🦾 Category

cs.RO

4515 पेपर

💻 computer science

Perceptive Behavior Foundation Model: Adapting Human Motion Priors to Robot-Centric Terrain

यह शोध पत्र 'परसेप्टिव बिहेवियर फाउंडेशन मॉडल' (Perceptive Behavior Foundation Model) को प्रस्तुत करता है, जो एक टेरेन-अवेयर (terrain-aware) ह्यूमनॉइड कंट्रोल फ्रेमवर्क है, जो विविध रोबोटिक वातावरणों में मानव गति के पूर्व अनुभवों (human motion priors) को अनुकूलित करने के लिए टेरेन-संगत संदर्भों (terrain-consistent references) को संश्लेषित करता है और एक टीचर-स्टूडेंट प्रशिक्षण रणनीति का उपयोग करता है ताकि एक रॉ-रेफरेंस स्टूडेंट (raw-reference student) वैश्विक गति ट्रैकिंग को बनाए रखते हुए स्थानीयकृत, टेरेन-विशिष्ट सुधार करने में सक्षम हो सके।

Zifan Wang, Yizhao Li, Teli Ma, Qiang Zhang, Yudong Fan, Hao Xu, Shuo Yang, Junwei Liang2026-06-16
🤖 AI

RAMS: Resource-Adaptive and Detection-Conditioned Model Switching for Embedded Edge Perception

RAMS एक हल्का, संसाधन-अनुकूलित रनटाइम कंट्रोलर है जो बिना मॉडल-रीलोड ओवरहेड के, डिवाइस प्रेशर और हालिया असुरक्षित-सड़क-उपयोगकर्ता (vulnerable-road-user) डिटेक्शन के आधार पर एम्बेडेड एज हार्डवेयर पर इन्फरेंस लेटेंसी और डिटेक्शन क्वालिटी को अनुकूलित करने के लिए YOLOv8 मॉडल टियर्स के बीच गतिशील रूप से स्विच करता है।

Kushal Khemani, Evan Leri, George Xu, Amit Hod2026-06-16
🤖 AI

X-Tokenizer: A Multimodal Action Tokenizer for Vision-Language-Action Pretraining

X-Tokenizer एक हल्का, मल्टीमॉडल एक्शन टोकेनाइज़र है जो एक एसिमेट्रिक सिमेंटिक रेसिडुअल क्वांटिज़ेशन आर्किटेक्चर और कॉन्ट्रास्टिव प्रीट्रेनिंग को नियोजित करके एक्शन टोकेनाइज़ेशन को एक सिमेंटिक इंटरफ़ेस लर्निंग टास्क के रूप में पुनर्गठित करता है ताकि विजन-लैंग्वेज रीजनिंग को सटीक निरंतर रोबोट नियंत्रण के साथ जोड़ा जा सके, जो सिमुलेशन और वास्तविक दुनिया के लॉन्ग-होरिज़न कार्यों दोनों में मौजूदा तरीकों से काफी बेहतर प्रदर्शन करता है।

Xirui Kang, Yanpei Shi, Lucy Liang, Roy Gan, Dongxiu Liu, Pushi Zhang, Danpeng Chen, Xiaoyi Qin, Yinan Zheng, Jinliang Z (…)2026-06-16
🤖 machine learning

Bayesian Optimization for Learning Nonlinear MPC in Autonomous Agent Navigation

यह शोध पत्र एक मैप-फ्री (मानचित्र-रहित) स्वायत्त नेविगेशन फ्रेमवर्क प्रस्तुत करता है जो नॉनलीनियर मॉडल प्रेडिक्टिव कंट्रोल के साथ LiDAR-आधारित रिएक्टिव प्लानिंग को एकीकृत करता है, जिसमें सिमुलेशन और वास्तविक दुनिया के गतिशील वातावरण में एक क्वाड्रुपेड रोबोट पर मजबूत, उच्च-प्रदर्शन तैनाती के लिए कंट्रोलर मापदंडों को ट्यून करने हेतु ऑफलाइन बेयसियन ऑप्टिमाइज़ेशन का उपयोग किया गया है।

Lorenzo Ortolani, Gabriel Voss, Gabriele Beltrami, Francesco Dorati, Tommaso Felice Banfi2026-06-16
💻 computer science

