4546 पेपर
यह शोध पत्र HOIST प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो वीआर (VR) टेलीऑपरेशन से इमिटेशन लर्निंग को सैंपल-एफिशिएंट रिइन्फोर्समेंट लर्निंग के साथ जोड़ता है ताकि ह्यूमनॉइड रोबोट्स को निलंबित, अंडरएक्टुएटेड भार को सटीक रूप से मैनिपुलेट और प्लेस करने में सक्षम बनाया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि विषम जॉइंट स्पेस वाले मोबाइल मैनिपुलेटर्स पर विजन-लैंग्वेज-एक्शन मॉडल्स को फाइन-ट्यून करने के लिए, कुल मीन स्क्वेयर्ड एरर (MSE) के बजाय प्रति-ग्रुप एरर के आधार पर चेकपॉइंट्स का चयन करना विशिष्ट जॉइंट विफलताओं को छिपाने से बचने और वास्तविक दुनिया के रोबोट प्रदर्शन को बेहतर बनाने के लिए महत्वपूर्ण है।
StressDream एक नवीन ढांचा है जो डिफ्यूजन-आधारित वीडियो वर्ल्ड मॉडल्स को उच्च-प्रभाव वाले, प्रशंसनीय भविष्य के परिणामों की ओर निर्देशित करता है, जो सिमेंटिक रीजनिंग और संभाव्यता बाधाओं के संयोजन के माध्यम से प्रारंभिक शोर (initial noise) को अनुकूलित करके किया जाता है, जिससे स्वायत्त प्रणालियों के लिए मजबूत नीति मूल्यांकन और सुधार सक्षम होता है।
यह शोध पत्र FAIR^2 Drones का प्रस्ताव करता है, जो एक एकीकृत मानक है जो पारिस्थितिकी (ecology), रोबोटिक्स और कंप्यूटर विज़न के बीच के अंतर को पाटता है, और लागतसाध्य वन्यजीव ड्रोन डेटासेट के विभिन्न विषयों में पुन: उपयोग और वैज्ञानिक मूल्य को अधिकतम करने के लिए मेटाडेटा और एनोटेशन विशिष्टताओं को एकीकृत करता है।
यह शोधपत्र ConstrainedMimic को प्रस्तुत करता है, जो एक रियल-टाइम, डिफरेंशिएबल कंट्रोल फ्रेमवर्क है जो ह्यूमनॉइड रोबोट्स पर टकराव से बचाव और जॉइंट लिमिट्स जैसे मनचाहे सुरक्षा प्रतिबंधों को उनके ट्रैकिंग प्रदर्शन से महत्वपूर्ण रूप से समझौता किए बिना लागू करने के लिए ऑपरेशनल स्पेस कंट्रोल और कंट्रोल बैरियर फंक्शन्स को सुदृढ़ीकरण लर्निंग (रिनफोर्समेंट लर्निंग) पॉलिसियों में एकीकृत करता है।
यह शोध पत्र ROG-Grasp को प्रस्तुत करता है, जो एक ज्यामिति-आधारित रोबोटिक फ्रेमवर्क है जो कृषि उत्पादों की विश्वसनीय, ओरिएंटेशन-जागरूक पकड़ और प्लेसमेंट प्राप्त करने के लिए RGB-D धारणा और रूट सतह विश्लेषण का लाभ उठाता है, जो विजन-लैंग्वेज-एक्शन नीतियों की तुलना में बेहतर सटीकता और गति प्रदर्शित करता है।
यह शोध पत्र एक नवीन एडेप्टिव पीडी (PD) कंट्रोलर प्रस्तावित करता है जो बाहरी बल या टॉर्क सेंसर की आवश्यकता के बिना, रोबोट की गतिज और स्थितिज ऊर्जा को गतिशील रूप से सीमित करके सुरक्षित भौतिक मानव-रोबोट संपर्क सुनिश्चित करता है, जबकि एक औपचारिक स्थिरता प्रमाण और TALOS रोबोट पर प्रयोगात्मक सत्यापन भी प्रदान करता है।
यह शोध पत्र एक निष्क्रिय, मोनोलिथिक कंप्लायंट ग्रैस्पिंग मैकेनिज्म पेश करता है जो विभिन्न आकारों और आकारों की वस्तुओं को स्वचालित रूप से घेरने और सुरक्षित रूप से पकड़ने के लिए एक एवरटिंग बिस्टेबल शेल का उपयोग करता है, जो वस्तुओं के अनुरूप होने के लिए अपनी भुजाओं में वितरित कंप्लायंस (compliance) पर निर्भर करता है और भुजाओं की कठोरता द्वारा निर्धारित पेलोड को सहारा देता है।
PaCo-VLA एक ऐसा फ्रेमवर्क है जो विजन-लैंग्वेज-एक्शन मॉडल्स में उच्च-स्तरीय सिमेंटिक रीजनिंग और सुरक्षित, उच्च-आवृत्ति वाले कॉन्टैक्ट कंट्रोल के बीच के अंतर को पाटता है, जो नेटवर्क आउटपुट्स को एक प्रमाणित रूप से पैसिविटी-शील्डेड रनटाइम कॉन्ट्रैक्ट द्वारा शासित टास्क-लेवल कंप्लायंस प्रपोजल्स के रूप में मानता है।
यह शोध पत्र मल्टी-रोबोट सिस्टम के लिए एक QoS-सचेत एडेप्टिव टास्क प्लेसमेंट (ATP) कंट्रोलर प्रस्तुत करता है जो वास्तविक समय के लेटेंसी और रिसोर्स मेट्रिक्स के आधार पर लोकल एक्ज़ीक्यूशन और एज ऑफलोडिंग के बीच टास्क प्लेसमेंट को गतिशील रूप से अनुकूलित करता है, और एक क्लोज्ड-लूप टेस्टबेड के माध्यम से यह प्रदर्शित करता है कि यह दृष्टिकोण स्ट्रेस और नेटवर्क फॉल्ट परिदृश्यों के तहत स्टैटिक ऑर्केस्ट्रेशन की तुलना में डेडलाइन उल्लंघन और टेल लेटेंसी को काफी कम कर देता है।