4546 पेपर
SynthICL एक स्केलेबल फ्रेमवर्क है जो पूरी तरह से उच्च-सटीकता वाले RGB-ओनली सिंथेटिक डेटा से सामान्यीकरण योग्य इन-कॉन्टेक्स्ट इमिटेशन लर्निंग पॉलिसियों को प्रशिक्षित करता है, और बिना डेप्थ सेंसिंग, सटीक कैमरा कैलिब्रेशन, या वास्तविक दुनिया के प्रशिक्षण डेटा की आवश्यकता के, अनदेखे वास्तविक दुनिया के मैनिपुलेशन कार्यों पर 79% सफलता दर प्राप्त करता है।
यह शोधपत्र एक हल्का, सामान्य-उद्देश्य वाला शिक्षण ढांचा प्रस्तुत करता है जो वेग-निर्देशित नीतियों (velocity-commanded policies) और चरणबद्ध पाइपलाइनों की सीमाओं को दूर करके, ह्युमनॉइड रोबोटों को जटिल, गतिशील वातावरण में 3D फुटहोल्ड्स को सटीक रूप से और मजबूती से ट्रैक करने में सक्षम बनाता है, जिससे उन्नत लोको-मैनिपुलेशन कार्यों के लिए निर्बाध वास्तविक दुनिया के हस्तांतरण की सुविधा मिलती है।
यह शोध पत्र एक दो-परत (two-layer) इम्पीडेंस MPC ढांचे को प्रस्तुत करता है जो निरंतर मानव बलों के तहत 0.05 मिमी से कम स्थिर-अवस्था त्रुटि (steady-state error) प्राप्त करने के लिए विश्लेषणात्मक गतिशील रैखिकीकरण (analytical dynamic linearization) को एक उच्च-आवृत्ति वाले उत्तल QP (high-frequency convex QP) और एक संवर्धित कलमन फिल्टर (augmented Kalman filter) के साथ जोड़ता है, जबकि जोड़-सीमा सुरक्षा (joint-limit safety) सुनिश्चित करता है, जो एक 7-DOF फ्रैंका FR3 रोबोट पर शास्त्रीय इम्पीडेंस नियंत्रण की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र G2G पेश करता है, जो एक हल्का, फ्रोजन-फाउंडेशन-मॉडल दृष्टिकोण है जो विविध डेटासेट्स के बीच इमेज समूहों के बीच अत्याधुनिक रिलेटिव 6-DoF पोज़ एस्टीमेशन प्राप्त करने के लिए तीन ट्रेन करने योग्य मॉड्यूल के माध्यम से इंट्रा-ग्रुप ज्योमेट्री का लाभ उठाता है।
GraspFoM एक एकीकृत ढांचा है जो उच्च-निष्ठा वाले 3D पुनर्निर्माण और मल्टीमॉडल ग्रैस्प पोज़ भविष्यवाणी को संयुक्त रूप से अनुकूलित करने के लिए एक साझा ऑब्जेक्ट लेटेंट बनाने हेतु 3D फाउंडेशन प्रायर्स का लाभ उठाता है, जिससे न्यूनतम अतिरिक्त प्रशिक्षण योग्य मापदंडों के साथ अत्याधुनिक परिणाम प्राप्त होते हैं।
यह शोध पत्र GLOBE को प्रस्तुत करता है, जो एक हल्का ढांचा (lightweight framework) है जो शोर वाले घरेलू वातावरण में मजबूत और कुशल सक्रिय रोबोटिक सहायता प्राप्त करने के लिए n-ग्राम मार्कोव मॉडल को अनिश्चितता-निर्देशित LLM तर्क के साथ जोड़ता है, जिसे एक शोर वाले डेटासेट और एक वास्तविक दुनिया के मोबाइल मैनिपुलेटर पर प्रयोगों के माध्यम से मान्य किया गया है।
यह शोध पत्र Aco2 को प्रस्तुत करता है, जो एक कॉन्टेक्स्टुअल कॉन्ट्रास्टिव मेटा रीइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो एक क्वाड्रोटर को इंटरेक्शन हिस्ट्री से लेटेंट कॉन्टेक्स्ट का अनुमान लगाकर, बिना किसी रियल-वर्ल्ड फाइन-ट्यूनिंग के, परिवर्तनशील पेलोड डायनेमिक्स के अनुकूल होने और विविध हैंडल-युक्त वस्तुओं को स्वायत्त रूप से उठाने, ले जाने और वितरित करने में सक्षम बनाता है।
यह शोधपत्र क्लोज्ड-लूप ट्रेस डिस्टिलेशन (Closed-Loop Trace Distillation) प्रस्तुत करता है, जो प्रशिक्षण ट्रेस से प्राकृतिक-भाषा पठन ह्यूरिस्टिक्स (natural-language reading heuristics) को डिस्टिल करने की एक विधि है ताकि कच्चे वीडियो और प्रोप्रियोसेप्शन डेटा में लेटेंट प्रीकंडिशन्स (latent preconditions) को गलत पढ़ने की उनकी प्रवृत्ति को सुधारकर, एक्सप्लोरेटरी मैनिपुलेशन कार्यों के लिए मिनिमल-सक्सेस एक्शन चेन्स (minimal-success action chains) की भविष्यवाणी करने में फ्रोजन विजन-लैंग्वेज मॉडल्स की सटीकता को महत्वपूर्ण रूप से बढ़ाया जा सके।
FAWAM एक बल-जागरूक विश्व क्रिया मॉडल (force-aware world action model) है जो धारणा (perception), भविष्यवाणी (prediction) और क्लोज्ड-लूप निष्पादन (closed-loop execution) में 6-अक्षीय बल/टॉर्क संकेतों को एकीकृत करता है ताकि संपर्क विकास (contact evolution) को स्पष्ट रूप से मॉडल किया जा सके और ऑनलाइन क्रियाओं को परिष्कृत किया जा सके, जिससे विजन-ओनली और मौजूदा बल-जागरूक बेसलाइन की तुलना में संपर्क-समृद्ध रोबोटिक हेरफेर (contact-rich robotic manipulation) में काफी उच्च सफलता दर प्राप्त होती है।
HARBOR एक एजेंटिक फ्रेमवर्क है जो जटिल इंजीनियरिंग कार्यों को विशिष्ट, समानांतर एजेंट चरणों में विभाजित करके रोबोट्स के लिए एंड-टू-एंड सुदृढीकरण लर्निंग (reinforcement learning) वर्कफ़्लो को स्वचालित करता है, जिससे सिमुलेशन से वास्तविक दुनिया के अनुप्रयोगों में नीतियों को प्रशिक्षित करने और स्थानांतरित करने के लिए आवश्यक विशेषज्ञ प्रयास और लागत को काफी कम किया जा सकता है।