864 artículos
Este artículo presenta un método de control híbrido basado en muestras que formula la selección y el cambio de modos de control como un problema de optimización entera, logrando garantías de rendimiento óptimo y demostrando su eficacia en tareas robóticas que requieren una conmutación reactiva entre planificación a largo plazo y control de alta frecuencia.
Este trabajo presenta C3+, un algoritmo mejorado de control predictivo basado en modelos con contacto implícito que permite empujar con éxito y en tiempo real objetos individuales y múltiples de diversas formas, logrando una tasa de éxito del 98% en implementaciones físicas.
El artículo presenta AURASeg, un marco de segmentación de áreas transitables para robots autónomos que utiliza refinamiento de bordes asistido por residuos y descompresión progresiva guiada por atención para lograr alta precisión en el borde y eficiencia en dispositivos de borde.
Este artículo presenta un marco en línea que utiliza una descomposición de modo dinámico de Hankel modificada para denoificar y predecir en tiempo real las dinámicas no lineales de obstáculos móviles a partir de datos parciales y ruidosos, permitiendo una planificación de movimiento robótico más segura y adaptable.
Este estudio propone y evalúa cuatro indicadores de campo visual en realidad aumentada para corregir las percepciones erróneas humanas sobre la visión de los robots, demostrando que las indicaciones ancladas en el espacio de la tarea mejoran significativamente la precisión en la colaboración humano-robot.
El artículo presenta ExpReS-VLA, un método que especializa rápidamente los modelos de Visión-Lenguaje-Acción (VLA) preentrenados para dominios específicos mediante la recuperación de experiencias comprimidas y un mecanismo de aprendizaje contrastivo, logrando una adaptación eficiente en el dispositivo que previene el olvido catastrófico y mejora significativamente el rendimiento en tareas robóticas tanto en simulación como en robots físicos.
El artículo presenta CAVER, un robot innovador que utiliza un efector final impreso en 3D y un algoritmo de exploración guiado por la curiosidad para construir representaciones audiovisuales ricas que mejoran significativamente la clasificación de materiales y la imitación de demostraciones humanas basadas únicamente en audio.
Este trabajo presenta un marco de aprendizaje por refuerzo en el espacio de tareas que combina Proximal Policy Optimization con primitivas de movimiento y control de impedancia consciente de la energía para generar trayectorias seguras y robustas en tareas de manipulación con contacto en entornos 3D.
El artículo presenta WNumMPC, un método de navegación jerárquico que combina un planificador de aprendizaje por refuerzo y un controlador basado en modelos para resolver los bloqueos de simetría en la navegación multiagente mediante el uso de números de giro como invariantes topológicos para coordinar el paso de los agentes.
El artículo presenta Bi-AQUA, un marco pionero de aprendizaje por imitación bilateral para brazos robóticos submarinos que integra un diseño consciente de la iluminación basado en transformadores para lograr una manipulación robusta y adaptable a las variaciones lumínicas en entornos subacuáticos.
El artículo presenta EchoVLA, un modelo de Visión-Lenguaje-Acción con memoria declarativa sinérgica que combina mapas espaciales-semánticos y experiencias episódicas para superar las limitaciones de los modelos actuales y lograr un manejo móvil más eficaz, validado mediante el nuevo benchmark automatizado MoMani.
Este artículo presenta un pipeline de planificación de trayectorias para cambios de carril autónomos que integra campos de riesgo dinámicos y espacios convexos variables en el tiempo dentro de un marco de optimización resuelto mediante iLQR, logrando trayectorias más seguras, eficientes y suaves que los métodos tradicionales en escenarios de tráfico complejos.
Este artículo introduce el concepto de conjunto alcanzable dependiente para un escenario de persecución con estrategia de rumbo constante, presentando resultados teóricos sobre sus límites geométricos, un problema de optimización original y simulaciones que validan empíricamente la forma de dicho conjunto.
Este artículo presenta XR-DT, un marco de gemelo digital potenciado por realidad extendida que integra el modelo de control HA-MPPI y la predicción de trayectorias humanas ATLAS para lograr una planificación de movimiento segura, eficiente e interpretable en entornos compartidos entre humanos y robots.
Este artículo presenta Safe MPD, un planificador de difusión sin entrenamiento que integra un escudo de seguridad para generar trayectorias robóticas óptimas y cinodinámicamente factibles de manera segura por construcción, superando a las estrategias existentes en éxito y seguridad con tiempos de cálculo subsegundos.
El artículo presenta SORS, un simulador modular de alta fidelidad basado en el método de elementos finitos y optimización no lineal, diseñado para modelar con precisión la compleja dinámica de los robots blandos y cerrar la brecha entre la simulación y la realidad mediante la validación experimental y la optimización de control.
El artículo presenta VISO, un sistema SLAM robusto para entornos submarinos que fusiona cámaras estéreo, IMU y sonar 3D mediante calibración en línea y renderizado fotométrico para lograr una localización precisa y una reconstrucción 3D densa en tiempo real con alta fidelidad.
El artículo presenta InsSo3D, un sistema robusto de localización y mapeo simultáneo (SLAM) que combina un sonar 3D y una navegación inercial para generar mapas tridimensionales precisos y corregir la deriva de odometría en entornos submarinos turbios y de gran escala.
El artículo presenta (MGS)-Net, un marco innovador para la geolocalización cruzada que unifica la adaptación de escala micro-geométrica y el filtrado de estructura macro-geométrica para superar las desalineaciones entre vistas aéreas oblicuas y satelitales, logrando un rendimiento de vanguardia en la navegación de UAVs sin GNSS.
El artículo presenta APEX, un sistema basado en aprendizaje por refuerzo profundo que permite a un robot humanoide Unitree G1 de 29 grados de libertad escalar y descender plataformas de hasta 0,8 metros (aproximadamente el 114% de su longitud de pierna) mediante una recompensa de progreso tipo trinquete y una estrategia dual para reducir la brecha simulación-realidad, logrando así una transición fluida y segura entre múltiples habilidades de locomoción.