4321 पेपर
यह शोध पत्र एक "प्रायर-फर्स्ट, कंडीशन-सेकंड" फ्रेमवर्क प्रस्तावित करता है जो बड़े पैमाने के अनलेबल डेटा से एक जेनेरिक बॉडी-हैंड काइमैटिक प्रायर सीखता है और न्यूनतम लेबल पर्यवेक्षण के साथ स्केलेबल, रियल-टाइम और नियंत्रणीय हैंड मोशन कंप्लीशन प्राप्त करने के लिए लाइटवेट, सिमेंटिकली-लेयर्डेड एडेप्टर्स को लागू करता है।
यह शोध पत्र एक प्रस्तावित 'काइनेमैटिक-कंसिस्टेंसी एरर' (Kinematic-Consistency Error) मीट्रिक के माध्यम से यह प्रदर्शित करते हुए वर्ल्ड मॉडल्स में लॉन्ग-होरिज़ॅन विफलताओं का निदान करता है कि वे मुख्य रूप से काइनेमैटिक रूप से कल्पना करते हैं न कि डायनेमिक रूप से, जैसा कि इस तथ्य से प्रमाणित होता है कि पॉलिसी प्रदर्शन के ढहने के बावजूद यह मीट्रिक उच्च बना रहता है और भौतिक शासन परिवर्तनों के प्रति असंवेदनशील रहता है।
EAGOR एक प्रशिक्षण-मुक्त, ज्यामिति-जागरूक ढांचा है जो इसे एक गोलाकार मैनिफोल्ड पर स्फेरिकल हार्मोनिक बिलीफ फील्ड का उपयोग करके रिकर्सिव बायेसियन एस्टिमेशन के रूप में स्वरूपित करके एम्बॉडीड 360-डिग्री दिशात्मक तर्क को बढ़ाता है, जिससे 2D प्रोजेक्शन की सीमाओं को दूर किया जा सकता है और नेविगेशन एवं लक्ष्य दिशा अनुमान में महत्वपूर्ण प्रदर्शन लाभ प्राप्त किया जा सकता है।
यह शोध पत्र एक द्विहस्त (bimanual) चतुष्पाद रोबोट डिज़ाइन प्रस्तुत करता है जो यूनिट्री गो2 (Unitree Go2) के अग्र पिंडलियों (front calves) में भुजाओं को एकीकृत करता है, जिससे बिना पिछले पैरों पर खड़े हुए ज़मीन के स्तर पर स्थिर, दो-हाथों वाले हेरफेर को सक्षम बनाया जा सके, और साथ ही लंबी अवधि के स्वायत्त कार्य निष्पादन के लिए एक विज़न-लैंग्वेज मॉडल का उपयोग किया जाता है।
यह शोध पत्र लंबी अवधि के रोबोट कार्यों में "सिमेंटिक हैंडऑफ विफलताओं" (semantic handoff failures) की पहचान और निदान करता है, यह प्रकट करते हुए कि हालांकि व्यक्तिगत विजन-लैंग्वेज-एक्शन कौशल अलग से अच्छा प्रदर्शन करते हैं, वे अनसुलझे स्टेट मिसमैच (state mismatches), टारगेट ग्राउंडिंग संबंधी समस्याओं और कंट्रोल निष्पादन त्रुटियों के कारण श्रृंखला में जुड़ने पर अक्सर विफल हो जाते हैं जिन्हें स्वच्छ प्रशिक्षण डेटा (clean training data) प्रदर्शित करने में विफल रहता है।
यह शोध पत्र LAMP को पेश करता है, जो एक तीन-चरणीय वास्तविक-विश्व शिक्षण ढांचा है जो उच्च-आयामी हाथ की क्रियाओं को एक संक्षिप्त, इतिहास-सशर्त स्थान में मैप करने के लिए एक लेटेंट मोशन प्रायर का उपयोग करता है, जिससे कुशल और सुरक्षित ऑनलाइन सुदृढीकरण लर्निंग (reinforcement learning) सक्षम होती है जो डेक्सट्रस मैनिपुलेशन सफलता दर को 56.25% से बढ़ाकर 98.75% कर देती है।
यह शोध पत्र अनसुपरवाइज्ड डिक्शनरी लर्निंग का उपयोग करके एक पोस्ट-हॉक इंटरप्रिटेबिलिटी फ्रेमवर्क प्रस्तावित करता है ताकि एंड-टू-एंड ऑटोनॉमस ड्राइविंग मॉडल्स को अर्थपूर्ण अवधारणाओं में विघटित किया जा सके, जिससे त्रुटिपूर्ण व्यवहारों की पहचान और लक्षित हस्तक्षेप सक्षम हो सके जो समग्र ड्राइविंग प्रदर्शन में सुधार करते हैं।
ऑर्चर्डबेंच (OrchardBench) न्यूटन इंजन पर निर्मित एक नवीन, भौतिक रूप से आधारित और जीपीयू-समानांतर (GPU-parallel) सिमुलेशन बेंचमार्क है जो स्टोकेस्टिक विकास और बायोमैकेनिकल गुणों वाले यथार्थवादी, क्षति-प्रवण सेब के पेड़ों को मॉडल करके कृषि रोबोटिक्स में पुनरुत्पादक, उच्च-थ्रूपुट अनुसंधान को सक्षम बनाता है, जिससे वास्तविक दुनिया के क्षेत्रीय प्रयोगों में लागत और पुनरुत्पादकता की महत्वपूर्ण सीमाओं का समाधान होता है।
यह शोध पत्र एक एम्बॉडिमेंट-जागरूक (embodiment-aware), जीवनचक्र-आधारित ढांचे का प्रस्ताव करके मानव-रोबोट संपर्क में नैतिक जोखिमों की खंडित समझ को संबोधित करता है, जो व्यवस्थित रूप से विश्लेषण करता है कि विभिन्न संदर्भों में वैयक्तिकरण जोखिम कैसे विकसित होते हैं और जिम्मेदार रोबोट व्यवहार के लिए कार्रवाई योग्य डिजाइन अनुशंसाएं प्रदान करता है।
यह शोध पत्र एक प्रूफ-ऑफ-कांसेप्ट प्रोटोटाइप प्रस्तुत करता है जो वास्तविक दुनिया के वातावरण में स्वायत्त, जेस्चर-नियंत्रित हेलिंग (hailing) और लोगों के पीछे चलने (people-following) की क्षमताओं को सक्षम करने के लिए RGB-D और LiDAR सेंसरों के साथ एक व्यावसायिक रूप से उपलब्ध सेल्फ-बैलेंसिंग व्हीलचेयर को उन्नत करता है।