4321 पेपर
यह शोध पत्र एक जनरललिस्ट कंट्रोलर (Generalist Controller) प्रस्तुत करता है, जो एक सिंगल-शॉट लर्निंग-आधारित एल्गोरिदम है जो विभिन्न क्रमों और गतिकी वाले विविध सिंगल-इनपुट सिंगल-आउटपुट सिस्टम को बिना किसी सिस्टम-विशिष्ट ट्यूनिंग या संरचनात्मक परिवर्तनों के प्रभावी ढंग से नियंत्रित करने के लिए अटेंशन मैकेनिज्म और मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर का उपयोग करता है।
यह शोध पत्र एक डेप्थ-रेगुलराइज्ड (depth-regularized) JEPA वर्ल्ड मॉडल प्रस्तुत करता है जो वास्तविक दुनिया के बाहरी रोबोट डेटा से अधिक हस्तांतरणीय (transferable) और सुदृढ़ प्रतिनिधित्व सीखने के लिए ज्यामितीय पूर्वधारणाओं (geometric priors) और लेटेंट रेगुलराइजेशन का लाभ उठाता है, जो बिना इन्फरेंस ओवरहेड बढ़ाए विजुअल ओडोमेट्री, सरप्राइज डिटेक्शन और मल्टी-स्टेप प्रेडिक्शन में बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र यह प्रदर्शित करता है कि विजन लैंग्वेज मॉडल्स को पेपर (Pepper) रोबोट के साथ एकीकृत करने से केवल प्रतिक्रिया समय में मामूली वृद्धि के साथ दृश्य संदर्भ प्रदान करके सामाजिक रूप से उपयुक्त मानव-रोबोट संवाद को बढ़ावा मिलता है, जबकि एक यूरोपीय-होस्टेड एलएलएम (LLM) का उपयोग वास्तविक दुनिया की तैनाती के लिए डेटा संरक्षण नियमों का अनुपालन सुनिश्चित करता है।
यह शोध पत्र PRISM को प्रस्तुत करता है, जो एक मल्टीमॉडल परसेप्शन सिस्टम है जो अनस्ट्रक्चर्ड वातावरण में स्वायत्त रोवर नेविगेशन के लिए सुदृढ़ ट्रैवर्सिबिलिटी मैप्स उत्पन्न करने हेतु एक नवीन OmniUnet नेटवर्क के माध्यम से RGB, डेप्थ और थर्मल इमेजरी को फ्यूज करता है।
यह शोध पत्र एक गणनात्मक रूप से कुशल सिमुलेशन प्लेटफॉर्म और एक विभेदक (डिफरेंशिएबल) सुदृढीकरण शिक्षण दृष्टिकोण पेश करके फुर्तीले मछली जैसे रोबोटों को नियंत्रित करने की चुनौतियों का समाधान करता है जो बैकप्रोपैगेशन और पाठ्यक्रम प्रशिक्षण के माध्यम से PID गेन्स को अनुकूलित करता है, और सटीक पथ ट्रैकिंग के लिए सीखे गए नीति को सिमुलेशन से एक भौतिक रोबोट में सफलतापूर्वक स्थानांतरित करता है।
यह शोध पत्र एक वीआर-आधारित मानव-रोबोट इंटरेक्शन फ्रेमवर्क प्रस्तुत करता है जो सिम्युलेटेड खतरनाक वातावरण में खतरों की पहचान करने और उन्हें एनोटेट करने के लिए विजन लैंग्वेज मॉडल्स का लाभ उठाता है, यह प्रदर्शित करते हुए कि यह दृष्टिकोण बिना एनोटेशन वाले बेसलाइन की तुलना में ऑपरेटर की स्थितिजन्य जागरूकता, स्पष्टता और सहजता को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र SPARK-VLN का प्रस्ताव करता है, जो एक दोहरा-प्रणाली ढांचा है जो वास्तविक समय में एक धीमे विजन-लैंग्वेज मॉडल से एक तेज़ फ्लो-मैचिंग प्लानर तक मध्यवर्ती हिडन स्टेट्स को स्ट्रीम करता है, जिससे गतिशील मानव-केंद्रित नेविगेशन में विचारशील तर्क और प्रतिक्रियाशील सुरक्षा के बीच के महत्वपूर्ण तनाव को हल किया जा सके।
यह शोधपत्र एक वितरण रूप से सुदृढ़ कोवेरियेंस-स्टीयरिंग फ्रेमवर्क प्रस्तावित करता है जो गैररेखीय प्रणालियों के लिए स्टोकेस्टिक मार्गदर्शन नीतियों को डिजाइन करने हेतु रिलेटिव एंट्रॉपी बाधाओं और जोखिम-संवेदनशील मात्राओं पर गणनीय ऊपरी सीमाओं का उपयोग करता है, जिससे यह सुनिश्चित होता है कि वास्तविक अवस्था वितरण एक गॉसियन सरोगेट के करीब रहे और वितरण अस्पष्टता के कारण होने वाली अनुमान त्रुटियों को कम किया जा सके।
यह शोध पत्र एक BIM-सक्षम, एजेंट-आधारित डिस्क्रीट-इवेंट सिमुलेशन प्लेटफॉर्म का प्रस्ताव करता है जो ग्राफ थ्योरी का उपयोग करके इनडोर वातावरण को ग्रिड-आधारित नोड्स में मैप करता है, जिससे समृद्ध बिल्डिंग इंफॉर्मेशन को कुशल, टकराव-मुक्त पाथफाइंडिंग के साथ एकीकृत करके फैसिलिटी मैनेजमेंट रोबॉट्स के लिए ज्ञान-संचालित नेविगेशन और ऑपरेशन प्लानिंग को सुगम बनाया जा सके।
यह शोध पत्र एक गैररेखीय स्टोकेस्टिक प्रणालियों (nonlinear stochastic systems) के लिए एक सुदृढ़ नियोजन ढांचे का प्रस्ताव करता है जो एक नाममात्र गॉसियन वितरण (nominal Gaussian distribution) के चारों ओर एक सापेक्ष एंट्रॉपी-बद्ध सेट (relative entropy-bounded set) को परिभाषित करके वितरण संबंधी अस्पष्टता (distributional ambiguity) के तहत जोखिम को सीमित करता है, जिसमें अस्पष्टता का आकार कोवेरिएंस विकास (covariance evolution) और गतिशील ट्रंकेशन त्रुटियों (dynamical truncation errors) द्वारा निर्धारित किया जाता है, जैसा कि एक अंतरिक्ष यान मार्गदर्शन अनुप्रयोग में प्रदर्शित किया गया है।