4321 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि पूर्णतः निहित (fully implicit) DisMech सिम्युलेटर को एक नवीन डेल्टा नेचुरल कर्वेचर कंट्रोल विधि के साथ जोड़कर सॉफ्ट रोबोट पॉलिसी लर्निंग को तेजी से प्राप्त किया जा सकता है, जो सटीकता से समझौता किए बिना संपर्क-समृद्ध (contact-rich) परिदृश्यों में Elastica की तुलना में 40 गुना तक तेज़ सिमुलेशन गति प्राप्त करता है।
यह शोध पत्र इवेंट-रिट्रीव-एक्शन (ERA) फ्रेमवर्क का प्रस्ताव करता है, जो एक मेमोरी-ऑगमेंटेड रिट्रीवल सिस्टम है जो वातावरण को संरचित अर्थपूर्ण घटनाओं के रूप में एनकोड करके और पूर्व अनुभवों के रिट्रीव किए गए भारित एकत्रीकरण (weighted aggregation) के माध्यम से क्रियाएं उत्पन्न करके कुशल, व्याख्या योग्य और ऑनलाइन-रिफ़िनेबल एम्बोडीड निर्णय लेने में सक्षम बनाता है, जैसा कि यूएवी (UAV) नेविगेशन कार्यों में प्रदर्शित किया गया है।
यह शोध पत्र MiLSD प्रस्तुत करता है, जो एक माइक्रो लाइन-सेगमेंट डिटेक्टर है जिसे संसाधन-सीमित उपकरणों के लिए अनुकूलित किया गया है और जो एक सख्त सब-मेगाबाइट मेमोरी बजट के भीतर आउटपुट रिप्रजेंटेशन, क्वांटाइजेशन प्रभावों और पोस्ट-प्रोसेसिंग रणनीतियों का व्यवस्थित रूप से मूल्यांकन करके शंघाईटेक वायरफ्रेम डेटासेट पर सटीकता में महत्वपूर्ण सुधार प्राप्त करता है।
NativeMEM एक नवीन विजन-लैंग्वेज-एक्शन (VLA) पॉलिसी है जो एक कुशल, नेटिव मेमोरी कंप्रेशन स्कीम को एकीकृत करती है ताकि बिना किसी बाहरी मेमोरी मॉड्यूल पर निर्भर हुए या पर्याप्त लेटेंसी ओवरहेड के बिना, काफी बेहतर सफलता दर और डेटा दक्षता के साथ रीयल-टाइम, लॉन्ग-होरिज़न रोबोटिक मैनिपुलेशन को सक्षम बनाया जा सके।
यह समीक्षा 2017 से 2026 तक के 183 योगदानों को संकलित करती है ताकि यह प्रदर्शित किया जा सके कि कैसे विजन लैंग्वेज एक्शन (VLA) मॉडल, जिन्हें मूल रूप से जटिल द्विपक्षीय हेरफेर (bimanual manipulation) के लिए विकसित किया गया था, साझा समन्वय रणनीतियों, प्रशिक्षण विधियों और क्रिया निरूपणों के माध्यम से मानव रहित हवाई रोबोटिक्स की चुनौतियों को संबोधित करने के लिए प्रभावी ढंग से अनुकूलित किए जा सकते हैं।
यह शोध पत्र EvoPlan प्रस्तुत करता है, जो एक न्यूरो-सिम्बोलिक फ्रेमवर्क है जो प्रदर्शनों (demonstrations) से स्थानिक-कालिक बाधाओं (spatio-temporal constraints) को खोजने के लिए इवोल्यूशनरी सर्च को एकीकृत करता है और उन्हें एक इवोल्यूशनरी PDDL प्लानर और कन्सट्रेंड एक्जीक्यूशन लूप के साथ जोड़ता है ताकि LLM-आधारित रोबोट्स को ओपन-वर्ल्ड वातावरण में औपचारिक गारंटी के साथ सुरक्षित, निष्पादन योग्य योजनाएं उत्पन्न करने में सक्षम बनाया जा सके।
यह शोध पत्र एक निरंतर सीखने वाले ढांचे (continual learning framework) का प्रस्ताव करता है जो मॉड्यूलर सॉफ्ट रोबोट्स को विविध रूपाकृतियों (morphologies) को अनुकूल रूप से नियंत्रित करने और पूर्व ज्ञान को भूले बिना मॉड्यूल-विशिष्ट गतिकी (module-specific dynamics) सीखने में सक्षम बनाता है, जैसा कि सिमुलेशन और वास्तविक दुनिया के प्रयोगों दोनों के माध्यम से प्रमाणित किया गया है।
यह शोध पत्र FRAMe को पेश करता है, जो eVTOL विमानों के लिए एक एंड-टू-एंड LLM-आधारित उड़ान योजना प्रणाली है, जो प्राकृतिक भाषा निर्देशों को सुरक्षित और कुशल मार्गों में अनुवाद करने के लिए एक मल्टी-मोडल कोच एजेंट और RAG-आधारित मेमोरी को एकीकृत करती है जो मानव ऑपरेटर की प्राथमिकताओं के अनुरूप होते हैं, और विविध परिदृश्यों में 93.8% तक वैधता प्राप्त करती है।
यह शोध पत्र एक नवीन ढांचे को प्रस्तुत करता है जो मोशन प्रिमिटिव्स (motion primitives), मॉडल प्रेडिक्टिव कंट्रोल (Model Predictive Control) और बेयसियन ऑप्टिमाइज़ेशन (Bayesian Optimization) को संयोजित करता है ताकि एक रोबोटिक आर्म स्पिन और गति की उन क्षमताओं के साथ पेशेवर स्तर के, नियमों के अनुपालन वाले टेबल टेनिस सर्व उत्पन्न कर सके जो विशिष्ट मानव खिलाड़ियों के बराबर या उनसे अधिक हों।
GeoProp एक हल्का, प्लग-एंड-प्ले एडॉप्टर है जो ज्यामितीय प्रक्षेपण (geometric projection) और स्थानिक नमूनाकरण (spatial sampling) के माध्यम से प्रोप्रियोसेप्टिव अवस्था को विज़ुअल फीचर्स में स्पष्ट रूप से ग्राउंड करके सामान्यवादी रोबोटिक हेरफेर (robotic manipulation) को बढ़ाता है, जो न्यूनतम पैरामीटर ओवरहेड के साथ सिमुलेशन और वास्तविक दुनिया के कार्यों में नीति प्रदर्शन (policy performance) में महत्वपूर्ण सुधार करता है।