4581 पेपर
यह शोध पत्र 'रीज़न-इमेजिन-एक्ट' (RIA) का प्रस्ताव करता है, जो एक क्लोज्ड-लूप फ्रेमवर्क है जो ऑनलाइन सुरक्षा सत्यापन को सक्षम करने और स्वायत्त ड्राइविंग में निर्णय लेने के प्रदर्शन को महत्वपूर्ण रूप से सुधारने के लिए एक लार्ज लैंग्वेज मॉडल रीज़नर को एक एक्शन-कंडीशन्ड वर्ल्ड मॉडल के साथ एकीकृत करता है।
यह शोध पत्र यह प्रदर्शित करता है कि एक ब्लैक-बॉक्स एक्चुएटर में कस्टम-डिज़ाइन किए गए, कम लागत वाले टॉर्सनल सीरीज़ इलास्टिक तत्व को रेट्रोफिट करने से गैर-रैखिकता (non-linearities) काफी कम हो जाती है, जिससे उच्च-सटीकता वाला बल मापन संभव होता है और मूल मोटर की तुलना में ओपन-लूप फोर्स कंट्रोल बैंडविड्थ में लगभग तीन गुना वृद्धि प्राप्त होती है, जबकि यह एक वाणिज्यिक फोर्स सेंसर की तुलना में बहुत कम लागत पर बेहतर प्रदर्शन करता है।
यह शोध पत्र ECo-MoE को प्रस्तुत करता है, जो एक स्केलेबल फ्रेमवर्क है जो रोबोटिक मॉर्फोलॉजी और कंट्रोल एक्सपर्ट्स के एक गेटेड मिक्सचर को सह-अनुकूलित (co-optimize) करता है ताकि कुशल, मॉड्यूलर विकास सक्षम किया जा सके जहाँ पूर्वज ज्ञान सुरक्षित रहता है और नए डिजाइनों को "इवो बाय डेमो" प्रक्रिया के माध्यम से प्रीट्रेन की गई पॉलिसियों द्वारा निर्देशित किया जा सकता है।
यह शोध पत्र एक बहु-मोडल (multimodal) ग्रहीय रोवर व्हील का परिचय देता है और प्रयोगात्मक रूप से इसका सत्यापन करता है जो निरंतर अपने ग्राउसर (grouser) की ऊंचाई को समायोजित करने में सक्षम है, यह प्रदर्शित करते हुए कि ऐसा अनुकूलन योग्य आकार पारंपरिक निश्चित-व्हील डिजाइनों की तुलना में विविध दानेदार भूभागों में फिसलन को काफी कम करता है और यात्रा दक्षता में सुधार करता है।
यह शोध पत्र IsaacIPC को प्रस्तुत करता है, जो एक रोबोटिक सिमुलेशन फ्रेमवर्क है जो वास्तविक समय में, यथार्थवादी रेंडरिंग और संपर्क-समृद्ध इंटरेक्शन को सक्षम करने के लिए IsaacSim के साथ GPU-त्वरित इंक्रीमेंटल पोटेंशियल कॉन्टैक्ट को एकीकृत करता है, जिसमें बेहतर स्पर्श संवेदन (tactile sensing) के लिए एक नवीन ज्योमेट्रिक मॉर्टर कॉन्टैक्ट पोटेंशियल (GMCP) शामिल है और इसे विभिन्न रिजिड-डेफॉर्मेबल रोबोटिक प्रणालियों में प्रदर्शित किया गया है।
RoboHitch एक नवीन फ्रेमवर्क है जो रोबोटों को एक डायनेमिक ग्राफ और क्रॉस-अटेंशन के साथ कनवल्शनल ऑटोएनकोडर के माध्यम से अव्यवस्थित 3D कीपॉइंट्स (keypoints) और RGB छवियों को संलयित करके मानव प्रदर्शनों से हिच नॉट (hitch knot) बांधना सीखने में सक्षम बनाता है, जिससे सटीक टोपोलॉजिकल ट्रैकिंग की आवश्यकता समाप्त हो जाती है और जटिल सेल्फ-ऑक्लूजन (self-occlusions) को सफलतापूर्वक संभाला जा सकता है।
यह शोध पत्र एक गणनात्मक रूप से कुशल, सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) से प्रेरित अनुकूल एडेप्टिव एल्गोरिदम स्विचिंग तंत्र का प्रस्ताव करता है जो प्रदर्शन एकत्रीकरण को स्थिर करने और विकसित होते परिवेशों में अन्वेषण (एक्सप्लोरेशन) और दोहन (एक्सप्लोइटेशन) को गतिशील रूप से संतुलित करने के लिए एक लेटेंट यील्ड मेट्रिक और आइलैंड मॉडल का उपयोग करता है।
यह शोध पत्र एक विजन-गाइडेड सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो सुपरवाइज्ड लर्निंग और करिकुलम फाइन-ट्यूनिंग की शामिल दो-चरणीय प्रशिक्षण प्रक्रिया के माध्यम से क्वाडकॉप्टर्स को अज्ञात, GNSS-रहित बाहरी वातावरण में स्वायत्त रूप से नेविगेट करने और बाधाओं से बचने में सक्षम बनाता है, जिससे सफल जीरो-शॉट सिम-टू-रियल ट्रांसफर प्राप्त होता है।
एलिवेटर-LIO एक सुदृढ़ लिडार-इनर्शल ओडोमेट्री फ्रेमवर्क है जो मोड-डिपेंडेंट कलमान फिल्टर के भीतर एक डीकप्ल्ड स्टेट-एस्टिमेशन मॉडल का उपयोग करके लिफ्ट यात्रा के दौरान निरंतर और सटीक रोबोट लोकलाइजेशन सुनिश्चित करता है, जो प्रभावी रूप से गैर-इनर्शियल मोशन को संभालता है और क्रॉस-फ्लोर नेविगेशन को सपोर्ट करने के लिए वर्टिकल ड्रिफ्ट को दबाता है।
यह शोध पत्र MuGen प्रस्तुत करता है, जो एक डेटा-संचालित ढांचा (framework) है जो वेक्टर-क्वांटाइज्ड ऑटोएनकोडर्स और टीचर-स्टूडेंट पॉलिसी डिस्टिलेशन का लाभ उठाकर ह्युमनॉइड रोबोट्स को विषम मोशन डेटा से विविध, अभिव्यंजक मानव-समान लोकोमोशन कौशल सीखने, प्रतिनिधित्व करने और निष्पादित करने में सक्षम बनाता है।