666 articles
Le papier présente NaviGait, un cadre hiérarchique combinant l'optimisation de trajectoire et l'apprentissage par renforcement pour générer des politiques de locomotion bipède robustes et intuitives en sélectionnant et en adaptant des pas issus d'une bibliothèque précalculée.
Le papier présente RL-100, un cadre d'apprentissage par renforcement réel basé sur des politiques visuo-motrices par diffusion qui unifie imitation et renforcement pour atteindre une fiabilité de 100 % sur huit tâches robotiques complexes, surpassant les opérateurs experts et démontrant une robustesse exceptionnelle en déploiement zéro-shot.
Ce papier présente FALCON, une nouvelle approche qui améliore les modèles vision-langage-action en injectant des tokens spatiaux 3D riches, dérivés de modèles de fondation spatiale, directement dans la tête d'action pour combler le fossé de raisonnement spatial et atteindre des performances de pointe sur des tâches simulées et réelles.
Cet article remet en question l'hypothèse selon laquelle la replanification réactive nécessite la mise à jour de plans existants, démontrant qu'il est plus efficace de résoudre le problème comme une série de problèmes indépendants grâce à des algorithmes de planification presque sûrement asymptotiquement optimaux (ASAO) tels que EIT* et AORRTC.
L'article présente SynHLMA, un cadre novateur générant des séquences de manipulation manuelle d'objets articulés à partir d'instructions langagières en utilisant une représentation discrète des interactions main-objet et un modèle d'apprentissage aligné sur le langage pour assurer la cohérence fonctionnelle et dynamique.
L'article présente EgoMI, un cadre d'apprentissage par imitation qui comble le fossé d'incarnation entre humains et robots en capturant des trajectoires coordonnées des mains et de la tête active, permettant ainsi à des robots semi-humanoïdes d'acquérir des compétences de manipulation robustes grâce à une politique enrichie par la mémoire pour gérer les changements dynamiques de point de vue.
Cet article propose le filtrage de sécurité cohérent avec le chemin (PACS), une méthode qui garantit la sécurité formelle des politiques de diffusion tout en préservant leur taux de réussite aux tâches en évitant les modifications imprévisibles des actions lors du déploiement.
Le papier présente AFRO, un cadre d'apprentissage auto-supervisé qui génère des représentations 3D dynamiques pour la robotique en modélisant les transitions d'état via un processus de diffusion, éliminant ainsi le besoin de reconstruction géométrique explicite et améliorant significativement les taux de réussite dans des tâches de manipulation réelles et simulées.
Le papier propose UniBYD, un cadre unifié intégrant une représentation morphologique unifiée et un apprentissage par renforcement dynamique pour dépasser la simple imitation humaine et apprendre des politiques de manipulation robustes adaptées à diverses morphologies robotiques, validé par le nouveau benchmark UniManip qui démontre une amélioration significative des taux de réussite.
Cet article présente la conception et la mise en œuvre d'un système de localisation relative pour le robot modulaire SnailBot, qui fusionne la reconnaissance de marqueurs ArUco, l'analyse du flux optique et les données IMU pour assurer un positionnement précis et robuste en temps réel.
Ce papier présente un micro-nageur élastique magnétique composé de trois billes dont la propulsion autonome et le contrôle indépendant sont obtenus par l'exploitation d'un effondrement hystérétique réversible induit par un champ magnétique oscillant, permettant ainsi des applications potentielles en interventions médicales mini-invasives.
Le papier présente AirPulse, un robot volant autonome de 26 grammes inspiré du papillon qui, grâce à une architecture de contrôle hiérarchique et des ailes conformes, réalise pour la première fois un vol stabilisé en boucle fermée en imitant les ondulations corporelles et les battements de basse fréquence caractéristiques de la locomotion lepidoptérienne.
Cette étude présente une approche hybride combinant l'apprentissage et des modèles pour la détection rapide de glissement via des capteurs tactiles multimodaux et l'optimisation des forces internes, permettant une stabilisation réactive des préhensions multifilaires en boucle fermée avec une latence inférieure à 50 ms.
Cet article propose le MAQP, un cadre intégrant un schéma d'optimisation de patchs hétérogènes et une stratégie d'équilibrage au niveau des gradients pour garantir une saisie robotique sûre et robuste en modality RGB-D face aux attaques adverses.
Le papier présente Pri4R, une méthode simple et efficace qui améliore les modèles Vision-Language-Action en leur apprenant implicitement la dynamique du monde via l'entraînement sur des trajectoires de points 3D privilégiées, sans ajouter de surcoût computationnel ni modifier l'architecture lors de l'inférence.
Ce papier propose SPARC, une méthode de planification de trajectoire multi-robots décentralisée qui améliore la communication en intégrant les distances spatiales dans un mécanisme d'attention relationnelle, permettant ainsi une coordination supérieure et une généralisation efficace à des essaims de grande taille dans des environnements denses.
Le papier présente SPREAD, un cadre d'apprentissage par imitation à vie qui utilise la décomposition en valeurs singulières pour préserver la géométrie des représentations de tâches dans des sous-espaces de faible rang et une distillation guidée par la confiance, permettant ainsi de surmonter l'oubli catastrophique et d'atteindre des performances de pointe sur le benchmark LIBERO.
Cette étude examine comment les différences liées à l'âge influencent la perception du regard déictique d'un robot social afin d'optimiser la conception d'indices non verbaux adaptés pour l'interaction humain-robot auprès des personnes âgées.
Le papier présente Scale-Plan, un cadre évolutif assisté par les grands modèles de langage qui génère des représentations de problèmes compactes et pertinentes pour surmonter les défis de la planification à long terme dans les systèmes multi-robots hétérogènes, tout en introduisant le benchmark MAT2-THOR pour évaluer ces systèmes avec fiabilité.
Ce papier présente HMR-1, un robot de massage hiérarchique intégrant un modèle vision-langage pour l'identification des points d'acupuncture et le contrôle des mouvements, soutenu par le nouveau jeu de données multimodal MedMassage-12K et un benchmark d'évaluation pour les soins de santé incarnés.