4515 पेपर
यह शोध पत्र HAVE को प्रस्तुत करता है, जो एक नवीन ढांचा (framework) है जो एक्शन जनरेशन को एक हिस्ट्री-अवेयर वेरिफायर से अलग करके अस्पष्ट परिदृश्यों में रोबोटिक मैनिपुलेशन में सुधार करता है, जो पिछले इंटरैक्शन के बारे में तर्क के माध्यम से इष्टतम कैंडिडेट एक्शन का चयन करता है।
यह शोधपत्र निर्माण स्थलों के लिए एक वास्तविक समय (रियल-टाइम) विजुअल SLAM सिस्टम प्रस्तुत करता है जो बिल्डिंग इंफॉर्मेशन मॉडल (BIM) स्ट्रक्चरल प्रायर्स को एकीकृत करता है ताकि पता लगाई गई दीवारों को उनके डिज़ाइन समकक्षों के साथ संबद्ध किया जा सके, जिससे अत्याधुनिक बेसलाइनों की तुलना में प्रक्षेपवक्र ड्रिफ्ट (ट्रैजेक्टरी ड्रिफ्ट) को काफी कम किया जा सके और मानचित्र की सटीकता में सुधार किया जा सके।
यह शोध पत्र RoboSSM को प्रस्तुत करता है, जो एक स्केलेबल इन-कॉन्टेक्स्ट इमिटेशन लर्निंग फ्रेमवर्क है जो LIBERO बेंचमार्क के भीतर लॉन्ग-होराइजन और अनदेखे कार्यों पर लीनियर-टाइम इन्फरेंस और बेहतर सामान्यीकरण प्राप्त करने के लिए ट्रांसफॉर्मर्स को Longhorn स्टेट-स्पेस मॉडल से बदल देता है।
यह शोध पत्र "ह्यूमनॉइड एवरीडे" (Humanoid Everyday) को प्रस्तुत करता है, जो कि 260 कार्यों में 10,000 से अधिक मल्टीमॉडल प्रक्षेपवक्रों (multimodal trajectories) वाला एक बड़े पैमाने का, विविध डेटासेट है जिसे ओपन-वर्ल्ड ह्यूमनॉइड मैनिपुलेशन अनुसंधान को आगे बढ़ाने के लिए डिज़ाइन किया गया है, जिसके साथ पॉलिसी लर्निंग विधियों का विश्लेषण और एक मानकीकृत क्लाउड-आधारित मूल्यांकन प्लेटफॉर्म भी दिया गया है।
यह शोध पत्र राउंड-रॉबिन बिहेवियर क्लोनिंगिंग (R2BC) को प्रस्तुत करता है, जो एक विधि है जो एक एकल मानव ऑपरेटर को व्यक्तिगत एजेंटों पर क्रमवार कार्यों का प्रदर्शन करके मल्टी-रोबोट प्रणालियों को प्रभावी ढंग से प्रशिक्षित करने में सक्षम बनाती है, जिससे सिंक्रोनाइज्ड मल्टी-एजेंट प्रदर्शन की आवश्यकता वाले दृष्टिकोणों के तुलनीय या बेहतर प्रदर्शन प्राप्त होता है।
GenTrack2 एक उन्नत हाइब्रिड मल्टी-ऑब्जेक्ट ट्रैकिंग विधि है जो नॉनलीनियर डायनेमिक्स, नॉन-गॉसियन नॉइज़ और ऑक्लूजन जैसे जटिल इंटरैक्शन को मजबूती से संभालने के लिए पार्टिकल स्वार्म ऑप्टिमाइजेशन द्वारा संवर्धित एक स्टोकेस्टिक पार्टिकल फ़िल्टर को एक डिटर्मिनिस्टिक एसोसिएशन मैकेनिज्म के साथ जोड़ती है, जिससे पूर्व-रिकॉर्डेड वीडियो और लाइव स्ट्रीम दोनों में उत्कृष्ट प्रदर्शन प्राप्त होता है।
DynaMimicGen एक स्केलेबल डेटा जनरेशन फ्रेमवर्क है जो डायनेमिक मूवमेंट प्रिमिटिव्स का लाभ उठाकर न्यूनतम मानव प्रदर्शनों को विविध, गतिशील प्रशिक्षण डेटा में परिवर्तित करता है, जिससे रोबोटों को व्यापक मैनुअल डेटा संग्रह के बिना जटिल, परिवर्तनशील वातावरणों के लिए मजबूत हेरफेर नीतियों (manipulation policies) को सीखने में सक्षम बनाया जा सके।
यह शोध पत्र MuJoCo MPC के फाइनाइट डिफरेंसिंग बैकएंड के लिए 'वेब ऑफ एफ़ाइन स्पेसिस' (WASP) डेरिवेटिव्स के साथ एक ड्रॉप-इन रिप्लेसमेंट पेश करता है, जो विविध रोबोटिक कार्यों में 2 गुना तक की गति वृद्धि प्राप्त करने और मौजूदा स्टोकेस्टिक विधियों से बेहतर प्रदर्शन करने के लिए डेरिवेटिव-आधारित नियंत्रण नियोजन को महत्वपूर्ण रूप से त्वरित और स्थिर करता है।
यह अध्ययन एक हाइब्रिड फ्रेमवर्क प्रस्तावित करता है जो सिमुलेशन डेटा पर प्रशिक्षित विश्लेषणात्मक मॉडलिंग और डीप रेसिडुअल न्यूरल नेटवर्क को जोड़ता है ताकि मल्टी-आर्म लैप्रोस्कोपिक रोबोट में न्यूनतम इंटर-आर्म दूरियों की सटीक भविष्यवाणी की जा सके, जिससे सर्जिकल सुरक्षा बढ़ाने के लिए प्रभावी टकराव-जागरूक चेतावनी प्रणालियों को सक्षम बनाया जा सके।
यह शोध पत्र ReSYNC को प्रस्तुत करता है, जो एक नवीन ढांचा है जो रोबोटों को विफलता-पुनर्प्राप्ति अनुभवों से संबंधपरक अवधारणाओं को स्वायत्त रूप से खोजने और परिष्कृत करने में सक्षम बनाता है, जिससे स्थानीय प्रतिक्रियात्मक कौशल को वैश्विक अमूर्त नियोजन क्षमताओं में परिवर्तित किया जा सकता है जो लंबी अवधि के और अनदेखे कार्यों को हल करने में मौजूदा विधियों की तुलना में काफी बेहतर प्रदर्शन करते हैं।