864 articles
Le papier présente VORL-EXPLORE, une approche hybride d'apprentissage et de planification qui améliore l'exploration multi-robots dans des environnements dynamiques en couplant l'allocation de tâches à l'exécution via une estimation partagée de la navigabilité, permettant ainsi d'éviter les congestions et d'adapter dynamiquement les stratégies de navigation.
Le papier présente TeamHOI, un cadre d'apprentissage par renforcement qui permet à une politique décentralisée unique de gérer des interactions coopératives homme-objet réalistes et physiquement plausibles avec un nombre variable d'agents humains, en combinant une architecture Transformer pour la coordination d'équipe et une stratégie de priorité de mouvement adversaire masquée pour pallier le manque de données.
Cet article présente le cadre géométrique de la Manipulabilité Aérodynamique Sensible à la Traînée (DAAM), qui intègre les limites de couple moteur et la traînée aérodynamique pour optimiser l'allocation de contrôle dans les multirotors redondants tout en garantissant l'invariance aux échelles de coordonnées et en caractérisant mathématiquement les discontinuités globales induites par les limites physiques des actionneurs.
Cet article présente un modèle interne hybride à double horizon permettant à un robot quadrupède de sauter en continu sur un terrain lunaire accidenté en utilisant uniquement des capteurs proprioceptifs, et valide cette approche via la plateforme matérielle MATRIX qui simule la gravité lunaire et le terrain en temps réel.
Ce papier présente DiffRacing, un cadre d'apprentissage de politiques différentiables enrichi par des champs vectoriels qui permet aux drones de voler à grande vitesse et d'éviter les obstacles de manière robuste en combinant des pertes différentiables avec des signaux géométriques continus pour faciliter le transfert simulation-réalité.
L'article présente AffordGrasp, un cadre basé sur la diffusion qui génère des poses de préhension humaines physiquement stables et sémantiquement fidèles en comblant le fossé entre les représentations d'objets 3D et les instructions textuelles grâce à une annotation automatique et un processus de conditionnement dual.
Ce papier propose un cadre systématique pour calculer des bornes d'erreur de suivi de trajectoire formellement garanties pour les hélicoptères autonomes en utilisant des ensembles positivement invariants robustes, permettant ainsi d'établir des zones tampons certifiées pour la planification de trajectoires tout en comparant l'efficacité de différentes architectures de contrôle.
Ce papier présente « See & Switch », un cadre interactif d'apprentissage et d'exécution robotique qui utilise la vision pour sélectionner dynamiquement des branches dans des graphes de tâches et détecter les contextes inattendus, permettant ainsi aux utilisateurs novices de programmer efficacement des robots pour des tâches de manipulation complexes.
Ce papier présente MRDrive, un simulateur de conduite en réalité mixte open source qui permet aux chercheurs en interaction homme-machine d'étudier les interfaces véhicules en combinant un habitacle réel avec un environnement virtuel immersif.
Cet article propose un nouveau schéma de contrôle adaptatif basé sur la vision pour les robots redondants, combinant une commande en espace tâche et une interaction dans l'espace nul afin de permettre une collaboration sûre et efficace avec des humains dans des environnements inconnus, tout en garantissant la stabilité du système.
Le papier présente DeReCo, un cadre d'apprentissage par renforcement multi-agents qui découple l'apprentissage des représentations et de la coordination pour améliorer l'efficacité de l'échantillonnage et la généralisation du transport coopératif décentralisé de robots face à des objets aux formes et propriétés physiques variées.
Cet article propose un cadre intégré combinant un copilote de téléopération assisté par apprentissage par renforcement et une architecture VLA à mélange d'experts pour surmonter les défis de la manipulation dextre et en contact, permettant ainsi d'atteindre des performances humaines avec un taux de réussite doublé.
Le papier présente SaiVLA-0, une architecture de vision-langage-action inspirée du cerveau, du pont et du cervelet, qui intègre des priors multimodaux stables, une adaptation proprioceptive et un décodage catégoriel rapide pour améliorer l'efficacité computationnelle et les performances de contrôle robotique.
Ce papier présente un cadre léger nommé TRIAGE qui décompose l'incertitude en composantes aléatoire et épistémique pour déclencher des réponses correctives spécifiques (récupération d'observation ou modération du contrôle) et optimiser l'efficacité computationnelle, améliorant ainsi significativement la réussite des tâches de manipulation robotique et la qualité de la perception adaptative.
Le papier présente UniGround, une méthode sans entraînement pour le repérage visuel 3D universel qui remplace les modèles pré-entraînés par un raisonnement géométrique et visuel libre d'entraînement afin de localiser des objets dans n'importe quel environnement 3D, établissant ainsi un nouvel état de l'art parmi les méthodes zero-shot.
Cette étude démontre que l'interaction tangible avec un robot maître de jeu n'améliore pas systématiquement l'expérience utilisateur, car elle peut réduire l'immersion narrative chez les personnes ayant une attitude négative envers les robots, soulignant ainsi la nécessité de systèmes adaptatifs qui modulent le mode d'interaction selon les prédispositions individuelles.
Cet article présente une méthode de contrôle adaptatif pour les robots humanoïdes à mains multifingerées qui, en s'appuyant sur des estimations de forces issues de capteurs tactiles, redistribue les efforts pour maintenir un contact stable avec des objets de masses variées, atteignant un taux de réussite de 82,7 % lors d'une tâche d'équilibre.
L'article présente Edged USLAM, un système hybride de localisation et cartographie (SLAM) visuel-inertiel qui intègre un front-end sensible aux contours et un module d'estimation de profondeur pour surmonter les limitations des caméras événementielles et assurer une localisation robuste et précise dans des conditions d'éclairage difficiles et lors de mouvements variés.
Le papier présente Fusion-Poly, un cadre de fusion spatio-temporelle innovant pour le suivi 3D multi-objets qui exploite efficacement les données LiDAR et caméra asynchrones pour atteindre un état de l'art sur le jeu de données nuScenes.
Ce papier présente un cadre général basé sur les groupes de Lie et la théorie des poutres de Cosserat pour modéliser de manière unifiée la cinématique, la statique et la dynamique des robots mous continus, offrant ainsi une méthode géométrique efficace et sans contraintes pour la simulation et le contrôle de structures robotiques complexes.