4546 पेपर
यह सर्वेक्षण एम्बॉडीड इंटेलिजेंस (embodied intelligence) बेंचमार्क के निर्माण के लिए एक पांच-चरणीय पाइपलाइन का प्रस्ताव करता है, जो मैन्युअल क्यूरेशन से स्वचालित और एजेंटिक वर्कफ़्लो की ओर बदलाव का विश्लेषण करता है और इस बात पर प्रकाश डालता है कि स्वचालन मुख्य रूप से केवल खर्चों को कम करने के बजाय लागत संरचनाओं को सत्यापन, शासन और ऑडिटेबिलिटी (auditability) की ओर परिवर्तित करता है।
यह शोध पत्र AGRA को प्रस्तुत करता है, जो एक एक्शन-ग्राउंडेड रिप्रेजेंटेशन एलाइनमेंट (Action-Grounded Representation Alignment) उद्देश्य है जो वीडियो डिफ्यूजन फीचर्स को सिमेंटिक रिप्रेजेंटेशन के साथ संरेखित करके वर्ल्ड एक्शन मॉडल्स (World Action Models) में विजुअल रिकंस्ट्रक्शन और एक्शन कंट्रोल के बीच के बेमेल को हल करता है, जिससे वास्तविक दुनिया के रोबोटिक मैनिपुलेशन के लिए ऑब्जेक्ट लोकलाइजेशन, अफोर्डेंस अंडरस्टैंडिंग और पॉलिसी रोबस्टनेस में सुधार होता है।
यह शोध पत्र एक समन्वित मल्टी-यूएवी (multi-UAV) योजना ढांचे का प्रस्ताव करता है जो अज्ञात वातावरणों में उच्च-जोखिम वाले क्षेत्रों की ओर हवाई संवेदन को गतिशील रूप से निर्देशित करने के लिए एक साझा एक्सपोज़र विश्वास (shared exposure belief) का उपयोग करता है, जिससे एक जमीनी वाहन के संचयी खतरे के जोखिम को काफी कम किया जा सकता है और अनावश्यक हवाई कवरेज को न्यूनतम किया जा सकता है।
यह शोध पत्र न्यूरल नेटवर्क के स्पेक्ट्रल बायस (spectral bias) को दूर करने के लिए पॉइंट क्लाउड्स को उच्च-आयामी फूरियर स्पेस (high-dimensional Fourier space) में मैप करने का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि यह सरल दृष्टिकोण विविध बेंचमार्क और वास्तविक दुनिया के सेटअपों में उच्च-परिशुद्धता वाले रोबोटिक हेरफेर के लिए पॉइंट क्लाउड-आधारित इमिटेशन लर्निंग पॉलिसियों की सटीकता और मजबूती को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र Fast-SDE प्रस्तुत करता है, जो एक हल्का, सिंगल-माइक्रोफोन फ्रेमवर्क है जो प्रतिध्वनि वाले वातावरण (reverberant environments) में ध्वनि स्रोत की दूरी को कुशलतापूर्वक अनुमानित करने के लिए सबबैंड-आधारित बैकबोन का लाभ उठाता है, जो एम्बोडीड प्लेटफॉर्म (embodied platforms) की हार्डवेयर और कम्प्यूटेशनल बाधाओं को संबोधित करता है।
यह शोध पत्र एक उन्नत मरीन रोबोटिक्स यूनिटी सिम्युलेटर (MARUS) फ्रेमवर्क प्रस्तुत करता है जो अनमैन्ड सरफेस व्हीकल्स के लिए ट्रैसेबल, स्वचालित और ऑडिटेबल वर्चुअल सी ट्रायल्स को सक्षम बनाता है, जो भौतिक परीक्षणों की लागत और सुरक्षा सीमाओं को दूर करते हुए हाइड्रोडायनामिक डेरिवेटिव पहचान और डिजिटल-ट्विन अंशांकन (कैलिब्रेशन) का समर्थन करने के लिए मानकीकृत IMO/ITTC-अनुपालन टर्निंग सर्कल और जिग-जैग डेटासेट उत्पन्न करता है।
यह शोध पत्र VLGA को प्रस्तुत करता है, जो एक नवीन विजन-लैंग्वेज-जियोमेट्री-एक्शन मॉडल है जो डेंस 3D पॉइंटमैप रिग्रेशन के साथ सुपर्वाइज्ड एक समर्पित ज्योमेट्री एक्सपर्ट को शामिल करके स्वायत्त ड्राइविंग प्रदर्शन में सुधार करता है, और मौजूदा VLA विधियों की तुलना में ओपन-लूप और क्लोज्ड-लूप दोनों बेंचमार्क पर अत्याधुनिक परिणाम प्राप्त करता है।
यह शोध पत्र DIRECT को प्रस्तुत करता है, जो एक ऐसा रूटिंग फ्रेमवर्क है जो मल्टीमॉडल संदर्भ के आधार पर विभिन्न स्केलिंग अक्षों (जैसे कि रीजनिंग डेप्थ, मॉडल साइज और मेमोरी) में टेस्ट-टाइम कंप्यूट को गतिशील रूप से आवंटित करके एम्बोडीड प्लानिंग को अनुकूलित करता है, जिससे नेइव स्केलिंग या फिक्स्ड मॉडल सिलेक्शन की तुलना में काफी कम लेटेंसी और लागत के साथ फ्रंटियर-लेवल सफलता दर प्राप्त होती है।
यह शोध पत्र HannesImitationPolicy को प्रस्तुत करता है, जो एक इमिटेशन लर्निंग फ्रेमवर्क है, जिसमें नव-निर्मित HannesImitationDataset पर प्रशिक्षित एक डिफ्यूजन मॉडल का उपयोग किया गया है ताकि हनेस प्रोस्थेटिक हैंड (Hannes prosthetic hand) को असंरचित वातावरण में वस्तुओं को स्वायत्त रूप से पकड़ने में सक्षम बनाया जा सके, जो पारंपरिक विजुअल सर्वो कंट्रोलर्स की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र CAST का प्रस्ताव करता है, जो रोबोटिक डेटासेट को बढ़ाने के लिए काउंटरफैक्चुअल लेबल उत्पन्न करने हेतु विजन-लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे बिना किसी अतिरिक्त डेटा संग्रह के विजन-लैंग्वेज-एक्शन मॉडल्स की निर्देश-अनुपालन क्षमताओं में महत्वपूर्ण सुधार होता है।