4348 पेपर
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।
यह शोध पत्र LeHome Challenge 2026 के लिए एक पुरस्कार विजेता द्विपक्षीय (bimanual) गारमेंट फोल्डिंग सिस्टम प्रस्तुत करता है जो एक विजन-लैंग्वेज-एक्शन पॉलिसी को सेल्फ-सुपरवाइज्ड रिइन्फोर्समेंट लर्निंग लूप के साथ बढ़ाकर शीर्ष रैंकिंग प्राप्त करता है, जहाँ पॉलिसी के स्वयं के सफलता और प्रगति के अनुमान एडवांटेज एस्टीमेशन और फेलियर डिटेक्शन को संचालित करते हैं, जिसे फ्लो-मैचिंग, डिस्ट्रिब्यूटेड ट्रेनिंग और रोबस्ट सिम-टू-रियल ट्रांसफर सहित इंजीनियरिंग अनुकूलन के एक व्यापक समूह द्वारा समर्थित किया गया है।
यह शोध पत्र VLM-PBRS प्रस्तुत करता है, जो एक ऐसा ढांचा है जो रिवॉर्ड शेपिंग के लिए संभावित फलनों (potential functions) को स्वचालित रूप से सीखने के लिए हल्के विजन-लैंग्वेज मॉडल्स से प्राप्त प्राथमिकता फीडबैक का लाभ उठाता है, जिससे अनुकूलतम नीतियों को संरक्षित रखते हुए और रिवॉर्ड हैकिंग को रोकते हुए स्पार्स-रिवॉर्ड वातावरण में सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) को गति मिलती है।
यह शोध पत्र OmniAct को प्रस्तुत करता है, जो एक पदानुक्रमित अतुल्यकालिक ढांचा (hierarchical asynchronous framework) है जो साइबर-भौतिक नियोजन (cyber-physical planning), अनुकूलनशील स्मृति (adaptive memory) और दृश्य सत्यापन (visual verification) को एकीकृत करता है ताकि निरंतर शारीरिक एजेंटों (embodied agents) को अनस्ट्रक्चर्ड वातावरण में जटिल, दीर्घ-क्षितिज वाले कार्यों को स्वायत्त रूप से निष्पादित करने में सक्षम बनाया जा सके, साथ ही भौतिक विफलताओं के विरुद्ध दक्षता और मजबूती बनाए रखी जा सके।
यह शोध पत्र BOWConnect प्रस्तुत करता है, जो एक द्विदिश समानांतर काइनोडायनेमिक मोशन प्लानर (bidirectional parallel kinodynamic motion planner) है जो स्थानीय लागत मानचित्रों (local cost maps) को सीखने और सैंपलिंग को निर्देशित करने के लिए 'विंडोज़ पर बेयसियन ऑप्टिमाइज़ेशन' (Bayesian Optimization over Windows) का लाभ उठाता है, जिससे जटिल, उच्च-आयामी वातावरण में 100% सफलता के साथ सैंपल-कुशल, वास्तविक समय की योजना बनाना संभव होता है जहाँ मौजूदा विधियाँ संघर्ष करती हैं।