684 artículos
El artículo presenta GST-VLA, un modelo de visión-lenguaje-acción que mejora la percepción geométrica y el razonamiento espacial mediante un tokenizador de Gaussiana 3D y un proceso de pensamiento encadenado consciente de la profundidad, logrando un rendimiento superior en tareas de manipulación robótica.
Este artículo propone un marco de planificación de movimiento con límites de riesgo que integra un operador de Koopman estocástico profundo, verificación jerárquica mediante programación de sumas de cuadrados y un controlador MPPI para generar trayectorias seguras y eficientes en manipuladores robóticos que operan bajo incertidumbres no gaussianas y entornos no convexos.
Este artículo propone un marco unificado y una taxonomía para los modelos de mundo latentes en la conducción automatizada que organizan las representaciones latentes y los mecanismos internos, estableciendo directrices de evaluación y desafíos de investigación para lograr sistemas más robustos, generalizables y eficientes.
El artículo presenta PM-Nav, un marco de navegación guiado por mapas previos que transforma entornos en mapas semánticos y utiliza un razonamiento jerárquico para superar los desafíos de navegación en edificios funcionales, logrando mejoras significativas en comparación con métodos existentes tanto en simulación como en el mundo real.
El artículo presenta DexHiL, un marco innovador de aprendizaje con intervención humana que integra el control del brazo y la mano para el post-entrenamiento de modelos Visión-Lenguaje-Acción, logrando una mejora significativa del 25% en las tasas de éxito de manipulación diestra en comparación con métodos de ajuste fino tradicionales.
Este artículo presenta una arquitectura de control computacionalmente eficiente y adaptable para robots multi-patas con seis o más extremidades que navegan terrenos irregulares, la cual combina la estabilidad mecánica con estados de máquina segmentales acoplados para generar locomoción tanto en contacto con el suelo como en ausencia del mismo.
SPAN-Nav es un modelo fundacional de extremo a extremo que mejora la navegación visión-idioma mediante la inyección de conciencia espacial 3D universal en el razonamiento de acciones, utilizando un token espacial compacto y un conjunto de datos masivo para lograr un rendimiento superior y una generalización robusta en diversos entornos.
El documento presenta ZeroWBC, un marco innovador que permite a los humanoides aprender control visuomotor natural directamente de videos en primera persona sin necesidad de costosos datos de teleoperación, superando las limitaciones de movimientos rígidos y logrando una interacción versátil en entornos reales.
Este trabajo presenta STONE, un conjunto de datos multi-modal a gran escala para la navegación de robots fuera de carretera que ofrece mapas de travesabilidad 3D generados automáticamente y percepciones sincronizadas de LiDAR, cámaras y radares para diversos entornos, estableciendo además un nuevo estándar de referencia para la predicción de travesabilidad.
Este artículo presenta un marco de planificación de movimiento robusto para carreras autónomas multiagente que combina la identificación de brechas topológicas mediante GPs estocásticos y un MPC acelerado con un solver PTC, logrando una mejora significativa en tiempos de maniobra, tasas de adelantamiento y latencia computacional en la plataforma F1TENTH.
El artículo presenta WESPR, un marco de trabajo rápido que integra la percepción geométrica y datos meteorológicos para predecir campos de viento locales y adaptar la planificación de trayectorias y el control de drones en tiempo real, logrando mejoras significativas en la estabilidad y precisión de vuelo frente a condiciones turbulentas.
Este trabajo presenta un marco de simulación escalable basado en un modelo musculoesquelético completo y controlado por aprendizaje por refuerzo que permite el análisis cuantitativo y la co-optimización simultánea del diseño mecánico y la política de control en la interacción física humano-robot, facilitando la evaluación de métricas biomecánicas internas como las fuerzas musculares.
El artículo presenta TRIP-Bag, un sistema de teleoperación portátil y de fácil configuración que permite la recolección rápida y fiable de datos de alta fidelidad para el aprendizaje de robots, superando las limitaciones de los enfoques existentes al eliminar la brecha de embodiment y facilitar su uso fuera del laboratorio.
Este artículo presenta MORLAX y MO-Playground, un algoritmo de aprendizaje por refuerzo multiobjetivo nativo de GPU y un entorno de simulación acelerado que permiten aproximar conjuntos de Pareto en minutos con una aceleración de 25 a 270 veces respecto a los enfoques tradicionales basados en CPU, facilitando así la resolución de problemas complejos de robótica multiobjetivo como la locomoción de un robot humanoide.
El artículo presenta RAE-NWM, un modelo de mundo para navegación que opera en un espacio de representación visual densa basado en características DINOv2 y utiliza un transformador de difusión condicional para mejorar la estabilidad estructural y la precisión de las acciones en comparación con los métodos latentes tradicionales.
Este trabajo introduce un marco de navegación visión-lenguaje a gran escala derivado de videos web que, mediante representaciones geométricas implícitas para extraer información espacial directamente de imágenes RGB sin reconstrucción 3D, supera las limitaciones de los datos simulados y establece nuevos récords de rendimiento en múltiples benchmarks.
El marco See, Plan, Rewind (SPR) mejora la manipulación robótica al medir el progreso mediante hitos espaciales, permitiendo la planificación de trayectorias y la recuperación automática de errores mediante un ciclo cerrado que supera a los modelos existentes en robustez y generalización.
El artículo presenta CORAL, un marco escalable para el aprendizaje robótico multi-tarea que utiliza expertos LoRA especializados y aislados por tarea para mitigar la interferencia entre gradientes y evitar el olvido catastrófico, logrando un rendimiento superior en robots reales y simulados sin sobrecarga de inferencia.
El artículo presenta NLiPsCalib, un marco de calibración eficiente y consistente con la física que utiliza estereofotometría de luz cercana para lograr una reconstrucción 3D de alta fidelidad en sensores visuotáctiles curvos mediante contactos simples con objetos cotidianos, eliminando la necesidad de dispositivos de calibración costosos y laboriosos.
SPAARS es un marco de aprendizaje curricular para el aprendizaje por refuerzo offline-a-online que mejora la seguridad y la eficiencia de las muestras al explorar inicialmente en un espacio latente de baja dimensión y luego transferir el control al espacio de acciones crudo, superando así las limitaciones de rendimiento de los métodos basados en decodificadores.