🦾 Category

cs.RO

4516 पेपर

🤖 machine learning

μμVLA: On Recurrent Memory for Partially Observable Manipulation in VLA Models

यह शोध पत्र μ\muVLA प्रस्तुत करता है, जो एक नियंत्रित अध्ययन है जो यह प्रदर्शित करता है कि एक मजबूत प्रीट्रेंड विजन-लैंग्वेज-एक्शन (VLA) बैकबोन को सेल्फ-अटेंशन के माध्यम से अपडेट किए गए सीखने योग्य मेमोरी टोकन के एक न्यूनतम सेट के साथ संवर्धित करने से, बिना किसी सहायक लॉस या जटिल आर्किटेक्चरल परिवर्तनों की आवश्यकता के, आंशिक रूप से दृश्यमान मैनिपुलेशन कार्यों पर प्रदर्शन में महत्वपूर्ण सुधार होता है, जबकि पूर्ण दृश्यता के तहत मजबूती बनाए रखी जाती है।

Egor Cherepanov, Nikita Kachaev, Daniil Zelezetsky, Aydar Bulatov, Artem Pshenitsyn, Yuri Kuratov, Alexey Skrynnik, Alek (…)2026-06-12
🤖 AI

From Imitation to Alignment: Human-Preference Flow Policies for Long-Horizon Sidewalk Navigation

यह शोध पत्र FlowPilot को प्रस्तुत करता है, जो एक मैपलेस नेविगेशन पॉलिसी है जो लंबी अवधि के फुटपाथ कार्यों के लिए बड़े पैमाने पर फ्लीट डेटा पर एंकोर्ड फ्लो मैचिंग का उपयोग करके प्री-ट्रेनिंग करती है और सामाजिक अनुपालन एवं काउंटरफैक्चुअल रीजनिंग को बढ़ाने के लिए ह्यूम-इन-द-लूप प्रेफरेंस लर्निंग का लाभ उठाती है, जिससे केवल एक मोनोक्यूलर RGB कैमरे के साथ मजबूत प्रदर्शन प्राप्त होता है।

Honglin He, Zhizheng Liu, Yukai Ma, Bolei Zhou2026-06-12
🤖 AI

EWAM: An Enhanced World Action Model for Closed-Loop Online Adaptation in Embodied Intelligence

यह शोध पत्र EWAM को प्रस्तुत करता है, जो एक क्लोज्ड-लूप ऑनलाइन एडेप्टेशन फ्रेमवर्क है जो अनुभव स्मृति (experience memory), विसंगति का पता लगाने (anomaly detection), नीति रूटिंग (policy routing) और क्रिया सुधार (action correction) के लिए चार विभेदक न्यूरल परतों (differentiable neural layers) को एकीकृत करके ज़ीरो-शॉट एम्बोडीड इंटेलिजेंस के लिए एक फ्रोजन Cosmos3 बैकबोन को उन्नत करता है, जिससे अतिरिक्त प्रदर्शनों या फाइन-ट्यूनिंग के बिना नए टास्क लेआउट के प्रति मजबूत अनुकूलन सक्षम होता है।

Xin Zhou, Cong Miao2026-06-12
🤖 AI

Stubborn: A Streamlined and Unified Reinforcement Learning Framework for Robust Motion Tracking and Fall Recovery for Humanoids

यह शोध पत्र "स्टबर्न" (Stubborn) का प्रस्ताव करता है, जो एक एकीकृत सुदृढीकरण लर्निंग (reinforcement learning) ढांचा है जो एक यॉ-अलाइन्ड (yaw-aligned) प्रतिनिधित्व, अस्थिर अवस्थाओं में अन्वेषण को प्रोत्साहित करने के लिए एक बर्नौली-आधारित संभाव्य समाप्ति तंत्र, और प्रशिक्षण दक्षता बढ़ाने के लिए एक अनुकूलन योग्य नमूनाकरण रणनीति का उपयोग करके मानवोइड्स के लिए मजबूत मोशन ट्रैकिंग और फॉल रिकवरी को एकीकृत करता है।

Xiao Ren, Yuhui Yang, Zongbiao Weng, Zhijie Liu, He Kong2026-06-12
💻 computer science

SemanticXR: Low Power and Real-time Queryable Semantic Mapping with an Object-Level Device-Cloud Architecture

SemanticXR एक नवीन डिवाइस-क्लाउड सिस्टम है जो वस्तुओं को प्रथम-श्रेणी की इकाइयों के रूप में मानकर डिवाइस-सर्वर सीमा के पार संचार, गणना और मेमोरी को अनुकूलित करता है, जिससे XR अनुप्रयोगों के लिए रीयल-टाइम, कम-शक्ति वाले, ओपन-वोकेबुलरी सिमेंटिक मैपिंग और क्वेरीइंग को प्राप्त किया जा सके।

