4321 पेपर
यह शोध पत्र एक संभावित क्षेत्र अवस्था प्रतिनिधित्व (potential field state representation) को सुदृढीकरण लर्निंग (reinforcement learning) के साथ जोड़कर पेश करता है ताकि रोबोटों को अव्यवस्थित वातावरण में यादृच्छिक बाधाओं से बचते हुए वस्तुओं को लक्ष्य टोकरियों में विश्वसनीय रूप से फेंकने में सक्षम बनाया जा सके, जिससे वास्तविक दुनिया के प्रयोगों में 90% तक सफलता प्राप्त हुई है।
यह शोध पत्र LingBot-VLA 2.0 को प्रस्तुत करता है, जो एक VLA फाउंडेशन मॉडल है जो व्यापक मल्टी-एम्बॉडमेंट प्रीट्रेनिंग के माध्यम से सामान्यीकरण (जनरलाइजेशन) को बढ़ाकर, होल-बॉडी मैनिपुलेशन को सपोर्ट करने के लिए एक्शन स्पेस का विस्तार करके, और प्रेडिक्टिव डायनेमिक्स मॉडलिंग के माध्यम से टेम्पोरल रीजनिंग में सुधार करके प्रयोगशाला अनुसंधान और वास्तविक दुनिया के अनुप्रयोगों के बीच के अंतर को पाटता है।
यह शोध पत्र BaTCAVe को प्रस्तुत करता है, जो रोबोटों के लिए एक पोस्ट-हॉक व्याख्यात्मक एआई (explainable AI) तकनीक है जो न्यूरल नेटवर्क सक्रियणों (activations) को उच्च-स्तरीय दृश्य अवधारणाओं (visual concepts) से मिलान करके अनिश्चितता स्कोर के साथ विश्वसनीय, मानव-व्याख्या योग्य स्पष्टीकरण उत्पन्न करता है, जिससे वास्तविक दुनिया के रोबोटिक अनुप्रयोगों में ब्लैक-बॉक्स निर्णय लेने की प्रक्रिया में अंतर्दृष्टि की कमी को दूर किया जा सके।
यह शोध पत्र का परिचय देता है, जो बहुमुखी एम्बोडीड एजेंटों (embodied agents) के लिए एक एकीकृत ढांचा है जो वास्तविक समय की पर्यावरणीय जागरूकता, फीडबैक-मुक्त टूल निष्पादन और निर्भरता-जागरूक गतिशील शेड्यूलिंग को एकीकृत करके डायनेमिक परसेप्शन, टूल उपयोग और मल्टी-टास्क प्लानिंग की सीमाओं को दूर करता है ताकि बेंचमार्क और वास्तविक दुनिया की तैनाती के बीच के अंतर को पाटा जा सके।
यह शोध पत्र SilvaScenes को प्रस्तुत करता है, जो प्राकृतिक वनों में 28 वृक्ष प्रजातियों वाली 1,421 अंडर-कैनोपी छवियों का एक व्यापक बेंचमार्क डेटासेट है, ताकि यह प्रदर्शित करके वानिकी स्वचालन (फॉरेस्ट्री ऑटोमेशन) में वर्तमान अंतराल को संबोधित किया जा सके कि जहाँ ट्रंक सेगमेंटेशन (तने का विभाजन) व्यवहार्य है, वहीं अवरोध (ऑक्लूजन) और प्रजातियों के असंतुलन के कारण सूक्ष्म-स्तरीय प्रजाति वर्गीकरण एक महत्वपूर्ण चुनौती बनी हुई है।
यह शोध पत्र DDACE प्रस्तुत करता है, जो एक संरचित फ्यू-शॉट लर्निंग फ्रेमवर्क है जो स्पेक्ट्रल क्लस्टरिंग, टेम्पोरल ग्राफ नेटवर्क्स और गॉसियन प्रोसेसेज का उपयोग करके टेम्पोरल समन्वय को स्थानिक प्रक्षेपवक्र पीढ़ी (स्पेशियल ट्राजेक्टरी जनरेशन) से अलग करता है, ताकि सीमित प्रदर्शनों (डेमोंस्ट्रेशन) से स्थिर और डेटा-कुशल मल्टी-रोबोट कार्य निष्पादन को सक्षम बनाया जा सके।
यह शोध पत्र एक मॉडल-मुक्त, न्यूरल नेटवर्क-आधारित अंशांकन (कैलिब्रेशन) विधि प्रस्तुत करता है जो सेंसर लेवलिंग या रोटेशन की आवश्यकता के बिना कम लागत वाले स्थिर एक्सेलेरोमीटर में बायस का सटीक अनुमान लगाता है, और पारंपरिक तकनीकों की तुलना में 52% से अधिक कम त्रुटि दर प्राप्त करता है।
यह शोध पत्र यह प्रदर्शित करता है कि स्वायत्त ड्रोन झुंडों के लिए एक जैव-प्रेरित (bio-inspired) 3D फ्लॉकिंग एल्गोरिदम, जो न्यूनतम स्थानीय संपर्क नियमों पर निर्भर करता है, स्वार्मिंग (swarming) और स्कूलिंग (schooling) के बीच तीव्र चरण संक्रमण (phase transitions) प्रदर्शित करता है, जो कि जब एक महत्वपूर्ण बिंदु (critical point) के पास ट्यून किया जाता है, तो घुसपैठियों जैसे बाहरी खतरों के प्रति झुंड की प्रतिक्रियाशीलता और लचीलेपन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोधपत्र Motive को प्रस्तुत करता है, जो एक स्केलेबल, मोशन-केंद्रित डेटा एट्रिब्यूशन फ्रेमवर्क है जो उच्च-प्रभाव वाले प्रशिक्षण क्लिप्स की पहचान करने के लिए टेम्पोरल डायनेमिक्स को अलग करता है, जिससे वीडियो जनरेशन मॉडल्स में मोशन स्मूथनेस और फिजिकल प्लाउज़िबिलिटी में महत्वपूर्ण सुधार करने वाला डेटा क्यूरेशन सक्षम होता है।
यह शोध पत्र कुशल हेरफेर (dexterous manipulation) के लिए एक स्केलेबल टू-फेज रोबोट लर्निंग फ्रेमवर्क प्रस्तुत करता है जो व्यवहार क्लोनिंग प्रीट्रेनिंग के लिए AR-आधारित रिमोट ह्यूमन डिमॉन्स्ट्रेशन और मौजूदा बेसलाइन्स की तुलना में तेज़ प्रशिक्षण, उच्च सफलता दर और बेहतर मजबूती प्राप्त करने के लिए कंट्रास्टिव लर्निंग-एन्हांस्ड रीइन्फोर्समेंट लर्निंग का लाभ उठाता है।