4321 पेपर
ASPIRE एक निरंतर सीखने वाली प्रणाली है जो निष्पादन, विफलता निदान और विकासवादी खोज के एक पुनरावृत्ति लूप के माध्यम से स्वायत्त रूप से रोबोट नियंत्रण प्रोग्राम लिखती और परिष्कृत करती है, जिसके परिणामस्वरूप एक पुन: प्रयोज्य कौशल लाइब्रेरी प्राप्त होती है जो बाधित, द्विपक्षीय और दीर्घ-क्षितिज वाले कार्यों में पिछले तरीकों से काफी बेहतर प्रदर्शन करती है और शून्य-शॉट सामान्यीकरण एवं सिम-टू-रियल स्थानांतरण को सक्षम बनाती है।
यह शोध पत्र Splash को प्रस्तुत करता है, जो एक मास्क-आइसोलेटेड टैक्टाइल अलाइनमेंट फ्रेमवर्क है जो कैटास्ट्रोफिक फॉरगेटिंगिंग (catastrophic forgetting) या अतिरिक्त इन्फरेंस ओवरहेड के बिना स्टेट-ऑफ-द-आर्ट विज़ुओ-टैक्टाइल रीजनिंग सक्षम करने के लिए MLLM मापदंडों को क्रिटिकल और डॉर्मेंट सबस्पेस में विभाजित करता है।
यह शोध पत्र एक ऐसे ढांचे को प्रस्तुत करता है जो सिग्नल टेम्पोरल लॉजिक (STL) का उपयोग करके पैरामीटराइज्ड गेट बाधाओं (gait constraints) को परिभाषित करता है और सुदृढीकरण सीखने (reinforcement learning) के लिए सघन रिवॉर्ड फंक्शन (dense reward functions) व्युत्पन्न करता है, जिससे चतुष्पाद रोबोटों को पारंपरिक हस्तनिर्मित रिवॉर्ड बेसलाइन की तुलना में विभिन्न गेट्स में अधिक स्थिर प्रशिक्षण और सटीक वेग ट्रैकिंग प्राप्त करने में सक्षम बनाया जा सके।
यह शोध पत्र एक नवीन मॉड्यूलर सबसरफेस रोबोट के लिए डायनेमिक मॉडलिंग, गेट सिंथेसिस और फीडबैक कंट्रोल डिज़ाइन प्रस्तुत करता है जो केंचुआ-समान एंकरिंग को टनल-बोरिंग उत्खनन के साथ जोड़ता है, जो सिमुलेशन और वास्तविक-रोबोट सत्यापन के माध्यम से तीन गेट चक्रों के माध्यम से 30 मिमी की मृदा प्रगति का सफल प्रदर्शन करता है।
यह शोधपत्र डोमेन एरीथमेटिक (DART) प्रस्तुत करता है, जो एक सादृश्य-आधारित (analogy-based) विधि है जो सबस्पेस-अलाइन्ड डोमेन-विशिष्ट जानकारी के साथ वेट वेक्टर अंकगणित (weight vector arithmetic) करके विजन-लैंग्वेज-एक्शन मॉडलों को पर्यावरणीय बदलावों के प्रति कुशल वन-शॉट अनुकूलन सक्षम बनाती है, जिससे बहु-प्रदर्शन प्रशिक्षण (multi-demonstration training) की लागतपूर्ण आवश्यकता समाप्त हो जाती है।
यह ट्यूटोरियल वर्ल्ड मॉडल्स को एक्शन-कंडीशन्ड प्रेडिक्टिव मॉडल्स के रूप में परिभाषित करके, मौजूदा दृष्टिकोणों को ऑब्जर्वेशन और स्टेट स्पेस में वर्गीकृत करके, और "वर्ल्ड एक्शन मॉडल्स" को पेश करके जो चार प्रमुख प्रतिमानों (पैराडाइम्स) के माध्यम से भविष्य के अनुमानों और निष्पादनीय रोबोटिक क्रियाओं के बीच सेतु बनाते हैं, रोबोटिक्स में वर्ल्ड मॉडल्स के वैचारिक दायरे को स्पष्ट करता है।
यह शोध पत्र एक संभाव्य ढांचे और हाइब्रिड सत्यापन पद्धति को प्रस्तुत करता है जो V2X-सक्षम सामूहिक धारणा (Collective Perception) के लिए है, जो मल्टी-एजेंट सेंसर डेटा को एक साझा ऑक्यूपेंसी ग्रिड में एकीकृत करता है, जिससे लाइन-ऑफ-साइट से परे स्थितिजन्य जागरूकता का महत्वपूर्ण विस्तार होता है और संयुक्त सिमुलेशन एवं व्हीकल-इन-द-लूप परीक्षण के माध्यम से फील्ड-ऑफ-व्यू कवरेज में 260% की वृद्धि प्रदर्शित होती है।
यह शोध पत्र एक इमेज-डोमेन टिल्ट कंस्ट्रेंड डिस्ट्रीब्यूटेड फ्यूजन पद्धति प्रस्तावित करता है जो मैन्युवरिंग यूएवी (UAV) के लिए शॉर्ट-होरिजन प्रेडिक्शन सटीकता में महत्वपूर्ण सुधार करने हेतु मल्टी-कैमरा ऑब्जर्वेशन से प्राप्त अपीरेंट रोल और पिच का त्वरण-संबंधित सूडो-ऑब्जर्वेशन के रूप में लाभ उठाता है।
यह शोध पत्र RoboWorld को प्रस्तुत करता है, जो एक स्वचालित मूल्यांकन पाइपलाइन है जो एक तेज़ ऑटोरेग्रेसिव वीडियो वर्ल्ड मॉडल को एक नवीन "स्टेप फोर्सिंग" तकनीक और विजन-लैंग्वेज स्कोरिंग के साथ जोड़ता है ताकि जनरलिटिस्ट रोबोट नीतियों का अत्यधिक विश्वसनीय, उच्च-थ्रूपुट मूल्यांकन प्राप्त किया जा सके, जो वास्तविक दुनिया के प्रदर्शन के साथ लगभग पूर्ण सहसंबंध प्रदर्शित करता है।
यह शोध पत्र H-Tac, एक बड़े पैमाने के मानव-केंद्रित स्पर्श (tactile) डेटासेट को प्रस्तुत करता है और ट्रांसफरएबल टैक्टाइल प्री-ट्रेनिंग (TTP) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो एकीकृत स्पर्श-क्रिया (tactile-action) स्थानों को संरक्षित करके और संपर्क गतिकी (contact dynamics) को स्पष्ट रूप से मॉडल करके, मानव स्पर्श डेटा का लाभ उठाकर सुदृढ़, सूक्ष्म दक्ष रोबोटिक हेरफेर को सक्षम बनाता है।