4348 पेपर
यह शोध पत्र Uni-Mo को प्रस्तुत करता है, जो एक पूर्णतः स्वचालित पाइपलाइन है जो एक LLM और वीडियो डिफ्यूजन मॉडल का लाभ उठाकर विविध चतुष्पाद (क्वाड्रुपेड) गतियों का एक बड़े पैमाने पर, भाषा-एनोटेटेड डेटासेट तैयार करता है, जिससे उन नीतियों को प्रशिक्षित करने में सक्षम होता है जो पशु डेटा पर निर्भर हुए बिना वास्तविक रोबोटों पर सफलतापूर्वक अभिव्यंजक, साथी-समान व्यवहार तैनात करती हैं।
यह शोध पत्र Certified CacheMPC प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो कठोर व्यवहार्यता और उप-इष्टतमता प्रमाणों (suboptimality certificates) के साथ MPC समाधानों को कैश और पुन: उपयोग करके क्वाड्रुपेड लोकोमोशन कंट्रोल को त्वरित करता है, जिससे क्लोज्ड-लूप स्थिरता से समझौता किए बिना सिमुलेशन और हार्डवेयर दोनों पर महत्वपूर्ण गति प्राप्त होती है।
यह शोध पत्र मानव-रोबोट सहयोगात्मक विनिर्माण के लिए एक नवीन वास्तविक समय सुरक्षा निगरानी प्रणाली प्रस्तुत करता है जो एक कलाई-माउंटेड IMU का उपयोग करता है जिसे कलाई-अनुकूलित स्प्रिंग-डैम्पर-मास और इम्पीडेंस-आधारित संभाव्यता मूल्यांकन पर आधारित एक भविष्य कहनेवाला सुरक्षा मॉडल के साथ एकीकृत किया गया है, जो विविध विनिर्माण कार्यों में सुदृढ़ प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र एक पूर्णतः स्वायत्त रोबोटिक प्रणाली प्रस्तुत करता है जो शारीरिक रेटिनल गति (physiological retinal motion) की भविष्यवाणी और क्षतिपूर्ति करने के लिए इंट्राऑपरेटिव OCT इमेजिंग को LSTM-आधारित डीप लर्निंग के साथ एकीकृत करती है, जिससे 16.4 μm से कम के माध्य ट्रैकिंग त्रुटि के साथ सटीक और सुरक्षित सबरेटिनल इंजेक्शन प्राप्त होता है।
यह शोध पत्र CycleRL प्रस्तुत करता है, जो एक सिम-टू-रियल डीप रिइन्फोर्समेंट लर्निंग फ्रेमवर्क है, जो NVIDIA Isaac Sim के भीतर प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन और डोमेन रैंडमाइजेशन का उपयोग करता है ताकि एक मजबूत, उच्च-प्रदर्शन वाला स्वायत्त साइकिल नियंत्रण प्राप्त किया जा सके जो सिमुलेशन से वास्तविक दुनिया के हार्डवेयर में सफलतापूर्वक स्थानांतरित होता है।
यह शोधपत्र OmniRobotHome को प्रस्तुत करता है, जो एक मल्टी-कैमरा होम प्लेटफॉर्म है जो यह प्रदर्शित करता है कि धारणा की गुणवत्ता—विशेष रूप से रीयल-टाइम प्रोसेसिंग, सूक्ष्मता और पूर्वानुमान जैसे कारक—मानव-रोबोट प्रणालियों में सुरक्षा, सहायता और सामाजिक अंतःक्रियाओं की प्रभावशीलता को सीधे तौर पर निर्धारित करती है।
यह शोध पत्र प्रदर्शित करता है कि रक्त केशिकाओं के एक उच्च-सटीकता वाले सिमुलेशन में प्रशिक्षित डीप रिइन्फोर्समेंट लर्निंग एजेंट, जिसमें यथार्थवादी हाइड्रोडायनामिक्स और लाल रक्त कोशिका गतिशीलता शामिल है, बिना पुनर्र्वश प्रशिक्षण (रिट्रेनिंग) के जटिल संवहनी नेटवर्क में स्वायत्त रूप से नेविगेट कर सकते हैं और प्रभावी ढंग से लक्षित प्रवाह हस्तक्षेप (फ्लो इंटरवेंशन) कर सकते हैं।
यह शोध पत्र रिइन्फोर्स्ड माइक्रो-टास्क लर्निंग (RMTL) का प्रस्ताव करता है, जो एक पदानुक्रमित सुदृढीकरण शिक्षण (hierarchical reinforcement learning) ढांचा है जो लंबे समय तक चलने वाले रोबोटिक मैनिपुलेशन कार्यों को भाषा-वर्णित माइक्रो-टास्कों में विभाजित करता है, जिसमें सिंगल-प्रॉम्ट VLM रिवार्ड्स की विरलता और सपाटता को दूर करने के लिए मल्टी-व्यू VLM रिवार्ड्स और एक रिवर्स करिकुलम का उपयोग किया गया है, जिससे तेज़ और अधिक स्केलेबल लर्निंग संभव हो पाती है।
यह शोध पत्र RoboTales को प्रस्तुत करता है, जो एक कम लागत वाली, मॉड्यूलर रोबोटिक कहानी सुनाने वाली प्रणाली है जो बच्चों की सहभागिता और कथा बोध को बढ़ाने के लिए अभिव्यंजक मोज़े वाले कठपुतली (sock puppetry) का उपयोग करती है, जैसा कि एक पायलट अध्ययन द्वारा प्रदर्शित किया गया है जो केवल जेस्चर-आधारित मोड की तुलना में बेहतर प्रदर्शन दिखाता है।
यह शोध पत्र Fast-LeWorldModel को प्रस्तुत करता है, जो एक पुनर्निर्माण-मुक्त (reconstruction-free) विजुअल वर्ल्ड मॉडल है जो ऑटोरिग्रेसिव वन-स्टेप रोलआउट्स के स्थान पर एक पैरेलल एक्शन-प्रिफिक्स प्रेडिक्शन मैकेनिज्म का उपयोग करके प्लानिंग को तेज़ करता है और त्रुटि संचय (error accumulation) को कम करता है, जो उम्मीदवार एक्शन सीक्वेंस के लिए भविष्य के लेटेंट्स (latents) का सीधे पूर्वानुमान लगाता है।