864 artículos
El artículo presenta el "Interactive World Simulator", un marco que utiliza modelos de consistencia para generar simulaciones interactivas rápidas y físicamente coherentes que permiten entrenar y evaluar políticas robóticas de manera escalable con un rendimiento comparable al obtenido con datos del mundo real.
Este artículo presenta el algoritmo OA-Bug, una estrategia de enjambre aumentada con señales olfativas y auditivas que permite a los robots explorar entornos denegados sin GNSS ni comunicación centralizada, logrando una cobertura de búsqueda del 96,93% en simulaciones y validándose experimentalmente con robots reales.
El artículo presenta RAG-Driver, un modelo de lenguaje grande multimodal mejorado con recuperación aumentada y aprendizaje en contexto que logra explicaciones de conducción generalizables y de vanguardia sin necesidad de reentrenamiento, abordando así los desafíos de escasez de datos y adaptación a nuevos entornos.
El artículo presenta FALCON, un enfoque de preentrenamiento auto-supervisado unificado para el reconocimiento de acciones en videos de UAV que aborda el desequilibrio espacial mediante la integración de enmascaramiento consciente de objetos y reconstrucción futura dual, logrando mejoras significativas en precisión y velocidad de inferencia en comparación con métodos supervisados.
Este trabajo presenta un marco de programación no lineal novedoso y eficiente que integra la toma de decisiones jerárquica con la planificación y el control de cinemática inversa, utilizando una estructura jerárquica dispersa y la norma para resolver problemas complejos como la selección simultánea de ubicaciones de extremos efectoros o de agarres en robótica.
Este artículo introduce el Control Predictivo Generativo, un marco de aprendizaje supervisado que combina la modelación generativa con el control predictivo para entrenar políticas de flujo de alta frecuencia en tareas dinámicas difíciles de demostrar, superando así la dependencia de demostraciones expertas y las limitaciones de velocidad de los métodos existentes.
Este artículo presenta CAPS, un método de muestreo prioritario consciente del contexto que utiliza VQ-VAEs para reequilibrar conjuntos de datos desbalanceados en el aprendizaje por imitación, mejorando significativamente la generalización y el rendimiento de los sistemas de conducción autónoma en el simulador CARLA.
Este trabajo demuestra que un enfoque simple basado en el algoritmo iLQR con dinámicas de MuJoCo y derivadas aproximadas por diferencias finitas permite un control predictivo de modelo de cuerpo completo en tiempo real para robots cuadrúpedos y humanoides, generalizando eficazmente de la simulación al mundo real con pocas consideraciones de transferencia.
Este trabajo propone un método de odometría basado en LiDAR que registra escaneos contra múltiples submapas superpuestos y optimiza un grafo de poses para refinar retrospectivamente el mapa, logrando así una mayor precisión y consistencia en tiempo real.
El artículo presenta FindAnything, un marco de mapeo en mundo abierto que integra información visión-idioma en submapas volumétricos centrados en objetos mediante la agregación eficiente de características, logrando una comprensión semántica precisa y escalable en tiempo real incluso en dispositivos con recursos limitados como los MAVs.
Este artículo presenta un método consciente de la robustez que selecciona herramientas y planifica trayectorias de manipulación optimizando una métrica basada en energía para garantizar el éxito de las tareas ante perturbaciones externas.
Este artículo propone una metodología estructurada basada en el metamodelo MeROS y adaptada al modelo en V para integrar la ingeniería de sistemas basada en modelos (MBSE) con el Robot Operating System (ROS), abordando así los desafíos de coherencia semántica y trazabilidad en el desarrollo de sistemas robóticos complejos.
Este trabajo presenta un marco innovador de aprendizaje curricular automático basado en un sistema estudiante-profesor con RL multiagente, donde un "profesor" adaptativo genera comportamientos de tráfico diversos y de dificultad progresiva para entrenar a un "estudiante" de conducción autónoma, logrando así una política de conducción más robusta, segura y equilibrada que los métodos tradicionales basados en reglas.
Este artículo presenta un marco interactivo sin código con interfaz gráfica que democratiza la generación de escenarios de simulación para vehículos autónomos en CARLA, permitiendo a usuarios no técnicos diseñar, gestionar y ejecutar pruebas de validación mediante una representación basada en grafos que soporta tanto la creación manual como la generación automatizada de datos.
VEGA es un sistema de navegación para vehículos eléctricos que combina un operador neuronal informado por física para estimar parámetros del vehículo y una optimización de política proximal para planificar rutas y paradas de carga, logrando una planificación eficiente y rápida que generaliza a diferentes redes viales internacionales.
Este artículo presenta un marco multimodal que integra la comprensión del lenguaje natural con el razonamiento espacial para predecir con mayor precisión los objetivos de las aeronaves en espacios aéreos sin torre de control, demostrando que condicionar las predicciones con las comunicaciones de radio de los pilotos reduce significativamente el error en comparación con los métodos basados únicamente en el historial de movimiento.
El artículo presenta GLIDE, un marco cooperativo de búsqueda y rescate que combina dos drones y un vehículo terrestre para lograr una localización rápida de víctimas y una navegación segura en entornos desconocidos mediante la separación de roles de los UAVs para la detección y el reconocimiento del terreno, optimizando así la planificación y el replanteamiento del UGV.
Este trabajo propone un enfoque de exploración semántica para robots bípedos que, mediante la arbitraje de evidencia semántica calibrada por confianza, una memoria topológica de crecimiento controlado y la selección de subobjetivos basada en utilidad, transforma observaciones semánticas ruidosas en decisiones de exploración estables y ejecutables sin depender de reconstrucciones geométricas densas.
Este artículo presenta el GPHDM, un enfoque novedoso que genera movimientos robóticos físicamente consistentes y estructuralmente coherentes aprendiendo representaciones latentes en variedades hiperbólicas que preservan tanto la jerarquía taxonómica como la dinámica temporal de los gestos humanos.
El artículo presenta ROSflight 2.0, un ecosistema de piloto automático de código abierto basado en ROS 2 diseñado para investigadores, que mejora la modularidad y la transición de la simulación al hardware mediante una arquitectura ligera y documentación clara, logrando controlar un multirotor a 400 Hz cerrando todos los bucles de control en una computadora compañera.