6584 articles
Inspiré par le périopode, ce papier démontre que l'oscillation active d'une queue sur un robot permet d'accélérer sa progression de 67 % sur des terrains granulaires déformables en fluidifiant le substrat et en réduisant la traînée, offrant ainsi de nouvelles directives pour la conception de robots destinés à l'agriculture, au sauvetage et à l'exploration environnementale.
Le papier propose SAGA, une méthode d'attention linéaire qui utilise des portes adaptatives sélectives et une décomposition de produit de Hadamard pour surmonter les limitations de redondance et de rang faible des approches existantes, offrant ainsi une efficacité computationnelle et une précision accrues sur des images haute résolution.
Cet article présente le Cumulative Consensus Score (CCS), une métrique d'évaluation sans étiquette et indépendante du modèle qui mesure la cohérence spatiale des détections d'objets via l'augmentation de données pour surveiller la fiabilité des modèles en déploiement réel.
Ce papier présente WHU-STree, un nouveau jeu de données multimodal et richement annoté collecté dans deux villes distinctes, conçu pour surmonter les limites des inventaires d'arbres urbains existants en permettant l'exécution de plus de dix tâches d'inventaire grâce à la fusion de nuages de points et d'images haute résolution.
Cet article présente un cadre d'apprentissage par renforcement asynchrone qui découple la perception et le contrôle pour permettre aux véhicules aériens autonomes de naviguer de manière agile et robuste à 100 Hz dans des environnements complexes, en surmontant les délais de perception grâce à un module d'encodage temporel et une stratégie de transfert sim-to-real réussie.
Le papier présente GeoAware-VLA, une approche qui améliore la généralisation des modèles Vision-Language-Action à de nouveaux points de vue en intégrant des priors géométriques via un modèle de vision pré-entraîné et gelé, permettant ainsi d'obtenir des gains significatifs en généralisation zéro-shot sur des benchmarks simulés et réels sans nécessiter de données 3D explicites.
Cette étude présente le prédicteur OIPP, un système adaptatif aux objets qui, grâce à un nouveau jeu de données de 8 000 trajectoires, permet à un robot quadrupède de prédire avec précision le point d'impact d'objets divers en vol pour réussir leur capture.
Cet article présente LibriTTS-VI, le premier corpus public pour le contrôle des impressions vocales, ainsi que de nouvelles méthodes de désentanglement et sans référence qui améliorent significativement la précision du contrôle numérique de ces impressions en atténuant les fuites d'identité du locuteur.
Cet article propose un cadre d'apprentissage de compétences robotiques basé sur des graphes de scène et l'apprentissage par imitation, qui améliore la robustesse et la généralisation compositionnelle des robots généralistes en se concentrant sur les objets et relations pertinents pour la tâche.
Cet article présente DroFiT, un réseau léger d'amélioration de la parole conçu pour les UAV qui combine une attention fréquentielle de type Transformer et une architecture hybride pour supprimer efficacement le bruit des drones en temps réel sur des plateformes aux ressources limitées.
Cet article présente un système de navigation visuelle « teach-and-repeat » basé sur une caméra événementielle qui utilise la corrélation croisée dans le domaine fréquentiel pour atteindre une latence de traitement ultra-faible de 2,88 ms, permettant une navigation autonome précise de plus de 3000 mètres dans diverses conditions lumineuses.
Cette étude démontre que les benchmarks actuels de compréhension vidéo sous-estiment l'importance de l'audio en ne testant que des indices visuels, et propose une architecture évolutive intégrant un encodeur de parole qui améliore significativement les performances sur les tâches nécessitant une véritable compréhension multimodale.
Cet article présente FINS, un cadre léger capable de reconstruire des surfaces implicites et des champs de distance signée à partir d'une seule image en quelques secondes, surpassant les méthodes existantes en rapidité et en précision pour des applications robotiques comme la génération de mouvement.
Le papier présente RetoVLA, une architecture qui réutilise des jetons d'inscription (Register Tokens) pour injecter un contexte spatial global dans les modèles Vision-Language-Action, permettant ainsi d'améliorer significativement les performances de manipulation robotique sans augmenter le nombre de paramètres.
Ce papier présente QuantVGGT, le premier cadre de quantisation post-entraînement pour les transformers VGGT, qui surmonte les défis de distribution à queue lourde et d'instabilité d'échantillonnage grâce à une quantification fine lissée en double et un échantillonnage diversifié filtré par bruit, permettant une réduction significative de la mémoire et une accélération matérielle tout en préservant une précision de reconstruction supérieure à 98 %.
Cet article présente un cadre de docking autonome entre un drone et un robot quadrupède dans des environnements complexes, utilisant un apprentissage par renforcement pour stabiliser le quadrupède et une stratégie de contrôle à trois phases pour guider le drone, permettant ainsi des atterrissages réussis sur des terrains accidentés comme des escaliers et des pentes raides.
Le papier présente MATR, un Transformer conscient du mouvement qui améliore le suivi multi-objets en prédisant explicitement les déplacements pour mettre à jour les requêtes de suivi à l'avance, atteignant ainsi des performances de pointe sur plusieurs jeux de données sans nécessiter de données externes.
L'article présente GS-2M, un cadre d'optimisation matériellement conscient basé sur le 3D Gaussian Splatting qui permet une reconstruction de maillages haute fidélité, y compris sur des surfaces réfléchissantes, en évitant l'utilisation de composants neuronaux complexes grâce à une nouvelle stratégie de supervision de la rugosité.
Cet article propose un cadre théorique fondé sur la persuasion bayésienne pour évaluer et entraîner des modèles de langage via l'apprentissage par renforcement, démontrant ainsi leur capacité à générer des gains persuasifs significatifs et à adopter des stratégies sophistiquées.
Les auteurs proposent un cadre de locomotion quadrupède sûr et adaptable, baptisé SAC-Loco, qui intègre une politique d'apprentissage par renforcement pour un comportement compliant ajustable sans capteurs de force et un critique de sécurité appris pour coordonner la locomotion fluide et la récupération rapide face aux perturbations externes.