4546 पेपर
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।
यह शोध पत्र XHugWBC को प्रस्तुत करता है, जो एक नवीन प्रशिक्षण ढांचा है जो भौतिकी-संगत रूपात्मक यादृच्छिकीकरण (physics-consistent morphological randomization) और अर्थपूर्ण रूप से संरेखित अवलोकन स्थानों (semantically aligned observation spaces) के माध्यम से एक एकल पूर्ण-शरीर नियंत्रण नीति (whole-body control policy) को विविध मानव सदृश रोबोट डिजाइनों में मजबूती से सामान्यीकृत करने में सक्षम बनाता है, जिससे सिम्युलेटेड और वास्तविक दुनिया के रोबोटों दोनों में ज़ीरो-शॉट ट्रांसफर प्राप्त होता है।
MALLVI एक मल्टी-एजेंट फ्रेमवर्क है जो रोबोटिक मैनिपुलेशन के लिए मजबूत, क्लोज्ड-लूप क्षमता सक्षम करने हेतु लार्ज लैंग्वेज और विजन मॉडल्स का लाभ उठाता है, जो धारणा (perception), तर्क (reasoning) और लक्षित त्रुटि सुधार (targeted error recovery) के लिए विशिष्ट एजेंटों को समन्वित करता है, जिससे ओपन-लूप दृष्टिकोणों की तुलना में ज़ीरो-शॉट कार्यों में सफलता दर में सुधार होता है।
यह शोध पत्र \texttt{CableRobotGraphSim} को प्रस्तुत करता है, जो एक ग्राफ न्यूरल नेटवर्क-आधारित सिम्युलेटर है जो केवल आंशिक रूप से दृश्य इनपुट के साथ तेज़, सटीक और सुदृढ़ क्लोज्ड-लूप नियंत्रण प्राप्त करने के लिए ग्राफ निरूपण और एक सिम-एंड-रियल को-ट्रेनिंग प्रक्रिया का उपयोग करके केबल-ड्रिवन रोबोट डायनेमिक्स को मॉडल करता है।
यह शोध पत्र एक इक्विलिब्रियम-प्रोपैगेशन-आधारित प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन फ्रेमवर्क प्रस्तावित करता है जो असमान धरातल पर ऊर्जा-कुशल, अनुकूलनीय क्वाड्रुपेड लोकोमोशन को सक्षम करने के लिए पारंपरिक बैकप्रोपैगेशन को स्थानीय शिक्षण (लोकल लर्निंग) से प्रतिस्थापित करता है, जबकि मानक विधियों के तुलनीय प्रदर्शन और काफी बेहतर मेमोरी दक्षता प्राप्त करता है।
यह शोधपत्र घरेलू सहायक रोबोटिक्स में 'काम टेक्नोलॉजी' (Calm Technology) के सिद्धांतों को एकीकृत करने का प्रस्ताव करता है ताकि गैर-दखलंदाजी वाले, सामंजस्यपूर्ण इंटरैक्शन को डिज़ाइन किया जा सके जो निजी घरेलू वातावरण के भीतर मानवीय समतुल्यता और नैतिक उत्तरदायित्व को प्राथमिकता देते हों।
Co-GLANCE विषम रोबोट टीमों के लिए एक वास्तविक समय (real-time), ऑनबोर्ड सिस्टम है जो विजन-लैंग्वेज मॉडल रीजनिंग को एक कुशल एंड-टू-एंड मॉडल में संकुचित करता है और धारणा संबंधी अनिश्चितता को मापने के लिए कॉन्फॉर्मल प्रेडिक्शन का उपयोग करता है, जिससे सांख्यिकीय रूप से वैध, सक्रिय धारणा सक्षम होती है जो सटीकता और लेटेंसी (latency) में क्लाउड-आधारित बेसलाइनों से काफी बेहतर प्रदर्शन करती है।
यह परिप्रेक्ष्य पत्र फाउंडेशन मॉडल-आधारित देखभाल रोबोटों की वर्तमान स्थिति की समीक्षा करता है, जो उपयोगकर्ता जुड़ाव को बढ़ाने में उनकी सफलता पर प्रकाश डालते हुए, सार्थक रोगी और वृद्ध देखभाल परिणाम प्रदान करने से पहले उनकी विश्वसनीयता, नैदानिक सत्यापन और वर्कफ़्लो एकीकरण में सुधार की महत्वपूर्ण आवश्यकता पर बल देता है।
यह शोध पत्र SHAPO को प्रस्तुत करता है, जो सुदृढीकरण शिक्षण (reinforcement learning) के लिए एक सुरक्षित अन्वेषण विधि है जो कम-अन्वेषित क्षेत्रों में रूढ़िवादी व्यवहार की ओर सीखने के लिए शार्पनेस-अवेयर पॉलिसी अपडेट्स को लागू करके एपिस्टेमिक अनिश्चितता (epistemic uncertainty) का लाभ उठाती है, जिससे निरंतर-नियंत्रण कार्यों (continuous-control tasks) में सुरक्षा और कार्य प्रदर्शन दोनों में सुधार होता है।