4581 पेपर
यह शोध पत्र एक जैव-प्रेरित सुदृढीकरण अधिगम (रिनफोर्समेंट लर्निंग) ढांचे को प्रस्तुत करता है जो नरम कृत्रिम सांपों को सरल भूभागों में लोकोमोशन प्रिमिटिव्स (संचलन मूल तत्वों) को सीखने और वास्तविक दुनिया के डेटा से पुनर्गठित जटिल, विषम 3D वातावरणों में मजबूती से नेविगेट करने के लिए उन्हें अनुकूल रणनीतियों में संयोजित करने में सक्षम बनाता है।
यह शोध पत्र Convex-Neural RRT* को प्रस्तुत करता है, जो एक लर्निंग-गाइडेड पाथ प्लानिंग एल्गोरिदम है जो न्यूरल प्रेडिक्शन्स से कॉनवेक्स कैंडिडेट क्षेत्रों को निकालता है ताकि मौजूदा न्यूरल और क्लासिकल सैंपलिंग-आधारित विधियों की तुलना में गणना समय को महत्वपूर्ण रूप से कम किया जा सके और उच्च सफलता दर बनाए रखते हुए पथ की गुणवत्ता में सुधार किया जा सके।
यह शोध पत्र प्रदर्शित करता है कि न्यूरल-गाइडेड सैंपलिंग एल्गोरिदम, विशेष रूप से न्यूरल इन्फॉर्म्ड RRT*, रोबोटिक नेविगेशन में शास्त्रीय RRT* की तुलना में काफी बेहतर प्रदर्शन करते हैं, जो गणना समय में मामूली वृद्धि के बावजूद, छोटे और अधिक सुगम पथ उत्पन्न करते हैं।
यह शोध पत्र एक हाइब्रिड कम्प्यूटेशनल फ्लूइड डायनेमिक्स और मल्टी-ऑब्जेक्टिव मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग फ्रेमवर्क प्रस्तुत करता है जो ग्रेडिएंट संघर्षों को हल करने के लिए PCGrad का उपयोग करके, उभरते हुए हाइड्रोडायनामिक व्यवहारों के माध्यम से अपस्ट्रीम प्रगति, ऊर्जा दक्षता और गति की सुगमता के एक साथ अनुकूलन को प्राप्त करते हुए, गतिशील, स्पंदित प्रवाहों में चुंबकीय रूप से संचालित माइक्रो-रोबोटिक झुंडों को सफलतापूर्वक समन्वित करता है।
यह समीक्षा सॉफ्ट न्यूमैटिक एक्ट्यूएटर्स को उनके चार प्राथमिक गति वर्गों (रैखिक, झुकना, घूमना और सर्वदिशीय) द्वारा वर्गीकृत करती है ताकि यह विश्लेषण किया जा सके कि विशिष्ट संरचनात्मक डिजाइन विकल्प प्रदर्शन संबंधी समझौतों को कैसे प्रभावित करते हैं और विविध रोबोटिक अनुप्रयोगों के लिए उपयुक्त तंत्र के चयन में कैसे मार्गदर्शन करते हैं।
यह शोध पत्र नॉन-लीनियर रैंडम मैट्रिक्स थ्योरी पर आधारित 'ग्रो-प्रून-फ्रीज' (GPF) नेटवर्क फ्रेमवर्क प्रस्तुत करता है, जो टर्बुलेंट प्लम कार्यों में 94% सफलता दर प्राप्त करने के लिए नेटवर्क परतों को गतिशील रूप से विकसित करने, छाँटने और फ्रीज करने के माध्यम से घ्राण नेविगेशन (olfactory navigation) के लिए अनुकूली निरंतर शिक्षण सक्षम करता है, साथ ही अन्य मशीन लर्निंग डोमेन में सामान्यीकरण की क्षमता भी प्रदर्शित करता है।
यह शोध पत्र MVCHead को प्रस्तुत करता है, जो एक नवीन सिंगल-शॉट स्टेट स्पेस मॉडल है जो बिना किसी मल्टी-व्यू डेटासेट, 3D सुपरविजन, या इंटरमीडिएट व्यू सिंथेसिस की आवश्यकता के, रैंडमली सैम्पल की गई 2D छवियों से सीधे उच्च-सटीक, मल्टी-व्यू कंसिस्टेंट 3D गॉसियन हेड अवतार उत्पन्न करता है।
FusionCore एक ओपन-सोर्स ROS 2 पैकेज है जो विविध NCLT डेटासेट अनुक्रमों में मानक robot_localization पैकेज की तुलना में काफी कम प्रक्षेपवक्र त्रुटियों और अधिक संख्यात्मक स्थिरता को प्राप्त करते हुए, एक उच्च-आवृत्ति ओडोमेट्री स्ट्रीम में IMU, व्हील एनकोडर, GPS और विजुअल SLAM डेटा को मजबूती से फ्यूज करने के लिए 23-स्टेट अनसेंटेड कलमन फ़िल्टर का उपयोग करता है।
यह शोध पत्र LiDAR-आधारित बर्ड्स आई व्यू ऑब्जेक्ट डिटेक्शन के लिए एक एंड-टू-एंड स्पाइकिंग न्यूरल नेटवर्क प्रस्तावित करता है जो पारंपरिक CNN की तुलना में ऊर्जा की खपत को काफी कम करते हुए KITTI बेंचमार्क पर उच्च सटीकता प्राप्त करता है, जो स्वायत्त ड्राइविंग के लिए कुशल न्यूरोमॉर्फिक धारणा की व्यवहार्यता को प्रदर्शित करता है।
यह शोध पत्र UWM-JEPA को प्रस्तुत करता है, जो एक प्रेडिक्टिव वर्ल्ड मॉडल है जो आंशिक रूप से प्रेक्षित वातावरणों में ब्लाइंड रोलआउट्स के दौरान अनिश्चितता को बनाए रखने के लिए डेंसिटी-मैट्रिक्स लेटेंट्स और यूनिटरी प्रेडिक्टर्स का उपयोग करता है, जो काउंटरफैक्चुअल एक्शन सेंसिटिविटी और फ्यूचर इमेजिनेशन कार्यों में वेक्टर-लेटेंट बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।