4546 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि एक सस्ता, कम-रिज़ॉल्यूशन वाला टाइम-ऑफ-फ़्लाइट कैमरा एक कार्ट पर इनवर्टेड पेंडुलम को विश्वसनीय रूप से और सटीकता से स्थिर करने के लिए पर्याप्त फीडबैक प्रदान करता है, जो इस विश्वास को चुनौती देता है कि ऐसे सेंसर तेज़, अस्थिर गतिकी के सटीक नियंत्रण के लिए बहुत अधिक शोर वाले होते हैं।
VGP-Nav एक एकीकृत, मोनोकुलर विजन फ्रेमवर्क है जो दृश्य ज्यामिति को ग्राउंड-प्लेन बाधाओं (ground-plane constraints) से जोड़कर स्केल अस्पष्टता (scale ambiguity) को हल करता है, जिससे रोबोट महंगे मल्टी-सेंसर सेटअप पर निर्भर हुए बिना सटीक ग्लोबल लोकलाइजेशन और सघन, मेट्रिक-संगत बाधा धारणा (dense, metric-consistent obstacle perception) प्राप्त करने में सक्षम होते हैं।
यह शोध पत्र VAIC को प्रस्तुत करता है, जो एक विज़न-गाइडेड कंट्रोल फ्रेमवर्क है जो एक विशेषाधिकार प्राप्त टीचर पॉलिसी (privileged teacher policy) को केवल ऑनबोर्ड डेप्थ, प्रोप्रियोसेप्शन और डिकपल्ड वेलोसिटी कमांड्स पर निर्भर रहने वाली एक डिप्लॉयबल स्टूडेंट पॉलिसी में डिस्टिल करके ह्यूमनॉइड रोबोट्स को अनस्ट्रक्चर्ड वातावरण में चुस्त और विविध ऑब्जेक्ट इंटरैक्शन करने में सक्षम बनाता है।
KPGrasp एक स्केलेबल फ्लो-मैचिंग फ्रेमवर्क पेश करता है जो एक ऑल-यूक्लिडियन 3D हैंड-कीपॉइंट पैरामीट्राइजेशन को ट्रांसफॉर्मर मॉडल के साथ जोड़कर उच्च-गुणवत्ता वाले डेक्सट्रस ग्रैस्प्स उत्पन्न करता है, जो बिना किसी कॉन्टैक्ट लॉस या टेस्ट-टाइम रिफाइनमेंट पर निर्भर रहे सिमुलेशन बेंचमार्क पर अत्याधुनिक प्रदर्शन और सफल वास्तविक-दुनिया के परिनियोजन को प्राप्त करता है।
यह शोध पत्र केवल 2D बॉडी पोज़ से संचार संबंधी इरादे (communicative intent) को पहचानने के लिए एक नया डेटासेट प्रस्तुत करता है, वास्तविक समय में, कम लागत वाले ऑन-डिवाइस रोबोट संचार के लिए विभिन्न मॉडलों का बेंचमार्किंग करता है, और इन भविष्यवाणियों के लिए अनसुपरवाइज्ड विश्वसनीयता अनुमान प्रदान करने के लिए एक सेल्फ-कंसिस्टेंसी-आधारित मीट्रिक का प्रस्ताव करता है।
यह शोध पत्र गोल-सेट हाइंडसाइट रीलेबलिंग (GS-HER) को प्रस्तुत करता है, जो पारंपरिक हाइंडसाइट रीलेबलिंग का सामान्यीकरण करता है, जिससे प्राप्त अवस्थाओं (achieved states) को सटीक सिंगलटन अवस्थाओं के बजाय क्वेरी-परिभाषित लक्ष्य सेटों (query-defined goal sets) को संतुष्ट करने की अनुमति मिलती है, जिससे अप्रासंगिक आयामों द्वारा पूर्ण-अवस्था लक्ष्यों के बाधित होने पर ऑफलाइन रोबोट लर्निंग प्रदर्शन में सुधार होता है और एक ही मॉडल को बिना पुन: प्रशिक्षण के विविध लक्ष्य विधेयकों (goal predicates) का उत्तर देने में सक्षम बनाया जाता है।
यह शोध पत्र प्रकट करता है कि वर्ल्ड मॉडल (world models), रोबोट लर्निंग में अपनी उपयोगिता के बावजूद, एक गुप्त डेटा पॉइजनिंग भेद्यता (data poisoning vulnerability) उत्पन्न करते हैं जहाँ सुरक्षित टेलीऑपरेटेड डेटासेट में इंजेक्ट किए गए दुर्भावनापूर्ण प्रॉम्प्ट या समझौता किए गए डायनेमिक्स खतरनाक सिंथेटिक प्रशिक्षण डेटा उत्पन्न कर सकते हैं, जो अंततः असुरक्षित रोबोटिक नीतियों की तैनाती का कारण बनते हैं।
यह शोध पत्र एक स्केलेबल मोशन प्लानिंग पाइपलाइन प्रस्तुत करता है जो बड़े बेड़े के फ्लोटिंग रोबोट्स के लिए कोलिजन अवॉयडेंस (टक्कर से बचाव) को समानांतर इंटरेक्शन क्लस्टर्स में विभाजित करता है, जिससे 500 रोबोट्स तक के सिमुलेशन और वास्तविक दुनिया के डिप्लॉयमेंट में मान्य टक्कर-मुक्त प्रक्षेपपथों (ट्रैजेक्टरीज) का तेजी से निर्माण संभव हो पाता है।
यह शोधपत्र एक संरचना-संरक्षण अवशिष्ट शिक्षण ढांचे (structure-preserving residual learning framework) का प्रस्ताव करता है जो यूलर-लैग्रेंज गतिकी (Euler-Lagrange dynamics) को यांत्रिक रूप से बाधित जड़त्व (mechanically constrained inertia) और कोरिओलिस सुधारों के साथ-साथ एक विरल, ऑनलाइन-अनुकूलित लेटेंट इंटरेक्शन मॉडल में विभाजित करता है, जिससे भौतिक निरंतरता बनाए रखते हुए विभिन्न स्थितियों में रोबोटों के लिए भविष्यवाणी सटीकता और प्रक्षेपवक्र ट्रैकिंग (trajectory tracking) में वृद्धि होती है।
यह शोध पत्र ROSLaunchVisual प्रस्तुत करता है, जो WebGME पर निर्मित एक मॉडल-एकीकृत दृश्य वातावरण है जो टेक्स्ट-आधारित कॉन्फ़िगरेशन को एक सहज ग्राफिकल इंटरफ़ेस से बदलकर साइबर-फिजिकल सिस्टम में विकास दक्षता और सिस्टम की समझ में सुधार करके ROS लॉन्च फ़ाइलों के डिज़ाइन, सत्यापन और प्रबंधन को बढ़ाता है।