867 articles
Cet article présente le développement d'une nouvelle peau artificielle modulaire pour robots-serpents et l'analyse expérimentale de l'influence de l'angle d'attaque des écailles sur la friction et la vitesse de locomotion, révélant que les ratios de friction seuls ne suffisent pas à prédire de manière fiable la vitesse du robot sur divers terrains.
Ce papier propose HALyPO, une méthode d'optimisation de politique utilisant des fonctions de Lyapunov pour stabiliser l'apprentissage par renforcement multi-agents hétérogènes dans la collaboration humain-robot en garantissant la contraction de l'écart de rationalité et en améliorant la généralisation et la robustesse.
Le papier présente RAGNav, un cadre de raisonnement topologique assisté par la récupération qui intègre une mémoire à double base et un mécanisme de propagation de scores pour surmonter les hallucinations spatiales et atteindre des performances de pointe dans la navigation visuelle et linguistique multi-objectifs.
Cet article propose un contrôle corporel global orienté interaction (IO-WBC), inspiré du cervelet et combinant génération de trajectoires et apprentissage par renforcement, permettant aux humanoïdes d'assurer un transport d'objets compliant et stable dans des environnements non structurés en gérant efficacement les forces d'interaction dynamiques.
Ce papier présente C2C, une architecture hiérarchique à trois couches qui comble le fossé entre la cognition et le contrôle en intégrant une perception fondée sur les grands modèles de langage, une couche de délibération multi-agents par apprentissage par renforcement pour la coordination à long terme, et un contrôle corporel entier pour assurer une collaboration stable et adaptative entre humains et humanoïdes lors de tâches de transport.
Cet article présente le Spatial Surgical Transformer (SST), une politique visuomotrice de bout en bout qui confère aux robots chirurgicaux une conscience spatiale 3D en exploitant directement les indices géométriques des images endoscopiques stéréo, grâce à un nouveau jeu de données photoréalistes nommé Surgical3D et à des expériences validant ses performances supérieures sur des tâches complexes.
Cette étude révèle que les modèles préentraînés Vision-Language-Action (VLA) résistent remarquablement bien à l'oubli dans l'apprentissage continu, surpassant les modèles entraînés à partir de zéro grâce à une combinaison de préentraînement et de rejeu d'expériences simple.
Le papier présente SkillVLA, un cadre qui améliore la manipulation bimanuelle en permettant la réutilisation et la recomposition de compétences mono-bras, surmontant ainsi les limitations des modèles VLA existants face à la diversité combinatoire.
Ce papier présente IROSA, un cadre novateur combinant des modèles de langage pré-entraînés et une architecture basée sur des outils pour permettre l'adaptation interactive et sécurisée des compétences robotiques via des commandes en langage naturel, sans nécessiter de fine-tuning du modèle.
Le papier présente DISC, une méthode de cartographie sémantique open-set à grande échelle qui surpasse les approches actuelles en éliminant l'extraction de caractéristiques par recadrage grâce à un mécanisme d'extraction dense et pondéré par la distance, permettant une cartographie sémantique précise et en temps réel directement sur GPU.
Cet article présente un module de rétroaction léger « langage vers vision » qui améliore les capacités de raisonnement visuel des robots sociaux en permettant aux modèles vision-langage de réinterpréter dynamiquement les scènes sous un contexte textuel, ce qui se traduit par des performances accrues sur des tâches de navigation, de description et de reconnaissance d'intention humaine.
Ce papier présente RVN-Bench, un nouveau benchmark conçu pour évaluer la navigation visuelle réactive et sans collision d'agents mobiles dans des environnements intérieurs complexes et non vus, en s'appuyant sur le simulateur Habitat 2.0 et des scènes réalistes HM3D.
Le papier présente ArthroCut, un cadre d'apprentissage par politique autonome qui améliore les robots de chirurgie du genou en fusionnant des données préopératoires et peropératoires multimodales via un modèle Qwen-VL pour générer des actions de résection osseuse précises, interprétables et sécurisées.
Ce papier présente le Structural Action Transformer (SAT), une nouvelle politique de manipulation dextre 3D qui surpasse les méthodes existantes en reformulant les actions comme des séquences structurelles de trajectoires articulaires plutôt que temporelles, permettant ainsi un transfert de compétences efficace entre différents robots grâce à un codebook articulaire et un apprentissage par flux continu sur des nuages de points 3D.
Cet article propose un cadre de conception de mission réactive combinant la conception de missions probabilistes et des circuits réactifs pour permettre une inférence probabiliste exacte en ligne et efficace, garantissant ainsi la sécurité et la conformité légale des agents autonomes dans les espaces de trafic réglementés.
Cet article présente un cadre novateur de génération de scénarios critiques pour la sécurité, basé sur une recherche arborescente Monte Carlo multi-objectifs, qui produit des collisions réalistes et interactives dans des environnements urbains complexes sans dépendre de cartes spécifiques.
Cet article présente une introduction au calcul d'échange (XC), un modèle fondamental de la programmation agrégée, et à son implémentation en C++ sous forme de la bibliothèque FCPP, développée à l'Université de Turin en hommage à Stefano Berardi, permettant le déploiement de programmes sur des dispositifs distants tels que des rovers et des drones.
Cet article présente un cadre d'apprentissage par renforcement continu en ligne, inspiré de la biologie et basé sur DreamerV3, qui permet aux agents robotiques de s'adapter automatiquement aux changements imprévus lors du déploiement en détectant les écarts de prédiction du modèle du monde et en ajustant leurs paramètres sans supervision externe.
Cet article présente TER-DAgger, un cadre d'apprentissage par imitation évolutif et conscient des forces qui atténue le décalage de covariance et réduit la surveillance humaine grâce à l'édition de trajectoires résiduelles et à une anticipation des défaillances, permettant ainsi des insertions de précision robustes sous contrôle d'impédance.
Ce papier présente HE-VPR, un cadre de reconnaissance visuelle de lieux aérien qui intègre une estimation de la hauteur pour améliorer la robustesse aux variations d'échelle et réduire considérablement l'empreinte mémoire grâce à une architecture modulaire efficace.