864 artículos
Este trabajo demuestra que, para mejorar la transferencia entre diferentes robots, el uso de demostraciones emparejadas que alineen tareas y trayectorias (analogías de datos) es más efectivo que simplemente aumentar la diversidad de datos no estructurados, logrando un aumento del 22,5% en el éxito de la transferencia en escenarios reales.
Este trabajo presenta un marco de poda de tokens visuales espaciotemporales sin entrenamiento que mejora la eficiencia y reduce la latencia en la navegación robotizada basada en lenguaje y visión, manteniendo una alta precisión y validándose tanto en benchmarks estándar como en un robot cuadrúpedo real.
Este artículo introduce el concepto de corredores de barrera de control, que unifica las funciones de barrera de control y los corredores de movimiento seguros para permitir la selección de objetivos persistentes y verificablemente seguros en la planificación de trayectorias de robots autónomos en entornos desconocidos.
Este artículo presenta una incrustación de diseño unificada y de baja dimensión que permite la optimización conjunta eficiente de la forma, los materiales y la actuación en robots blandos, superando a los enfoques secuenciales y basados en redes neuronales al reducir la complejidad computacional y mejorar la expresividad del diseño.
El artículo presenta CFEAR-TR, un sistema de localización robusto y eficiente basado únicamente en radar que, mediante la alineación conjunta de escaneos en vivo con mapas previos y ventanas deslizantes, logra una precisión superior al estado del arte en condiciones adversas, acercándose al rendimiento del LiDAR.
El artículo presenta SG-DOR, un marco de aprendizaje que utiliza grafos de escena con razonamiento de oclusión condicionado a la dirección para inferir relaciones físicas y de obstrucción en plantas de pimiento, mejorando así la planificación de la cosecha robótica en densos dosel.
Este artículo presenta un robot monopedal subactuado de 1,25 kg diseñado para la exploración extraterrestre en gravedad reducida, que utiliza solo dos ruedas de reacción y un actuador de salto para lograr rodar, saltar de forma dirigida, aterrizar y enderezarse mediante un control de orientación espacial y un cambio simple entre modos de locomoción.
Este artículo presenta un procedimiento de calibración espacial que estima el área de influencia y la sensibilidad relativa de cada píxel de un LiDAR de tiempo de vuelo difuso en un plano de imagen RGB, permitiendo una alineación precisa mediante mapas de respuesta recuperados con un parche retroreflector escaneado.
Este trabajo presenta un enfoque unificado que aprende tanto la estructura temporal simbólica como los parámetros de tiempo subsimbólicos a partir de demostraciones humanas, integrando modelos de mezclas gaussianas multivariadas y el algoritmo DPLL para generar planes ejecutables y sincronizados para la manipulación bimanual de robots.
Este artículo presenta un marco novedoso de dinámica adaptativa consciente de la incertidumbre para robots submarinos con manipuladores, que integra restricciones de consistencia física en la estimación en línea y demuestra mediante experimentos una convergencia rápida, alta precisión predictiva y viabilidad computacional para el control en entornos acuáticos.
El artículo presenta Fly360, un sistema de percepción y decisión en dos etapas diseñado para drones panorámicos que logra una evitación de obstáculos omnidireccional robusta, superando a los métodos tradicionales de visión frontal mediante el uso de mapas de profundidad derivados de observaciones RGB panorámicas y una estrategia de entrenamiento con guiñada aleatoria fija.
El artículo presenta BEVLM, un marco que conecta representaciones de vista aérea (BEV) con modelos de lenguaje grandes (LLM) para superar las limitaciones de consistencia espacial y riqueza semántica, mejorando significativamente tanto el razonamiento en escenarios de conducción complejos como el rendimiento en sistemas de conducción autónoma de extremo a extremo.
Este artículo propone un método de control de formación distribuido para UAVs que mitiga el ruido en las mediciones de pose relativa mediante la modificación de los comandos de descenso de gradiente, logrando así una mayor estabilidad y precisión en despliegues reales en comparación con los algoritmos existentes.
El artículo presenta FEP-Nav, un marco inspirado biológicamente que implementa la adaptación perceptiva en tiempo real para la navegación visual robusta minimizando la energía libre variacional mediante un mecanismo dual de decodificación descendente y normalización adaptativa, superando así a los métodos existentes en entornos con corrupciones sensoriales.
Este artículo presenta MIMO, un nuevo modelo de representación de objetos basado en campos neuronales implícitos que, al codificar múltiples características espaciales, permite a los robots aprender mediante imitación visual tareas de agarre y reordenamiento orientadas a objetivos, superando a los métodos existentes tanto en simulación como en experimentos del mundo real.
Este artículo presenta un enfoque para la conducción autónoma que equilibra diversos riesgos, como colisiones e infracciones de tráfico, mediante la extensión de métricas de riesgo a especificaciones de lógica temporal lineal (LTL) y su resolución eficiente a través de un problema de programación lineal, validando su eficacia en el simulador Carla.
Este trabajo presenta GenTact Toolbox, una tubería de diseño computacional que genera proceduralmente pieles artificiales táctiles de cuerpo completo personalizadas para la forma y el contexto operativo específicos de los robots, superando así las limitaciones de los diseños universales mediante la simulación orientada a tareas y la impresión 3D multimaterial.
Este artículo presenta un modelo de difusión guiado por condiciones de contacto que genera imágenes táctiles de alta fidelidad a partir de imágenes RGB y datos de fuerza, superando significativamente a los métodos basados en modelos físicos en precisión y capacidad de reconstrucción de texturas.
Este artículo presenta un marco de manipulación consciente de la dinámica 3D que integra el modelado del mundo en 3D y el aprendizaje de políticas mediante tareas de autoaprendizaje, dotando a los agentes de una "previsión 3D" que mejora significativamente su rendimiento en tareas con movimiento en profundidad sin sacrificar la velocidad de inferencia.
Este artículo presenta el conjunto de datos PeRoI, que captura las interacciones peatón-robot en diversas condiciones, y propone el modelo NeuRoSFM para mejorar la predicción de movimientos peatonales y la navegación socialmente consciente en entornos humanos.