Rahul Singh, Devdeep Ray, Connor Smith, Sarita Adve2026-06-12
💻 computer science

AIR-VLA+: Decoupling Movement and Manipulation via Cascaded Dual-Action Decoders with Asymmetric MoE for Aerial Robots

यह शोध पत्र AIR-VLA+ प्रस्तुत करता है, जो हवाई रोबोटों के लिए एक फ्लो मैचिंग आर्किटेक्चर है जो कैस्केडित डुअल-एक्शन डिकोडर्स और एक एसिमेट्रिक मिक्स्चर ऑफ एक्सपर्ट्स (MoE) डिज़ाइन के माध्यम से प्लेटफॉर्म मूवमेंट और एंड-इफेक्टर मैनिपुलेशन को अलग करता है, जो विषम नियंत्रण संघर्षों को प्रभावी ढंग से हल करके AIR-VLA बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है।

Jianli Sun, Bin Tian, Qiyao Zhang, Zijian Liu, Yutong Wang, Zhiyong Cui, Bai Li, Yisheng Lv, Yonglin Tian2026-06-12
💻 computer science

Learning to Adapt: Representation-Based Reinforcement Learning for Multi-Task Skill Transfer

यह शोध पत्र RepMT-SAC का प्रस्ताव करता है, जो एक मल्टी-टास्क रीइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो टास्क-अग्नोस्टिक डायनेमिक्स को टास्क-स्पेसिफिक एडजस्टमेंट्स से अलग करने के लिए स्पेक्ट्रल MDP डिकंपोजिशन का लाभ उठाता है, जिससे मौजूदा बेसलाइन्स की तुलना में क्वाडकॉप्टर ट्रैजेक्टरी-फॉलोइंग कार्यों में बेहतर ज़ीरो-शॉट प्रदर्शन और तीव्र फ्यू-शॉट अनुकूलन प्राप्त होता है।

Aryan Naveen, Haitong Ma, Haldun Balim, Na Li2026-06-12
⚡ electrical engineering

Bounding Boxes as Goals: Language-Conditioned Grasping via Neuro-Symbolic Planning

यह शोध पत्र GRASP को प्रस्तुत करता है, जो एक न्यूरो-सिम्बोलिक प्लानिंग फ्रेमवर्क है जो नेचुरल लैंग्वेज को ग्राउंडेड बाउंडिंग-बॉक्स लक्ष्यों में अनुवादित करने के लिए प्रीट्रेन विजन-लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे बिना किसी टास्क-विशिष्ट प्रशिक्षण के वास्तविक रोबोट्स पर ज़ीरो-शॉट ओपन-वोकेबुलरी टेबलटॉप मैनिपुलेशन के साथ 73.3% सफलता दर प्राप्त होती है।

Allison Andreyev, Landon Eum, Nestor Tiglao, Romel Gomez2026-06-12
💻 computer science

SERF: Spatiotemporal Environment and Robot Feature Map for Long-Horizon Mobile Manipulation

यह शोध पत्र SERF को प्रस्तुत करता है, जो एक स्पैटियोटेम्पोरल (स्थानिक-कालिक) फीचर मैप है जो लॉन्ग-होरिज़न मोबाइल मैनिपुलेशन रीजनिंग को बढ़ाने के लिए एक साझा लेटेंट स्पेस में पर्यावरण और रोबोट बॉडी दोनों को एनकोड करता है, जो BEHAVIOR-1K बेंचमार्क पर इमेज-ओनली बेसलाइन्स की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।

Sunghwan Kim, Byeonghyun Pak, Kehan Long, Yulun Tian, Nikolay Atanasov2026-06-12
⚡ electrical engineering

Trajectory-Level Redirection Attacks on Vision-Language-Action Models

यह शोध पत्र "कमांड-प्रिजर्विंग ट्रैजेक्टरी रिडायरेक्शन" (command-preserving trajectory redirection) को प्रस्तुत और औपचारिक रूप देता है, जो विजन-लैंग्वेज-एक्शन (VLA) मॉडल्स पर एक नवीन हमला है, जहाँ एक ऑन-पॉलिसी खोज पद्धति के माध्यम से खोजे गए लगभग निर्दोष प्रॉम्प्ट व्यवधान (prompt perturbations), मूल इच्छित कार्य के स्वरूप को बनाए रखते हुए, रोबोट के भौतिक निष्पादन को हमलावर द्वारा निर्दिष्ट परिणाम की ओर सफलतापूर्वक पुनर्निर्देशित कर देते हैं।

Gokul Puthumanaillam, Vardhan Dongre, Pranay Thangeda, Hooshang Nayyeri, Dilek Hakkani-Tür, Melkior Ornik2026-06-12