867 articles
Ce papier présente SkillsCrafter, un cadre d'apprentissage robotique novateur qui permet l'acquisition continue de multiples compétences linguistiques tout en évitant l'oubli catastrophique grâce à l'adaptation des compétences et à l'agrégation de spécialisations dans un sous-espace sémantique commun.
Ce papier présente « Critic in the Loop », un cadre hiérarchique adaptatif qui combine un modèle VLM pour le raisonnement global, un modèle VLA pour l'exécution réactive et un critique visuel léger pour la surveillance dynamique, permettant ainsi une manipulation robotique robuste et efficace sur des tâches à long horizon.
Cet article présente un système de tri textile automatisé piloté par un jumeau numérique qui intègre la perception multimodale et le raisonnement de modèles visuels et linguistiques (VLM) pour classer les vêtements et détecter les objets étrangers avec une grande précision dans des environnements industriels réalistes.
Cet article propose d'élargir le rôle des robots collaboratifs en rééducation au-delà de l'entraînement répétitif, en les intégrant avant, pendant et après les séances pour soutenir les thérapeutes et les patients, afin de surmonter les barrières d'accès aux soins tout en abordant les défis techniques et de sécurité liés à cette intégration.
Cet article présente le cadre CDSM, une méthode en temps réel pour construire des systèmes dynamiques sur des variétés riemanniennes et des groupes de Lie, garantissant stabilité et convergence pour des comportements robotiques adaptatifs et interprétables.
Cet article présente un cadre de test innovant pour les serveurs centraux de véhicules autonomes, combinant la technologie jumeau numérique et le Vehicle-in-the-Loop (ViL) pour valider l'ensemble du logiciel de conduite autonome directement sur le matériel physique dans un environnement simulé, offrant ainsi une plateforme plus sûre, réaliste et économique que les méthodes traditionnelles.
Le cadre HD-ExpIt améliore les politiques de manipulation hiérarchiques conditionnées par le langage en mettant en œuvre un cycle d'affinement itératif basé sur des retours environnementaux, permettant à un planificateur et à un contrôleur basés sur la diffusion de s'entraîner mutuellement et d'atteindre des performances de pointe sur le benchmark CALVIN.
Ce papier propose Latent Policy Steering (LPS), une méthode d'apprentissage par renforcement hors ligne qui améliore les performances robotiques en évitant le compromis entre maximisation du retour et contraintes comportementales grâce à une optimisation de politique latente guidée directement par des gradients d'espace d'action original via un flux MeanFlow différenciable, éliminant ainsi le besoin de critiques latents approximatifs et de réglages hyperparamétriques sensibles.
Cet article propose un modèle statique géométriquement exact et sans contraintes pour les robots parallèles continus, éliminant les variables algébriques par intégration cinématique et validé expérimentalement sur un prototype à six tiges.
Le papier présente UltraDexGrasp, un cadre générant 20 millions de données synthétiques pour entraîner une politique de préhension dextre bimanuelle qui, bien que formée uniquement sur des données simulées, atteint un taux de réussite de 81,2 % lors de transferts réels sur des objets variés.
Cet article présente une méthode unifiée intégrant l'imagerie CT et la modélisation Cosserat pour planifier et valider l'insertion robotisée d'implants cochléaires, permettant une prédiction précise des forces de contact et une réduction des risques de traumatisme intra-cochléaire grâce à une mise à jour en ligne des trajectoires d'insertion.
Ce papier présente Omni-Manip, une politique visuomotrice end-to-end pilotée par LiDAR qui utilise une perception 3D omnidirectionnelle et un mécanisme d'attention temporelle pour permettre aux robots humanoïdes d'effectuer des manipulations dextres dans de vastes espaces désordonnés sans nécessiter de repositionnement fréquent.
OpenFrontier est un cadre de navigation sans entraînement qui permet aux robots de se déplacer efficacement dans des environnements ouverts en utilisant des frontières visuelles comme ancres sémantiques pour intégrer des modèles vision-langage, éliminant ainsi le besoin de reconstruction 3D dense ou d'affinage spécifique.
Ce papier présente le contrôleur MPPI-DK, qui améliore l'efficacité computationnelle du contrôle par intégrale de chemin prédictif en modèle (MPPI) pour les systèmes non linéaires complexes en remplaçant la dynamique non linéaire par un opérateur de Koopman profond linéaire appris, permettant ainsi un contrôle en temps réel performant sur des plateformes robotiques.
Cet article présente CliReg, un algorithme déterministe de bouclage de boucle pour la SLAM 3D LiDAR qui remplace la validation RANSAC par une recherche de cliques maximales sur un graphe de compatibilité, offrant ainsi une robustesse et une précision supérieures face au bruit et aux ambiguïtés environnementales.
Le document présente ROScopter, un pilote automatique multirotor léger et modulaire basé sur ROSflight 2.0 et ROS 2, conçu pour faciliter le développement et les tests de code de recherche en simulation et sur matériel tout en offrant des performances comparables aux solutions de l'état de l'art.
Ce papier présente PhysiFlow, un cadre VLA multi-cerveaux physiquement conscient et guidé par l'intention sémantique-motrice conçu pour améliorer la coordination du corps entier des robots humanoïdes en surmontant les défis d'efficacité et de stabilité des méthodes existantes.
Ce papier présente CompACT, un tokeniseur discret qui comprime les observations en seulement 8 tokens pour permettre une planification basée sur des modèles du monde à la fois rapide et efficace, facilitant ainsi leur déploiement en temps réel.
Cet article propose un contrôleur hybride combinant un MPC nominal et une politique résiduelle apprise par renforcement pour améliorer la robustesse et la précision du poussage de cellules par un microrobot magnétique dans des écoulements microfluidiques variables.
Cet article propose des méthodes d'observabilité et de contrôlabilité des caractéristiques internes des modèles Vision-Language-Action (VLA), démontrant que des interventions linéaires légères permettent de guider le comportement d'un robot en temps réel sans nécessiter de réentraînement.