4321 पेपर
यह शोध पत्र सामाजिक रूप से अनुपालन करने वाले रोबोट नेविगेशन के लिए एक इमिटेशन लर्निंग फ्रेमवर्क प्रस्तावित करता है जो भीड़ की अंतःक्रियाओं को एनकोड करने के लिए एक ग्राफ-आधारित ऑक्सिलरी नेटवर्क और टेम्पोरल डायनेमिक्स को कैप्चर करने के लिए एक ट्रजेक्टरी-लेवल लर्निंग मॉड्यूल का उपयोग करता है, जिससे यह सिमुलेशन और वास्तविक दुनिया दोनों परिदृश्यों में मौजूदा डेटा-ड्रिवन बेसलाइन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक ओपन-सोर्स सिमुलेशन फ्रेमवर्क प्रस्तुत करता है जो लैप्रोस्कोपिक रोबोटों में सुरक्षित विजुअल सर्विंग के लिए उनके इंटरैक्शन, संवेदनशीलता और मजबूती का व्यवस्थित रूप से मूल्यांकन करने हेतु तीन RCM मॉडलिंग दृष्टिकोणों और छह IBVS नियंत्रण आर्किटेक्चर को एकीकृत करता है।
यह शोध पत्र एक ऐसे ढांचे का प्रस्ताव करता है जो यादृच्छिक डेटा से बहु-मोडल इंटरेक्शन प्रभावों की भविष्यवाणी करके विविक्त (डिस्क्रीट) वस्तु और क्रिया प्रतीकों को संयुक्त रूप से खोजता है, जिससे दृश्य समानता के बजाय व्यवहार संबंधी समानता के आधार पर देखे गए और नवीन दोनों प्रकार के वस्तुओं के लिए मजबूत फ्यू-शॉट सामान्यीकरण और सटीक हेरफेर योजना सक्षम होती है।
यह शोध पत्र CHORD को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो लंबी अवधि के डेक्सट्रस मैनिपुलेशन (dexterous manipulation) के लिए स्केलेबल सुदृढीकरण लर्निंग (reinforcement learning) को सक्षम करने हेतु मानव प्रदर्शनों से प्राप्त ऑब्जेक्ट-सेंट्रिक कॉन्टैक्ट रेंच गाइडेंस (object-centric contact wrench guidance) का लाभ उठाता है, जो एक बड़े पैमाने के सिमुलेशन बेंचमार्क में उच्च सफलता दर प्राप्त करता है और मजबूत सामान्यीकरण (generalization) तथा वास्तविक दुनिया में स्थानांतरण (real-world transfer) प्रदर्शित करता है।
यह शोध पत्र एन-रूट एयर ट्रैफिक कंट्रोल के लिए एक गणनात्मक रूप से कुशल और व्याख्या योग्य समाधान-स्थान पथ-नियोजन एल्गोरिदम प्रस्तुत करता है जो परिचालन बाधाओं और बदलते अनुकूलन लक्ष्यों को समायोजित करते हुए मिलीसेकंड में संघर्ष-मुक्त पथ उत्पन्न करने के लिए कई संघर्ष पहचान विधियों को मानव-केंद्रित डिजाइन सिद्धांतों के साथ एकीकृत करता है।
यह शोध पत्र Zeta* और Zeta*-SIPP को प्रस्तुत करता है, जो स्थिर और गतिशील वातावरण में इष्टतम एनी-एंगल पाथ प्लानिंग के लिए नवीन एल्गोरिदम हैं, जो समाधान की इष्टतमता को बनाए रखते हुए महत्वपूर्ण गति सुधार प्राप्त करने के लिए एलिप्टिकल फॉरवर्ड एक्सपेंशन और फील्ड-ऑफ-व्यू तकनीकों का लाभ उठाते हैं।
यह शोध पत्र स्वायत्त एंडोवास्कुलर हस्तक्षेप (autonomous endovascular intervention) के लिए एक डिकपल्ड लर्निंग फ्रेमवर्क पेश करता है जो उच्च-स्तरीय निर्णय लेने की प्रक्रिया को निम्न-स्तरीय बाधा-संतोषजनक निष्पादन से स्पष्ट रूप से अलग करके उच्च नेविगेशन सफलता, बेहतर दक्षता और मानकीकृत सुरक्षा प्राप्त करने के लिए एक रणनीतिक सुदृढीकरण शिक्षण नीति (reinforcement learning policy) को एक विशेषज्ञ-सूचित निष्पादन मॉड्यूल के साथ जोड़ता है।
यह शोध पत्र AD-MPCC को प्रस्तुत करता है, जो एक स्वायत्त रेसिंग फ्रेमवर्क है जो विभेदी मॉडल प्रेडिक्टिव कंटूरिंग कंट्रोल (differentiable Model Predictive Contouring Control) को ऑनलाइन पैरामीटर अनुमान और नियंत्रण उद्देश्यों को गतिशील रूप से समायोजित करने के लिए एक सुपरवाइज्ड लर्निंग मॉडल के साथ जोड़ता है, जिससे विभिन्न सड़क-सतह की स्थितियों में सुरक्षा सुनिश्चित होती है और तेज़ लैप समय प्राप्त होता है।
यह शोध पत्र ड्यूल-इन्फॉर्म्ड वर्टिकल एक्सपेंशन (DIVE) को प्रस्तुत करता है, जो कॉन्फ्लिक्ट-बेस्ड सर्च के लिए एक नवीन नोड-सिलेक्शन पॉलिसी है जो मेमोरी उपयोग को कम करने, खोज बाधाओं को न्यूनतम करने और अनुकूलतमता (optimality) से समझौता किए बिना प्रारंभिक व्यवहार्य समाधान प्रदान करने के लिए बेस्ट-बाउंड और डेप्थ-ओरिएंटेड रणनीतियों को गतिशील रूप से संतुलित करता है।
यह शोध पत्र एक चरण-विभाजित सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो कार्यों को अनुकूलित चरणों में विभाजित करके, केंद्रीकृत प्रशिक्षण और सुरक्षा-जागरूक सिंक्रोनाइज़ेशन के साथ, मॉड्यूलर, पुनर्गठनीय रोबोटिक प्रणालियों को वितरित बहु-रोबोट चंद्र कार्गो परिवहन को विश्वसनीय रूप से निष्पादित करने में सक्षम बनाता है, जिसे जेएकेएसए (JAXA) परीक्षण सुविधा में सिमुलेशन और वास्तविक दुनिया के प्रयोगों दोनों के माध्यम से सत्यापित किया गया है।