689 articles
Le papier présente GST-VLA, un modèle d'action vision-langage qui améliore la précision des tâches robotiques en intégrant des tokens spatiaux gaussiens 3D structurés pour une géométrie métrique et un raisonnement en chaîne de pensée conscient de la profondeur, atteignant ainsi des performances record sur les benchmarks LIBERO et SimplerEnv.
Cet article présente un cadre de planification de mouvement à risque borné intégrant un opérateur de Koopman stochastique profond et une vérification hiérarchique par programmation de sommes de carrés pour générer des trajectoires sûres et efficaces pour des manipulateurs robotiques évoluant dans des environnements incertains et non convexes.
Cet article propose un cadre unifié pour les modèles de monde latents en conduite automatisée, établissant une taxonomie, des mécanismes internes et des protocoles d'évaluation pour améliorer la robustesse, la généralisation et l'efficacité des systèmes de décision.
Le papier propose PM-Nav, un cadre de navigation guidé par des cartes sémantiques a priori et un mécanisme de collaboration multi-modèles, qui surpasse considérablement les méthodes existantes pour la navigation dans des bâtiments fonctionnels aux caractéristiques très similaires.
Le papier présente DexHiL, un cadre innovant d'apprentissage avec humain dans la boucle conçu pour le post-entraînement de modèles vision-langage-action, permettant une téléopération coordonnée bras-main et améliorant significativement les taux de réussite dans la manipulation dexterse par rapport aux méthodes de fine-tuning offline.
Cet article présente une architecture de contrôle légère et adaptative pour des robots multi-pattes (de 6 à 16 pattes) naviguant sur des terrains accidentés, qui combine la réactivité des contrôleurs événementiels et la robustesse des générateurs de motifs centraux en utilisant des segments identiques interconnectés.
Le papier présente SPAN-Nav, un modèle fondamental de bout en bout qui améliore la navigation vision-langage en intégrant une conscience spatiale 3D généralisée via un token compact et un entraînement multi-tâches sur un vaste jeu de données, atteignant ainsi des performances de pointe sur divers benchmarks et dans des scénarios réels.
ZeroWBC est un cadre novateur qui permet d'apprendre directement à partir de vidéos humaines à la première personne un contrôle visuomoteur naturel pour les robots humanoïdes, éliminant ainsi le besoin de données de téléopération coûteuses et permettant des interactions complexes avec l'environnement.
Ce papier présente STONE, un ensemble de données multi-modal à grande échelle pour la navigation hors route, qui fournit des cartes de traversabilité 3D générées automatiquement sans annotation manuelle grâce à une fusion de LiDAR, de caméras et de radars, tout en établissant un nouveau benchmark pour la prédiction de traversabilité.
Ce papier propose un cadre de planification robuste pour la course autonome multi-agents, combinant l'identification topologique des opportunités de dépassement via des processus gaussiens et un MPC accéléré par un solveur PTC, permettant des manœuvres plus rapides et plus sûres avec une latence réduite sur la plateforme F1TENTH.
Le papier présente WESPR, un cadre rapide qui intègre la perception géométrique et les données météorologiques locales pour prédire les champs de vent induits par l'environnement, permettant ainsi à un drone quadricoptère d'adapter proactivement sa planification de trajectoire et son contrôle pour améliorer la stabilité et réduire les déviations dans des conditions turbulentes.
Ce travail propose un cadre de simulation évolutive intégrant un modèle musculo-squelettique humain piloté par l'apprentissage par renforcement pour permettre l'analyse quantitative et l'optimisation conjointe de la conception mécanique et du contrôle des robots interactifs, comme en témoigne son application réussie à l'amélioration des exosquelettes.
Le papier présente TRIP-Bag, un système de téléopération portable et plug-and-play contenu dans une valise commerciale, conçu pour faciliter la collecte rapide de données de manipulation de haute fidélité par des utilisateurs non experts dans divers environnements afin d'améliorer l'apprentissage robotique.
Ce papier présente MORLAX, un algorithme d'apprentissage par renforcement multi-objectif natif pour GPU, et MO-Playground, un environnement d'entraînement accéléré par GPU, qui permettent ensemble d'approximer des ensembles de Pareto pour des problèmes robotiques complexes avec une accélération de 25 à 270 fois par rapport aux approches CPU traditionnelles.
Le papier propose RAE-NWM, un modèle de monde de navigation qui opère dans un espace de représentation visuelle dense (DINOv2) plutôt que dans un espace latent compressé, afin de préserver les informations structurelles fines et d'améliorer la précision du contrôle et de la planification grâce à l'utilisation d'un transformateur de diffusion conditionnel.
Cet article propose un cadre d'apprentissage à grande échelle pour la navigation vision-langage, tirant parti de vidéos web et de représentations géométriques implicites extraites directement des images RGB pour surmonter les limites des simulateurs et atteindre des performances de pointe avec une généralisation zéro-shot.
Le papier présente SPR, un cadre vision-langage-action progressif qui améliore la robustesse de la manipulation robotique en ancrant les instructions dans des sous-objectifs spatiaux et en permettant une récupération automatique des échecs via un cycle de rétroaction, surpassant ainsi les méthodes de référence sur les benchmarks LIBERO.
Le papier présente CORAL, un cadre évolutif qui atténue les interférences entre tâches dans l'apprentissage robotique multi-tâches en gelant un seul modèle VLA pré-entraîné et en attachant des experts LoRA légers et isolés par tâche, permettant ainsi une gestion dynamique sans interférence paramétrique ni oubli catastrophique.
Le papier présente NLiPsCalib, un cadre de calibration efficace et physiquement cohérent pour les capteurs visuotactiles courbes, qui utilise la stéréophotométrie à source lumineuse proche (NLiPs) pour permettre une reconstruction 3D haute fidélité via une procédure de calibration simplifiée avec des objets quotidiens.
Le papier présente SPAARS, un cadre d'apprentissage par renforcement offline-to-online qui améliore la sécurité et l'efficacité de l'échantillonnage en initiant l'exploration dans un espace latent restreint avant de basculer vers l'espace d'action brut, surmontant ainsi les limitations de reconstruction des méthodes précédentes et surpassant les performances des modèles de base sur plusieurs tâches robotiques.