4321 पेपर
यह शोधपत्र कैलिब्रेटेड पार्शियल रीसेट्स (CPR) को प्रस्तुत करता है, जो एक ऐसा ऑप्टिमाइज़र है जो कम उपयोगिता वाले न्यूरॉन्स को आवधिक और चयनात्मक रूप से उनके इनिशियलाइज़ेशन की ओर खींचकर निरंतर सुदृढीकरण शिक्षण (continual reinforcement learning) में पॉलिसी कोलैप्स को रोकता है, जिससे शिखर प्रदर्शन से समझौता किए बिना प्लास्टिसिटी बनाए रखी जा सकती है।
FIRMGrasp कंडीशनल वैल्यू-एट-रिस्क (CVaR) पर आधारित घर्षण-अस्थिरता-जागरूक ग्रैस्प क्वालिटी मेट्रिक्स का एक नया परिवार पेश करता है जो उच्च प्रायिकता के साथ फोर्स क्लोजर को प्रमाणित करके और प्रतिकूल घर्षण स्थितियों में भी सफल भौतिक हेरफेर की भविष्यवाणी करके पारंपरिक नियतवादी (deterministic) विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र एक हाइब्रिड आर्टिफिशियल पोटेंशियल फील्ड्स और स्पैटियो-टेम्पोरल ट्रांसफॉर्मर फ्रेमवर्क का प्रस्ताव और सत्यापन करता है जो वास्तविक समय में ऑटोनॉमस अंडरवॉटर व्हीकल नेविगेशन के लिए लघु पथ लंबाई, कम टकराव दर और तेज़ गणना के एक इष्टतम संतुलन को प्राप्त करके अन्य तेरह पाथ प्लानिंग एल्गोरिदम से बेहतर प्रदर्शन करता है।
यह शोध पत्र केबल-ड्रिवन कॉन्टिनम रोबोट आर्म्स के पॉइंट-टू-पॉइंट युद्धाभ्यास के दौरान अवशिष्ट कंपनों को प्रभावी ढंग से दबाने और सेटलिंग प्रदर्शन में सुधार करने के लिए इनपुट शेपर्स के रूप में नॉन-रोबस्ट और रोबस्ट टाइम-डिले फिल्टर्स के उपयोग का प्रस्ताव करता है और प्रयोगात्मक रूप से सत्यापन करता है।
विजुअलपैट्चवर्ल्ड (VisualPatchWorld) वर्ल्ड मॉडल्स के निर्माण के लिए एक नवीन दृष्टिकोण पेश करता है, जो गतिकी (dynamics) को निष्पादन योग्य कोड (executable code) के रूप में प्रस्तुत करता है, जिसे गुणात्मक जांच (qualitative probing) के माध्यम से चुना जाता है और डेटा से फिट किया जाता है ताकि व्याख्या योग्य, संपादन योग्य और अत्यधिक प्रभावी नियोजन (planning) सक्षम हो सके जो मौजूदा कोड-आधारित बेसलाइन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र टेम्पोरल-डिस्टेंस जेपा (TD-JEPA) का प्रस्ताव करता है, जो एक वर्ल्ड मॉडल दृष्टिकोण है जो रिप्रेजेंटेशन लर्निंग और प्लानिंग के बीच के अंतर को पाटने के लिए ऑफलाइन रिवॉर्ड-फ्री ट्रेजेक्टरीज से निर्देशित टेम्पोरल कॉस्ट्स को माइन करता है, जिससे पिक्सेल रिकंस्ट्रक्शन या स्पष्ट रिवॉर्ड्स पर निर्भर किए बिना अधिक प्रभावी लक्ष्य-प्रगति रैंकिंग सक्षम होती है और कई वातावरणों में मौजूदा जेपा-आधारित प्लानर्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र क्रिटिकल स्लोइंग डाउन (critical slowing down) पर आधारित एक मॉडल-मुक्त पूर्वानुमान योजना प्रस्तुत करता है जो क्वाड्रोटर्स में कंट्रोलर-प्रेरित नियंत्रण हानि (loss of control) की 0.9 सेकंड तक पहले सफलतापूर्वक भविष्यवाणी करता है, जो मौजूदा न्यूरल नेटवर्क विधियों से बेहतर प्रदर्शन करता है और बिना पुन: पैरामीटराइजेशन के विभिन्न विमानों, कंट्रोलरों और उड़ान परिदृश्यों में सामान्यीकृत होता है।
यह शोध पत्र DR-LfD का प्रस्ताव करता है, जो प्रदर्शनों (demonstrations) को परमाणु कौशलों (atomic skills) में विभाजित करके विज़ुओमोटर नीतियों को टास्क एंड मोशन प्लानिंग (TAMP) के साथ एकीकृत करता है, जिससे रोबोटिक हेरफेर के लिए एक सुदृढ़ और डेटा-कुशल दीर्घ-क्षितिज (long-horizon) क्षमता सक्षम होती है जो पारंपरिक नियोजन की भंगुरता और शुद्ध अनुकरण शिक्षण (imitation learning) की सामान्यीकरण सीमाओं पर विजय प्राप्त करती है।
यह शोध पत्र एक मॉडल-अज्ञेय (model-agnostic), प्रशिक्षण-मुक्त "अनुमान-निदान-परिष्करण" (infer-diagnose-refine) ढांचे का प्रस्ताव करता है जो काउंटरफैक्चुअल (counterfactual) क्रियाओं का अनुमान लगाकर, उनके कारण संबंधी प्रभावों का निदान करके और भविष्यवाणियों को परिष्कृत करके गतिशील रोबोटिक कार्यों में विविध विजन-लैंग्वेज-एक्शन (VLA) मॉडलों में प्रदर्शन सुधारने के लिए टेस्ट टाइम पर दृश्य अवलोकनों के महत्व को गतिशील रूप से समायोजित करता है।
यह शोधपत्र प्रोबेबिलिस्टिक पॉलिसी प्रोपेगेशन (P³) प्रस्तुत करता है, जो एक डिस्ट्रीब्यूशन-अवेयर ऑप्टिमाइज़ेशन फ्रेमवर्क है जो VAE-आधारित PPO में नैव सिंगल-सैंपल एप्रोक्सिमेशन के कारण होने वाले वेरिएंस और बायस को हल करता है, जिससे डेटा दक्षता में उल्लेखनीय सुधार होता है, कन्वर्जेंस स्टेप्स कम होते हैं, और चुनौतीपूर्ण ह्यूमनॉइड पार्कोर कार्यों के लिए रोबस्ट लर्निंग सक्षम होती है।