4321 पेपर
यह शोध पत्र एक एंड-टू-एंड कम्प्यूटेशनल फ्रेमवर्क प्रस्तुत करता है जो मल्टीमटेरियल 3D प्रिंटिंग अनुप्रयोगों के लिए मैक्रोस्कोपिक संरचना और स्थानिक सामग्री वितरण के कुशल, व्याख्या योग्य और समवर्ती अनुकूलन को सक्षम करने हेतु स्पारसिफाइड फिजिक्स-ऑगमेंटेड न्यूरल नेटवर्क को फाइनाइट-एलिमेंट-आधारित टोपोलॉजी ऑप्टिमाइज़ेशन के साथ एकीकृत करता है।
यह शोध पत्र GNSS-रहित या अत्यधिक त्वरित स्थितियों में संचालित स्वायत्त वाहनों के लिए दो बैरोमीटर-सहायता प्राप्त अभिवृत्ति अनुमान आर्किटेक्चर प्रस्तावित करता है, जो गुरुत्वाकर्षण और जड़त्वीय त्वरणों के बीच की अस्पष्टता को हल करके स्थिर और सुदृढ़ झुकाव अनुमान प्राप्त करने के लिए SO(3) और SO(3)×R² पर नॉनलीनियर ऑब्जर्वर्स का उपयोग करता है।
यह शोध पत्र एक गणनात्मक रूप से कुशल न्यूनतम-लॅप-टाइम (minimum-lap-time) नियोजन ढांचे को प्रस्तुत करता है जो महत्वपूर्ण ट्रैक खंडों पर बाधाओं को चुनिंदा रूप से कड़ा करके मोटरस्पोर्ट वाहनों की मजबूती को अवस्था संबंधी विक्षोभों (state disturbances) और पैरामीट्रिक अनिश्चितताओं के विरुद्ध बढ़ाता है, जिसके परिणामस्वरूप सिम्युलेटेड FSAE रेसिंग परिदृश्यों में ड्राइवेबिलिटी में उल्लेखनीय सुधार और विफलता दरों में कमी आती है।
यह शोध पत्र OptCar प्रस्तुत करता है, जो एक हिस्ट्री-कंडीशन्ड डायनेमिक्स अडैप्टेशन मॉड्यूल और सिंथेटिक रोलआउट्स के साथ सीमित वास्तविक दुनिया के डेटा का उपयोग करके, विविध भूभागों और पेलोडों में सुदृढ़, उच्च-गति क्लोज्ड-लूप नियंत्रण प्राप्त करने के माध्यम से जनरलिटिस्ट और स्पेशलिस्ट वाहन मॉडलों के बीच के अंतर को पाटता है।
यह शोध पत्र स्वायत्त रेसिंग के लिए एक पदानुक्रमित ओवरटेकिंग फ्रेमवर्क प्रस्तावित करता है जो युक्ति चयन (maneuver selection) के लिए एक उच्च-स्तरीय मिक्स्ड-इंटीजर क्वाड्रेटिक प्रोग्राम को एक नॉनलीनियर मॉडल प्रेडिक्टिव कंट्रोल कंट्रोलर के साथ जोड़ता है, जिसे सुरक्षा बाधा बाधाओं (safety barrier constraints) को अनुकूल रूप से ट्यून करने के लिए एक सुदृढीकरण शिक्षण (reinforcement learning) नीति द्वारा संवर्धित किया गया है, जिससे विभिन्न ट्रैक स्थितियों में बिना किसी मैनुअल ट्यूनिंग के मजबूत सुरक्षा-प्रदर्शन संतुलन प्राप्त किया जा सके।
यह शोध पत्र एंकर-अलाइन (Anchor-Align) का प्रस्ताव करता है, जो एक फाइनट्यूनिंग विधि है जो विजन-लैंग्वेज रिप्रेजेंटेशन एंकरिंग और लैंग्वेज-एक्शन अलाइनमेंट को जोड़ती है ताकि VLA पॉलिसियों में प्रीट्रेंड ज्ञान के ओवरराइट होने को रोका जा सके, जिससे विविध बेंचमार्क पर जनरलाइजेशन और रियल-रोबोट सफलता दर में महत्वपूर्ण सुधार होता है।
यह शोध पत्र JOP-VLN को प्रस्तुत करता है, जो एक नवीन ढांचा है जो विजन-एंड-लैंग्वेज नेविगेशन बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए तीन-चरणीय प्रशिक्षण पाइपलाइन के माध्यम से ऑफ-पॉलिसी इमिटेशन लर्निंग को ऑन-पॉलिसी एक्सप्लोरेशन के साथ सहक्रियात्मक रूप से एकीकृत करता है।
यह शोध पत्र एक सीखे हुए, ज्यामिति-नियमित (geometry-regularized) स्टेट एस्टिमेटर का प्रस्ताव करता है जो आंशिक अवलोकनशीलता (partial observability) के तहत प्रभावी स्वायत्त सर्जिकल रिट्रैक्शन प्लानिंग को सक्षम करने के लिए विरल, शोर युक्त अवलोकनों से पूर्ण विरूप्य ऊतक अवस्थाओं (deformable tissue states) को पुनर्गठित करता है, जो सिमुलेशन में लगभग ऑरेकल प्रदर्शन प्राप्त करता है।
यह शोधपत्र एक टोपोलॉजी-अज्ञेय (topology-agnostic) डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो दृष्टि के बिना, विरल स्पर्श डेटा (sparse tactile data) से विरूपित वस्तुओं (deformable objects) के पूर्ण 3D मेश को पुनर्गठित करता है, जो पारंपरिक ज्यामितीय विधियों से काफी बेहतर प्रदर्शन करता है और अवरुद्ध वातावरण में सक्रिय स्पर्श रणनीतियों को अनुकूलित करने के लिए डीप-एन्सेम्बल अनिश्चितता का लाभ उठाता है।
यह शोध पत्र एक लेयर्ड रिस्क मैपिंग फ्रेमवर्क प्रस्तुत करता है जो एक्सपेडिशनरी मेडिकल सुविधाओं में सुरक्षित, स्वायत्त रोगी परिवहन को सक्षम करने के लिए नोइजी-ओआर (Noisy-OR) मॉडल का उपयोग करके विषम पर्यावरणीय खतरों को संलयित करता है, जो जोखिम-अवेयर बेसलाइन्स की तुलना में टकराव की दरों को काफी कम करता है और बाधाओं से बचाव में सुधार करता है।