4515 पेपर
यह शोध पत्र ग्राउंडेड लेटेंट-एक्शन वर्ल्ड मॉडल्स (GLAM) को प्रस्तुत करता है, जो एक साझा, प्रेडिक्शन-ग्राउंडेड लेटेंट एक्शन स्पेस सीखने के लिए एक फ्रेमवर्क है ताकि भिन्न या लुप्त एक्शन लेबल्स वाले विषम डेटा स्रोतों से मजबूत इमिटेशन लर्निंग को सक्षम किया जा सके, जो सिमुलेशन और वास्तविक दुनिया के मैनिपुलेशन कार्यों में मौजूदा बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र एक रोटेशन-अवेयर पॉइंट-क्लाउड एम्बेडिंग प्रस्तुत करता है जो यूक्लिडियन लेटेंट डिस्टेंस को SO(3) ओरिएंटेशन एरर के अनुरूप कैलिब्रेट करता है, जिससे मॉडल-फ्री रिइन्फोर्समेंट लर्निंग पॉलिसीज़ को स्पष्ट पोज़ एस्टीमेशन, डेंस फ्लो फीचर्स, या टीचर सुपरविजन की आवश्यकता के बिना, रॉ पॉइंट-क्लाउड गोल्स से सीधे इन-हैंड रियोरिएंटेशन करने में सक्षम बनाया जा सके।
यह शोध पत्र THREAD को प्रस्तुत करता है, जो हाइब्रिड रिजिड-सॉफ्ट मैनिपुलेटर्स के लिए एक डिफ्यूजन-आधारित प्रक्षेपवक्र (ट्रैजेक्टरी) प्लानर है, जो संकीर्ण स्थानों में सफलतापूर्वक नेविगेट करने के लिए स्थानीय परिवेश की ज्यामिति पर आधारित एक जनरेटिव प्रायर सीखता है, जिससे टकराव काफी कम हो जाते हैं और उच्च क्रॉस-एम्बोडिमेंट ट्रांसफ़रेबिलिटी प्राप्त होती है।
यह शोध पत्र एक डीप आरएल-ट्यून्ड मॉडल-फ्री एडेप्टिव कंट्रोल रणनीति प्रस्तावित करता है जो एक द्विपक्षीय लोअर-लिम्ब एक्सोस्केलेटन के लिए गेन्स को गतिशील रूप से समायोजित करने हेतु ट्विन डिलेड डीप डिटरमिनिस्टिक पॉलिसी ग्रेडिएंट (TD3) एजेंट को एकीकृत करता है, जिससे सिट-टू-स्टैंड ट्रांज़िशन के दौरान अत्याधुनिक नियंत्रकों की तुलना में बेहतर प्रक्षेपवक्र ट्रैकिंग सटीकता और मजबूती प्राप्त होती है।
GeoFlow-SLAM++ एक सुदृढ़, टाइटली कपल्ड मल्टी-कैमरा विजुअल-इनर्शियल SLAM सिस्टम है जो परिवर्तनीय ORB या न्यूरल नेटवर्क-आधारित फ्रंट-एंड के माध्यम से ट्रैकिंग, मैपिंग और रिलोकेलाइजेशन को एकीकृत करता है, जिससे विविध डेटासेट्स में चुनौतीपूर्ण वातावरण में LiDAR-तुलनीय प्रदर्शन और बढ़ी हुई लचीलापन प्राप्त होता है।
यह शोध पत्र तर्क देता है कि सिमुलेशन-टू-रियलिटी ट्रांसफर में, विशिष्ट सिस्टम मापदंडों (पैरामीटर्स) की पहचान करने के लिए एक मेजरमेंट बजट आवंटित करना व्यापक रूप से डायनेमिक्स को रैंडमाइज करने की तुलना में अधिक प्रभावी है, जो यह सुझाव देता है कि पाइपलाइनों को पहचानने योग्य मापदंडों को मापने को प्राथमिकता देनी चाहिए और शेष अनिश्चितताओं के लिए केवल रैंडमाइजेशन को आरक्षित रखना चाहिए।
यह शोधपत्र DeformX प्रस्तुत करता है, जो एक बहुमुखी को-सिमुलेशन फ्रेमवर्क है जो विरूपण योग्य रैखिक वस्तुओं (deformable linear objects) के उच्च-सटीक दृश्य और भौतिक मॉडलिंग को प्राप्त करने के लिए एक कॉसेराट रॉड (Cosserat rod) भौतिकी इंजन को NVIDIA Isaac Sim के साथ एकीकृत करता है, जो बेहतर सेगमेंटेशन के लिए सिंथेटिक डेटा जनरेशन और रोबोट लर्निंग कार्यों में उत्कृष्ट सिम-टू-रियल ट्रांसफर क्षमताओं का प्रदर्शन करता है।
यह शोध पत्र जानसेन लिंकेज (Jansen linkage) के लिए एक स्थायित्व-जागरूक बहु-उद्देश्यीय अनुकूलन ढांचे को प्रस्तुत करता है जो किनेमैटिक, डायनेमिक और आर्चर्ड वियर मॉडल (Archard wear models) को जोड़ता है ताकि यह प्रदर्शित किया जा सके कि लिंक की लंबाई को समायोजित करके कैसे चाल की गुणवत्ता में सुधार किया जा सकता है और साथ ही जोड़ों के घिसाव को काफी कम किया जा सकता है, जो मूल डिज़ाइन से बेहतर प्रदर्शन करते हुए विनिर्माण सहनशीलता (manufacturing tolerances) के प्रति भी सुदृढ़ बना रहता है।
यह शोध पत्र Wh0 को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो एगोसेंट्रिक (egocentric) मानव हाथ हेरफेर के वीडियो का एक स्केलेबल और नियंत्रणीय डेटासेट बनाने के लिए जनरेटिव वीडियो वर्ल्ड मॉडल्स का लाभ उठाता है, जिन्हें फिर रोबोट-प्रशिक्षण योग्य सुपरविजन में परिवर्तित किया जाता है ताकि विविध वास्तविक दुनिया के कार्यों में प्री-ट्रेंड विजन-लैंग्वेज-एक्शन मॉडल्स के ज़ीरो-शॉट डेक्सट्रस मैनिपुलेशन प्रदर्शन को महत्वपूर्ण रूप से बढ़ाया जा सके।
यह शोध पत्र बैंडविड्थ-जागरूक फ़िल्टरिंग (bandwidth-aware filtering), संवेदनशीलता-निर्देशित डोमेन रैंडमाइजेशन (sensitivity-guided domain randomization) और एक रैखिक पाठ्यक्रम शिक्षण अनुसूची (linear curriculum learning schedule) को संयोजित करके कार्ट-पोल स्विंग-अप और स्थिरीकरण के लिए सुदृढीकरण शिक्षण (reinforcement learning) नीतियों के सिमुलेशन से हार्डवेयर तक सफल ज़ीरो-शॉट ट्रांसफर को प्रदर्शित करता है, ताकि मजबूत ऊर्जा इंजेक्शन और विक्षोभ अस्वीकृति (disturbance rejection) सुनिश्चित की जा सके।