Synthetic-to-Real Pipeline for Safe Landing Zone Detection

यह शोध पत्र स्वायत्त यूएवी (UAV) लैंडिंग के लिए एक सिंथेटिक-टू-रियल पाइपलाइन प्रस्तुत करता है जो एक प्रक्रियात्मक डेटा इंजन और एक ट्रांसफॉर्मर-आधारित सेगमेंटेशन मॉडल का उपयोग करता है ताकि बिना किसी मैनुअल एनोटेशन के अनस्ट्रक्चर्ड वातावरण में एनोटेटेड प्रशिक्षण डेटा उत्पन्न किया जा सके और सुरक्षित लैंडिंग ज़ोन की पहचान की जा सके।

Shrikant Banerjee, Reza Faieghi2026-06-16
🤖 machine learning

Deep Learning-Based Lunar Crater Terrain Relative Navigation

यह शोधपत्र एक डीप लर्निंग-आधारित टेरेन रिलेटिव नेविगेशन सिस्टम प्रस्तावित करता है जो एक विशिष्ट क्रेटर डिटेक्टर को एक्सटेंडेड कलमन फिल्टर के साथ एकीकृत करता है ताकि अंतरिक्ष यान की स्थिति का सटीक अनुमान लगाया जा सके और 5 किमी तक की प्रारंभिक स्थान अनिश्चितताओं के बावजूद नेविगेशन त्रुटियों को कुछ सौ मीटर तक कम किया जा सके।

Batu Candan, Simone Servadio2026-06-16
💻 computer science

VANDERER: Map-Free Exploration using Future-Aware and Visual-Curiosity-Guided Diffusion Policy

VANDERER एक मैप-मुक्त अन्वेषण ढांचा (map-free exploration framework) है जो एक विजुअल क्यूरियोसिटी मॉड्यूल (Visual Curiosity Module) का उपयोग करके सेंसर-सीमित मोबाइल एजेंटों के लिए प्री-ट्रेंड डिफ्यूजन पॉलिसियों को बढ़ाता है, जो क्रिया परिणामों की भविष्यवाणी करता है और अनछुए क्षेत्र के कवरेज को अधिकतम करने के लिए नेविगेशन को निर्देशित करता है।

Venkata Naren Devarakonda, Raktim Gautam Goswami, Prashanth Krishnamurthy, Farshad Khorrami2026-06-16
💻 computer science

Inference-time Policy Steering via Vision and Touch

ViTaL एक नवीन विज़ुओ-टैक्टाइल इन्फरेंस-टाइम स्टीयरिंग फ्रेमवर्क है जो उच्च-स्तरीय विज़ुअल मोड चयन को निम्न-स्तरीय टैक्टाइल-गाइडेड एक्शन रिफाइनमेंट के साथ जोड़कर संपर्क-समृद्ध हेरफेर (कॉन्टैक्ट-रिच मैनिपुलेशन) के लिए प्री-ट्रेंड रोबोट नीतियों को उन्नत करता है, जिससे यूनिमोडल और नैव फ्यूजन बेसलाइन की तुलना में सफलता दर में महत्वपूर्ण सुधार प्राप्त होता है।

Yilin Wu, Zilin Si, Zeynep Temel, Oliver Kroemer, Andrea Bajcsy2026-06-16
💻 computer science

Steering Autoregressive Vision-Language-Action Policies via Action Token Intervention

यह शोध पत्र टोकन स्टीयरिंग (Token Steering) को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त इन्फरेंस-टाइम विधि है जो उपयोगकर्ताओं को एक्शन-टोकन स्पेस में निम्न-आयामी इनपुट इंजेक्ट करके ऑटोरेग्रेसिव विजन-लैंग्वेज-एक्शन पॉलिसियों को गतिशील रूप से निर्देशित करने की अनुमति देती है, जो मॉडल की सीखी हुई निपुणता और प्रायोरिटीज़ को संरक्षित करते हुए घरेलू हेरफेर कार्यों पर सफलता दर में महत्वपूर्ण सुधार करती है।

Jason Chan, Jonathan C. Kao2026-06-16
💻 computer science

An Autonomous Subgram SMA-Based Swimmer

यह शोधपत्र स्विमा (Swima) को प्रस्तुत करता है, जो एक अग्रणी सबग्राम (900-मिलीग्राम) स्वायत्त माइक्रोस्विमर है जो निरंतर 22.4 मिमी/सेकेंड तक की तैराकी गति और सटीक प्रक्षेपवक्र ट्रैकिंग प्राप्त करने के लिए ऑनबोर्ड पावर, कंप्यूटेशन और उच्च-कार्य-घनत्व वाले SMA एक्चुएटर्स को एकीकृत करता है।

Conor K. Trygstad, Francisco M. F. R. Gonçalves, Néstor O. Pérez-Arancibia2026-06-16