDAR y cámaras para mejorar la estimación de trayectorias en el seguimiento 3D de múltiples objetos, logrando un nuevo estado del arte con un 76,5% de AMOTA en el conjunto de datos nuScenes.
Este artículo presenta un marco general basado en grupos de Lie y la teoría de varillas de Cosserat para modelar robots blandos continuos, ofreciendo expresiones analíticas unificadas para la cinemática, estática y dinámica que eliminan restricciones de cuaterniones y permiten una simulación y control en tiempo real para diversas estructuras complejas.