4386 पेपर
यह शोध पत्र Cloak को पेश करता है, जो एक प्रशिक्षण विधि है जो विजन-लैंग्वेज-एक्शन मॉडल्स को प्रशिक्षण के दौरान रिस्ट कैमरा व्यू से एंड-इफेक्टर को मास्क करके ज़ीरो-शॉट क्रॉस-एम्बोडिमेंट मैनिपुलेशन प्राप्त करने में सक्षम बनाती है, जिससे एक मॉडल जो एक ही रोबोट पर प्रशिक्षित है, बिना नया डेटा एकत्र किए अनदेखे हार्डवेयर तक सामान्यीकरण कर सकता है।
यह शोध पत्र एक वेंडर-अज्ञेय (vendor-agnostic) LiDAR डेटा रूपांतरण प्रणाली प्रस्तुत करता है जो मल्टी-सिग्नल डिटेक्शन दृष्टिकोण का उपयोग करके रॉ PCAP फाइलों से सेंसर निर्माताओं की स्वचालित रूप से पहचान करता है और उन्हें कई उद्योग-मानक प्रारूपों में परिवर्तित करता है, जो मानक उपभोक्ता हार्डवेयर पर Ouster और Velodyne के लिए C++ डिकोडिंग का उपयोग करते हुए और Hesai तथा Livox के लिए Python पार्सिंग का उपयोग करते हुए उच्च थ्रूपुट प्राप्त करता है।
यह शोध पत्र PanoVine को प्रस्तुत करता है, जो एक डेटा-संचालित, विज़न-आधारित नियंत्रण ढांचा है जो 19 वितरित कैमरों का उपयोग करता है ताकि पहले स्वायत्त वाइन रोबोट को प्रदर्शनों (demonstrations) पर प्रशिक्षित एक एंड-टू-एंड विसुओमोटर पॉलिसी के माध्यम से जटिल, संकीर्ण वातावरण में मजबूत, क्लोज्ड-लूप होल-बॉडी नेविगेशन और हेरफेर करने में सक्षम बनाया जा सके।
TEXTEDO एक टेस्ट-टाइम स्केलिंग फ्रेमवर्क है जो कई उम्मीदवारों को सैंपल करने और एक रिवॉर्ड मॉडल के आधार पर इष्टतम का चयन करने के माध्यम से टेक्स्ट-कंडीशन्ड ह्यूमनॉइड मोशन जनरेशन को बढ़ाता है, जो डायनेमिक फिएसिबिलिटी (गतिशील व्यवहार्यता) को एक हार्ड कंस्ट्रेंट के रूप में लागू करते हुए सिमेंटिक एलाइनमेंट को अधिकतम करता है, जिससे यह सुनिश्चित होता है कि उत्पन्न गतियां बिना किसी अधिक शक्तिशाली अंतर्निहित जनरेटर की आवश्यकता के, निष्पादन योग्य और कार्य-अनुरूप दोनों हैं।
यह शोध पत्र ISOPoT को प्रस्तुत करता है, जो एक सुदृढ़ इमेजिंग सोनार ओडोमेट्री विधि है जो सोनार छवियों में शोर और सिमेंटिक संरचना की कमी को दूर करने के लिए आधुनिक मल्टी-फ्रेम पॉइंट ट्रैकिंग तकनीकों का लाभ उठाती है, जो वास्तविक दुनिया और बेंचमार्क डेटासेट दोनों पर अत्याधुनिक विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करती है।
यह शोधपत्र यह प्रदर्शित करता है कि एसिमेट्रिक फिजिक्स (asymmetric physics) का लाभ उठाना—जो यथार्थवादी संपर्क गतिकी के लिए एक उच्च-सटीक गैर-विभेदक सिम्युलेटर को ग्रेडिएंट-आधारित शिक्षण के लिए विभेदक सरोगेट मॉडल के साथ जोड़ता है—बिना किसी स्पष्ट संचार या वैश्विक मानचित्र के, बड़े चतुष्पाद रोबोटों के झुंड के लिए विजन-आधारित, विकेंद्रीकृत नियंत्रण नीतियों के कुशल एंड-टू-एंड प्रशिक्षण को सक्षम बनाता है, जिससे वास्तविक दुनिया के वातावरण में मजबूत ज़ीरो-शॉट ट्रांसफर प्राप्त होता है।
यह शोध पत्र IOI का प्रस्ताव करता है, जो एक हाइब्रिड इंटरैक्टिव वर्ल्ड मॉडल है जो विश्लेषणात्मक काइनेमैटिक प्रायर्स (kinematic priors) को सीखे गए वीडियो जनरेशन के साथ एकीकृत करके नियत काइनेमैटिक मोशन को स्टोकेस्टिक फिजिकल डायनेमिक्स से अलग करता है, जिससे स्टेट-ऑफ-द-आर्ट सिमुलेशन फिडेलिटी और एम्बॉडीड पॉलिसी लर्निंग के लिए सुदृढ़ ज़ीरो-शॉट सामान्यीकरण प्राप्त होता है।
यह शोध पत्र एक "इनवर्टेड इवैल्यूएशन" (उल्टा मूल्यांकन) ढांचे को प्रस्तुत करता है जहाँ LLM-संचालित रोबोट मानव-रोबोट परस्पर क्रियाओं का स्वयं मूल्यांकन करते हैं, जिससे यह पता चलता है कि जबकि वे संतुष्टि और आनंद जैसे जुड़ाव के आयामों को विश्वसनीय रूप से रेट करते हैं, वे आंतरिक भावनात्मक अवस्थाओं तक पहुंच की कमी के कारण सहजता या विचित्रता का सटीक आकलन करने में व्यवस्थित रूप से विफल रहते हैं।
यह शोध पत्र लेटेंट एक्शन गाइडेड फ्लो मैचिंग (LAFM) प्रस्तुत करता है, जो एक नवीन रोबोटिक मैनिपुलेशन फ्रेमवर्क है जो एक्शन स्पेस में संरचनात्मक विसंगतियों को दूर करने के लिए फिक्स्ड गॉसियन प्रायर को एक लेटेंट एक्शन मॉडल द्वारा समर्थित सीखे गए वितरणों की एक एडेप्टिव लाइब्रेरी से बदल देता है, जिससे मानक फ्लो मैचिंग और बड़े प्री-ट्रेन्ड मॉडल्स की तुलना में प्रशिक्षण दक्षता और कार्य सफलता दर में महत्वपूर्ण सुधार होता है।
यह शोध पत्र SkyJEPA को प्रस्तुत करता है, जो एक JEPA-शैली का लेटेंट डायनेमिक्स मॉडल है जिसमें एक भौतिकी-प्रेरित प्रोबर (physics-inspired prober) और एक स्वचालित डेटा पाइपलाइन है जो एम्बेडेड हार्डवेयर पर फुर्तीले क्वाड्रोटर्स के लिए सटीक लॉन्ग-होरिज़न प्रेडिक्शन और सुदृढ़ ज़ीरो-शॉट सिम-टू-रियल कंट्रोल सक्षम बनाता है।