4321 पेपर
FalconTrack एक एकीकृत ढांचा है जो एक मल्टी-हेड परसेप्शन और फिजिक्स-अवेयर ट्रैकिंग सिस्टम को प्रशिक्षित करने के लिए फोटोरियलिस्टिक लेबल वाले डेटा के तीव्र, स्वचालित उत्पादन हेतु गाऊसी स्प्लेटिंग सिम्युलेटर का उपयोग करता है, जिससे वास्तविक हार्डवेयर पर जीपीएस-रहित (GPS-denied) हवाई ट्रैकिंग में मजबूत ज़ीरो-शॉट सिम-टू-रियल ट्रांसफर और उच्च सफलता दर प्राप्त होती है।
यह शोध पत्र एक सुपाठ्य साझा स्वायत्तता ढांचे (legible shared autonomy framework) को प्रस्तुत करता है जो रोबोट के अनुमानित लक्ष्यों और आत्मविश्वास के स्तरों को स्पष्ट रूप से संप्रेषित करने के लिए सहायक गति को नियंत्रित करके मोटर-बाधित उपयोगकर्ताओं के लिए मानव-रोबोट सहयोग को बढ़ाता है, जिससे पारंपरिक प्रणालियों की तुलना में उपयोगकर्ता की समझ में सुधार होता है और अनावश्यक नियंत्रण प्रयास कम होता है।
यह शोध पत्र T²VLA को प्रस्तुत करता है, जो एक टेस्ट-टाइम सुदृढीकरण लर्निंग (reinforcement learning) फ्रेमवर्क है जो विज़न-लैंग्वेज-एक्शन मॉडल्स को आंतरिक आत्मविश्वास संकेतों और एक ड्यूल-एक्सपर्ट बूटस्ट्रैपिंग तंत्र का लाभ उठाकर स्व-बूटस्ट्रैपिंग पॉलिसी सुधार प्राप्त करने में सक्षम बनाता है, जिससे बाहरी पर्यावरणीय पुरस्कारों की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र क्रिटिकल इंटरवल MSE (CI-MSE) प्रस्तुत करता है, जो एक सुदृढ़ ऑफलाइन वैलिडेशन मेट्रिक है जो त्रुटि गणना को कार्य-महत्वपूर्ण खंडों तक सीमित करता है और वास्तविक दुनिया के रोबोटिक मैनिपुलेशन प्रदर्शन के साथ काफी मजबूत सहसंबंध प्राप्त करने के लिए एक्शन-अलाइनमेंट प्रक्रियाओं को शामिल करता है, जो मानक रॉ MSE की तुलना में बेहतर है।
यह शोध पत्र SWAM का प्रस्ताव करता है, जो एक कार्य-केंद्रित विश्व क्रिया मॉडल (task-centric world action model) है जो एकल-पास अनुमान (single-pass inference) के माध्यम से मोनोकुलर RGB इनपुट से लक्ष्य-संगत RGB-D अनुक्रमों और क्रिया प्रक्षेपवक्रों (action trajectories) को एक साथ उत्पन्न करता है, जो नेविगेशन दक्षता, सटीकता और सामान्यीकरण में मौजूदा सत्यापन-केंद्रित योजनाकारों (verification-centric planners) से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र 3D क्वाड्रोटर इंस्टेंस-विशिष्ट इमेज-गोल नेविगेशन के लिए एक पदानुक्रमित नेविगेशन ढांचे का प्रस्ताव करता है जो निरंतर 3D वातावरण में सीमित दृश्य क्षेत्र और सुरक्षा बाधाओं जैसी चुनौतियों को प्रभावी ढंग से दूर करने के लिए क्रॉस-ग्राफ मेमोरी, व्यूपॉइंट-अवेयर एक्शन नोड जनरेशन और ट्रैजेक्टरी प्लानिंग को जोड़ता है।
RoamFlow एक जनरेटिव नेविगेशन फ्रेमवर्क है जो कुशल कुछ-चरणों वाले प्रक्षेपवक्र संश्लेषण (trajectory synthesis) के लिए MeanFlow का उपयोग करता है और सिम्युलेटेड एवं वास्तविक दुनिया के वातावरण में उच्च-प्रदर्शन वाली इमेज-गोल नेविगेशन प्राप्त करने के लिए विशेषज्ञ अनुकरण (expert imitation) के साथ सुदृढीकरण शिक्षण (reinforcement learning) को संयोजित करने वाली एक दो-चरणीय प्रशिक्षण रणनीति का उपयोग करता है।
REPAIR-Bench एक नया बेंचमार्क है जो 214 मानव-रोबोट इंटरेक्शन परीक्षणों से प्राप्त किया गया है, जो सिंक्रोनाइज़्ड मल्टीमॉडल डेटा और तीन नवीन मूल्यांकन कार्यों के माध्यम से पूर्व विफलता मॉडलिंग की सीमाओं को संबोधित करता है ताकि इंटर-डिपेंडेंट विफलताओं का पता लगाने, विफलता के प्रकारों के दृश्य वर्गीकरण और रिकवरी रणनीतियों के उपयोगकर्ता-केंद्रित पूर्वानुमान को आगे बढ़ाया जा सके।
यह शोध पत्र एक एकीकृत मोडैलिटी-अवेयर विज़ुओ-टैक्टाइल पॉलिसी प्रस्तावित करता है जो सूक्ष्म संपर्क अस्पष्टता को हल करने के लिए क्षणिक (transient) और संचयी (cumulative) स्पर्श गति के बीच सहसंबंध का लाभ उठाता है और संपर्क-समृद्ध हेरफेर (contact-rich manipulation) के लिए विज़ुअल और टैक्टाइल मोडैलिटीज़ को प्रभावी ढंग से फ्यूज करने के लिए 'मिक्सचर-ऑफ-ट्रांसफॉर्मर्स' आर्किटेक्चर का उपयोग करता है।
यह शोधपत्र हेट्रोजेनियस टैक्टाइल ट्रांसफॉर्मर (HTT) का परिचय देता है, जो एक नवीन 1.6M-फ्रेम युग्मित डेटासेट का लाभ उठाते हुए विविध सेंसर प्रकारों के बीच साझा स्पर्श संबंधी (tactile) निरूपणों को सीखने के लिए एक ढांचा प्रदान करता है, जिससे स्केलेबल और हस्तांतरणीय संपर्क-समृद्ध हेरफेर नीतियों को सक्षम बनाया जा सके।