4348 पेपर
OSC2Runner एक नवीन ऑर्केस्ट्रेशन फ्रेमवर्क है जो एब्स्ट्रैक्ट सिंटैक्स ट्रीज़ को डायनेमिक बिहेवियर ट्रीज़ में संकलित करके CARLA के भीतर OpenSCENARIO 2.x DSL के नेटिव, डिटर्मिनिस्टिक निष्पादन को सक्षम बनाता है, जिससे लेगेसी XML-आधारित इंटरप्रेटर्स में निहित स्पैटियोटेम्पोरल ड्रिफ्ट और लेटेंसी समाप्त हो जाती है।
यह शोध पत्र ReStruct को प्रस्तुत करता है, जो एक विधि है जो सिंक्रोनस प्रोडक्ट इंटीग्रेशन के माध्यम से एक न्यूरल ऑटोमेटन की कार्य संरचना को पुनर्गठित करके, अनुमान के समय (inference time) सीखी गई रोबोट नीतियों को अप्रत्याशित उपयोगकर्ता प्राथमिकताओं को संतुष्ट करने के लिए निर्देशित करती है, जिससे बिना पुनरप्रशिक्षण के भौतिक रूप से जागरूक नियंत्रण सक्षम होता है और कार्य सफलता तथा प्राथमिकता अनुपालन दोनों में मौजूदा दृष्टिकोणों से बेहतर प्रदर्शन करता है।
यह शोध पत्र BRIDGE का प्रस्ताव करता है, जो एक स्टेट-गेटेड मिक्सचर ऑफ डिफ्यूजन एक्सपर्ट्स (state-gated mixture of diffusion experts) है जो रोबोट की वर्तमान स्थिति के आधार पर एक्शन प्रकारों के बीच गतिशील रूप से रूटिंग करके, स्केलेबल हैंडहेल्ड डेटा को लक्षित टेलीऑपरेटेड प्रदर्शनों के साथ प्रभावी ढंग से जोड़ता है ताकि कॉन्टैक्ट-रिच मैनिपुलेशन कार्यों में सफलता दर में उल्लेखनीय सुधार किया जा सके।
यह शोध पत्र LAMP को प्रस्तुत करता है, जो एक टोपोलॉजी-जागरूक मोशन फोरकास्टिंग फ्रेमवर्क है जो व्यवहार संबंधी विविधता और भविष्यवाणी सटीकता बनाए रखते हुए लेन टोपोलॉजी का कड़ाई से पालन करने वाले मल्टीमॉडल प्रक्षेपवक्र (ट्रैजेक्टरीज) उत्पन्न करने के लिए VQ-VAE-सीखे गए मोशन प्रिमिटिव्स और एक फिजिबिलिटी-जागरूक सेलेक्टर का उपयोग करता है।
PressMimic एक ऐसा फ्रेमवर्क है जो मोशन कैप्चर (FRAPPE++ मॉडल के माध्यम से) और नियंत्रण (प्रेशर-सुपरवाइज्ड पॉलिसी के माध्यम से) दोनों को बढ़ाने के लिए दबाव डेटा (pressure data) को एक एकीकृत मोडैलिटी के रूप में उपयोग करता है, जिससे दृश्य अस्पष्टताओं (visual ambiguities) को दूर किया जा सके और भौतिक रूप से सुसंगत, स्थिर ह्यूमनॉइड मोशन इमिटेशन सुनिश्चित किया जा सके।
Humanoid-DART एक स्व-पर्यवेक्षित (self-supervised) फ्रेमवर्क है जो डिफ्यूजन-आधारित प्रक्षेपवक्र (trajectory) पीढ़ी को सुदृढीकरण शिक्षण (reinforcement learning) के साथ जोड़ता है ताकि ह्यूमनॉइड रोबोटों को न्यूनतम विशेषज्ञ पर्यवेक्षण के साथ लक्ष्य स्थान का स्वचालित रूप से अन्वेषण करके विरल प्रदर्शनों (sparse demonstrations) से विविध लोको-मैनिपुलेशन कौशल सीखने में सक्षम बनाया जा सके।
यह शोध पत्र इन-कॉन्टेक्स्ट मॉडल प्रिडिक्टिव जनरेशन (ICMPG) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो लार्ज लैंग्वेज मॉडल प्लानिंग को क्लोज्ड-लूप, मॉडल प्रिडिक्टिव कंट्रोल-जैसे प्रोसेस में इन्फरेंस-टाइम फिजिकल फीडबैक के साथ एकीकृत करके टेक्स्ट-ड्रिवन मोशन सिंथेसिस में सिमेंटिक फिडेलिटी और फिजिकल रियलिज्म के बीच के अंतर को पाटता है।
RelAfford6D एक नवीन, प्रशिक्षण-मुक्त ढांचा है जो संबंधात्मक 6D एफ़ॉर्डेंस ग्राफ़ (relational 6D affordance graphs) का निर्माण करके अमूर्त अर्थ विज्ञान और सटीक भौतिक नियंत्रण के बीच के अंतर को पाटता है ताकि मुक्त-रूप निर्देशों को गतिज बाधा संतुष्टि समस्याओं (kinematic constraint satisfaction problems) में अनुवादित किया जा सके, जिससे विश्लेषणात्मक रूप से तैयार किए गए प्रक्षेपवक्र ट्रैकिंग (trajectory tracking) के माध्यम से आर्टिकुलेटेड वस्तुओं के सुदृढ़ ज़ीरो-शॉट रोबोटिक हेरफेर को सक्षम बनाया जा सके।
यह शोधपत्र ForesightSafety-VLA प्रस्तुत करता है, जो एक एकीकृत नैदानिक बेंचमार्क है जो एक व्यापक 13-श्रेणी सुरक्षा वर्गीकरण और नियंत्रित भिन्नता आयामों के माध्यम से विजन-लैंग्वेज-एक्शन मॉडलों का मूल्यांकन करता है ताकि यह प्रकट किया जा सके कि एम्बॉडीड (embodied) सुरक्षा विफलताएं केवल पोस्ट-हॉक फ़िल्टरिंग द्वारा हल होने के बजाय धारणा और नियंत्रण सक्षमता से घनिष्ठ रूप से जुड़ी हुई हैं।
यह शोधपत्र FlameVQA प्रस्तुत करता है, जो UAV-आधारित जंगल की आग की निगरानी के लिए एक नवीन बहुविकल्पीय विजुअल क्वेश्चन अनस्वर्सिंग बेंचमार्क है, जो तापमान-आधारित तर्क को सक्षम करने के लिए युग्मित RGB और रेडियोमेट्रिक थर्मल इमेजरी का लाभ उठाता है, जबकि क्रॉस-मोडल कार्यों में उनकी शक्तियों और धुएं से बाधित पहचान एवं कवरेज अनुमान में उनकी सीमाओं को उजागर करने के लिए वर्तमान मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करता है।