864 articles
Cet article présente LIPP, une généralisation de la planification de trajectoire informative qui intègre le couplage entre la collecte d'échantillons physiques et l'augmentation de la masse du robot pour optimiser conjointement le routage, l'ordre de visite et le nombre d'échantillons sous une contrainte énergétique, surpassant ainsi les approches classiques qui négligent ce coût dépendant de la charge.
Cet article propose un cadre de segmentation de la traversabilité en few-shot combinant images RGB et informations de profondeur laser 1D, qui intègre un apprentissage contrastif négatif et un module d'attention à deux étapes pour améliorer la détection des obstacles fins et la généralisation dans la navigation robotique intérieure.
En s'appuyant sur des mesures expérimentales d'un robot hexapode sur un lit de sable incliné, cette étude développe un modèle d'interaction robot-terrain qui révèle que la perte de performance sur les pentes granulaires est principalement due à un ancrage retardé et à un glissement accru, permettant ainsi d'établir des diagrammes de défaillance pour estimer les risques de locomotion.
Cet article propose un cadre unifié en deux étapes pour restaurer la faisabilité des spécifications STL conflictuelles en robotique, d'abord par une relaxation minimale puis par un raffinement multi-objectif Pareto-optimal, afin d'éviter les blocages et d'assurer une prise de décision interprétable dans des applications critiques comme la conduite autonome.
Cet article propose une revue critique des applications pratiques des fonctions de barrière de contrôle (CBF) en robotique, en mettant en lumière les écarts entre les garanties théoriques et la réalisation concrète des contrôleurs sûrs sous contraintes d'entrée, tout en fournissant des lignes directrices pour construire des arguments de sécurité valides pour des systèmes dépourvus de sécurité passive.
Cet article propose une méthode de transport collaboratif de charges suspendues par câbles via un équilibre rotatif, permettant aux drones de générer une poussée purement verticale et réduisant ainsi la consommation d'énergie jusqu'à 20 % par rapport aux approches statiques.
Ce papier présente le VSL-Skin, une peau robotique à base de voxels individuellement adressables utilisant des matériaux à changement de phase pour permettre un contrôle morphologique précis, une modulation de rigidité étendue et l'intégration de joints virtuels programmables, comblant ainsi le fossé entre les robots mous et rigides.
Cet article présente une approche utilisant un modèle du monde probabiliste basé sur un modèle de fondation visuel préentraîné pour détecter avec précision les défaillances des manipulateurs bimanuels en exploitant l'incertitude du modèle, surpassant ainsi les méthodes existantes tout en nécessitant une fraction de leurs paramètres.
Ce papier propose un cadre de planification en deux étapes pour les manipulateurs mobiles, combinant une recherche de chemin sur graphe à dimension réduite et une optimisation numérique continue, afin de surmonter les défis des espaces de configuration de haute dimension et d'assurer une précision cinématique sub-millimétrique tout en respectant les contraintes de cinématique.
Ce papier propose le cadre SSP, qui combine des équations différentielles neuronales et des fonctions de barrière de contrôle pour garantir une sécurité formelle aux politiques chirurgicales apprises par apprentissage automatique en imposant des contraintes comportementales et spatiales, tout en maintenant un taux de réussite élevé.
TacDexGrasp est une méthode de préhension dextre robuste et souple qui utilise un retour tactile et un contrôleur basé sur la programmation conique du second ordre pour maintenir la stabilité de la prise en empêchant activement le glissement sans modélisation explicite du couple.
Ce papier présente GuideTWSI, un nouveau jeu de données diversifié combinant des images synthétiques et réelles pour améliorer la segmentation des indicateurs de surface de marche tactiles, en comblant le manque de données actuelles sur les avertissements à dômes truncqués et en surmontant les biais géographiques et de point de vue qui limitent la navigation des personnes aveugles ou malvoyantes.
Ce papier propose une méthode d'imitation d'expressions faciales indépendante de la morphologie pour les robots humanoïdes, qui découple les expressions de la structure faciale via un module d'apprentissage auto-supervisé et est validée expérimentalement sur un robot personnalisé nommé Pengrui.
Ce papier présente Artoo, un système de communication acoustique robot-à-robot optimisé de bout en bout qui remplace le traitement du signal traditionnel par des réseaux de neurones co-entraînés pour maximiser la précision de décodage dans des environnements bruyants tout en restant léger et rapide pour une intégration sur des plateformes robotiques aux ressources limitées.
Ce papier propose VLN-Cache, un cadre de mise en cache de tokens qui améliore l'efficacité de l'inférence des modèles de navigation vision-langage en adaptant dynamiquement la réutilisation des tokens aux changements de vue et d'importance sémantique, permettant ainsi une accélération significative sans compromettre les performances de navigation.
Cet article propose un cadre de contrôle prédictif de modèle distribué basé sur la méthode ADMM pour permettre à une équipe de robots quadrupèdes manipulateurs de transporter collaborativement des charges lourdes de manière évolutive et en temps réel dans des environnements complexes.
Cet article propose un cadre structuré de processus gaussiens variationnels multitâches pour la prédiction probabiliste et évolutive du mouvement humain, offrant une précision compétitive et des estimations d'incertitude fiables essentielles à la collaboration sûre entre humains et robots.
Les auteurs proposent FEMA, une méthode d'apprentissage par renforcement qui utilise une mémoire épisodique des échecs pour éviter les répétitions d'états instables et améliorer significativement l'efficacité de l'échantillonnage dans des tâches robotiques complexes.
Cet article propose une méthode d'initialisation de l'optimisation de trajectoire pour la course autonome, basée sur un réseau de neurones entraîné sur des données de Formule 1, qui accélère significativement la convergence des solveurs sans compromettre le temps de tour final.
Le papier présente DexKnot, un cadre d'apprentissage de politique visuomotrice généralisable qui combine des affinités de points clés et une politique de diffusion pour permettre aux robots de nouer efficacement des sacs plastiques de formes et de déformations variées.