4515 पेपर
यह शोधपत्र सिलेक्टेड डिफ्यूजन नॉइज़ (SDN) को प्रस्तुत करता है, जो एक ट्रेनिंग-फ्री टेस्ट-टाइम विधि है जो स्प्यूरियस विजुअल कोरिलेशन को कम करने और सिमुलेशन एवं वास्तविक दुनिया के रोबोटिक कार्यों में एक्शन जिटर को कम करने के लिए शोर वेक्टर्स (noise vectors) को गतिशील रूप से चुनकर डिफ्यूजन-आधारित विजन-लैंग्वेज-एक्शन पॉलिसियों की मजबूती और सफलता दर को बढ़ाता है।
यह शोध पत्र एक मॉड्यूलर डुअल-आर्म एप्पल हार्वेस्टिंग रोबोट प्रस्तुत करता है जिसमें वर्टिकल स्टैक्ड डिज़ाइन और धारणा (परसेप्शन), मोशन कंट्रोल और समन्वय में पांच प्रमुख तकनीकी प्रगति है, जिसने वाणिज्यिक फील्ड ट्रायल में 80.0% सफलता दर और उच्च फल गुणवत्ता का प्रदर्शन किया है।
यह शोधपत्र GAIT को प्रस्तुत करता है, जो लेग्ड रोबोट्स के लिए एक अटेंशन-आधारित स्टेट एस्टीमेशन विधि है जो इनर्शियल और लेग मेजरमेंट्स को टोकनाइज़ करके संपर्क स्थितियों के आधार पर सेंसर विश्वसनीयता को गतिशील रूप से पुन: भारित (reweight) करता है, जिससे स्पष्ट संपर्क अनुमान की आवश्यकता के बिना अनदेखे टेरेन और गेट पैटर्न में मौजूदा लर्निंग-आधारित और मॉडल-आधारित एस्टिमेटर्स की तुलना में बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र CORD-SLS प्रस्तुत करता है, जो एक वास्तविक समय (real-time) नियंत्रण ढांचा है जो अनिश्चितता के तहत रस्सी और कपड़े जैसी विरूपण योग्य वस्तुओं (deformable objects) के सुरक्षित, उच्च-गति और प्रमाणित हेरफेर को प्राप्त करने के लिए एक GPU-समानांतर विभेदनीय सिम्युलेटर (differentiable simulator) को सुदृढ़ मॉडल प्रेडिक्टिव कंट्रोल और कॉन्फॉर्मल प्रेडिक्शन के साथ जोड़ता है।
यह शोध पत्र स्वायत्त वाहन गति नियोजन (ऑटोनॉमस व्हीकल मोशन प्लानिंग) के लिए सूचित मॉडल चयन हेतु मॉडल जटिलता, पैरामीटराइजेशन की गुणवत्ता और सटीकता के बीच के समझौतों को स्पष्ट करने के लिए वास्तविक दुनिया के मापों के विरुद्ध तीन सिंगल-ट्रैक वाहन मॉडलों की अल्प-क्षितिज स्थिति सटीकता का मूल्यांकन करता है।
यह शोध पत्र ReactVLA को प्रस्तुत करता है, जो एक हल्का और कम विलंबता वाला विजन-लैंग्वेज-एक्शन फ्रेमवर्क है, जो वन-टू-फ्यू-स्टेप इन्फरेंस के लिए एक उन्नत मीन फ्लो एक्शन जनरेटर और बेहतर फीचर रूटिंग के लिए एक डायनेमिक अटेंशन रेसिडुअल्स मैकेनिज्म को संयोजित करके वास्तविक समय की रिएक्टिव रोबोट मैनिपुलेशन प्राप्त करता है, जिसके परिणामस्वरूप मौजूदा डिफ्यूजन-आधारित मॉडलों की तुलना में काफी तेज़ इन्फरेंस गति और बेहतर कार्य प्रदर्शन प्राप्त होता है।
यह शोधपत्र FTSR प्रस्तुत करता है, जो एक फोर्स-गाइडेड टीचर-स्टूडेंट सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) ढांचा है जो सिमुलेशन-आधारित सहायक बलों और चरण-वार पुरस्कारों का उपयोग करके बिना किसी बाहरी सहायता के आंतरिक स्थिरीकरण रणनीतियों को विकसित करने के लिए बांहहीन द्विपाद-पहिए वाले रोबोटों को मजबूत रूप से गिरने से उबरने और निरंतर गतिमान होने में सक्षम बनाता है।
यह शोध पत्र इलास्टिक क्वेरीज़ रीइन्फोर्समेंट लर्निंग (EQRL) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो विज़न-लैंग्वेज-एक्शन (VLA) मॉडल्स को अवस्था की कठिनाई के आधार पर इन्फरेंस स्टेप्स और एक्शन चंक लंबाई को गतिशील रूप से अनुकूलित करके बेहतर बनाता है, जिससे रोबोटिक हेरफेर में कार्य सफलता को बनाए रखते हुए या उसमें सुधार करते हुए कम्प्यूटेशनल लागत को कम किया जा सकता है।
यह शोध पत्र COMET को प्रस्तुत करता है, जो एक मॉडल-आधारित सुदृढीकरण अधिगम (reinforcement learning) एल्गोरिदम है जो एक फ्रोजन ऑब्जेक्ट-सेंट्रिक एनकोडर को एक्शन-स्लॉट फ्यूजन और ऑब्जेक्ट-कॉज़ल अटेंशन वाले ट्रांसफार्मर-आधारित वर्ल्ड मॉडल के साथ जोड़कर मोंटे कार्लो ट्री सर्च प्लानिंग को बेहतर बनाता है, जिसके परिणामस्वरूप मौजूदा बेसलाइनों की तुलना में विविध दृश्य और गतिशील कार्यों में उत्कृष्ट प्रारंभिक-चरण प्रदर्शन प्राप्त होता है।
यह शोध पत्र Kine2Go प्रस्तुत करता है, जो एक व्यापक काइनेमैटिक डेटासेट है जिसमें Unitree Go2 रोबोट के लिए 800 विविध गेट ट्रैजेक्टरीज (gait trajectories) और संबंधित मोटर क्रियाएं शामिल हैं, जिन्हें एक ऐसे पाइपलाइन के माध्यम से उत्पन्न किया गया है जो विभिन्न क्वाड्रुपेड मॉर्फोलॉजी को अनुकूलित करता है और मशीन लर्निंग अनुप्रयोगों के लिए मजबूत, विचलित प्रदर्शन डेटा (perturbed demonstration data) उत्पन्न करने के लिए सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करता है।