4653 पेपर
यह शोध पत्र Auto-Robotist को प्रस्तुत करता है, जो एक स्व-विकसित (self-evolving) LLM एजेंट है जो खोज के निशानों (search traces) को एक स्पष्ट, निरीक्षण योग्य प्राकृतिक-भाषा कौशल लाइब्रेरी में संकुचित (distill) करके स्मृतिहीन विकासवादी रोबोट डिजाइन को एक हस्तांतरणीय प्रक्रिया में बदल देता है, जिससे खोज दक्षता में उल्लेखनीय सुधार होता है और विभिन्न डिज़ाइन स्पेसों में सफल ज्ञान हस्तांतरण सक्षम होता है।
AgentGrounder एक ज़ीरो-शॉट 3D विज़ुअल ग्राउंडिंग फ्रेमवर्क है जो रंगीन पॉइंट क्लाउड्स पर सीधे काम करता है और एक ऑफलाइन ऑब्जेक्ट लुकअप टेबल को एक ऑनलाइन, टूल-संचालित एजेंट के साथ जोड़ता है जो उम्मीदवारों को चुनिंदा रूप से पुनर्प्राप्त करता है, ज्यामितीय स्कोरिंग करता है, और टास्क-विशिष्ट 3D प्रशिक्षण के बिना मजबूत ओपन-वोकेबुलरी लोकलाइज़ेशन प्राप्त करने के लिए ऑन-डिमांड इमेज रेंडरिंग को ट्रिगर करता है।
यह शोधपत्र LRDDv3 को प्रस्तुत करता है, जो एक उच्च-रिज़ॉल्यूशन डेटासेट है जिसमें विविध परिस्थितियों में लंबी दूरी से कैप्चर की गई ड्रोन्स की 1,00,000 से अधिक 4K RGB छवियों और लगभग 30,000 युग्मित (paired) थर्मल छवियों का संग्रह शामिल है, जिसे लंबी दूरी की ड्रोन पहचान क्षमताओं को उन्नत करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र AnyScene का प्रस्ताव करता है, जो एक एकीकृत ऑक्यूपेंसी-केंद्रित फ्रेमवर्क है जो किसी भी संदर्भ फ्रेम (reference frames) पर निर्भर हुए बिना, मनमाने BEV लेआउट से अत्यधिक नियंत्रणीय, उच्च-सटीक और टेम्पोरल रूप से सुसंगत मल्टी-व्यू ड्राइविंग वीडियो उत्पन्न करने के लिए एक स्पैटियल-टेम्पोरल ऑक्यूपेंसी डिफ्यूजन ट्रांसफॉर्मर और एक ज्योमेट्री-ग्राउंडेड व्यू एक्सपेंशन मॉड्यूल का लाभ उठाता है।
यह शोध पत्र EnDfuser को प्रस्तुत करता है, जो एक एंड-टू-एंड स्वायत्त ड्राइविंग प्रणाली है जो फ्यूज्ड परसेप्शन डेटा से उम्मीदवार प्रक्षेपवक्रों (कैंडिडेट ट्राजेक्टरीज) के वितरण को उत्पन्न करने के लिए एन्सेम्बल डिफ्यूजन का उपयोग करती है, जिससे अनिश्चितता-जागरूक निर्णय लेने में सक्षम होता है जो LAV बेंचमार्क पर ड्राइविंग प्रदर्शन और व्याख्यात्मकता में सुधार करता है।
यह शोध पत्र V-VLAPS का परिचय देता है, जो एक वैल्यू-गाइडेड प्लानिंग फ्रेमवर्क है जो विजन-लैंग्वेज-एक्शन (VLA) मॉडल्स को ऑफलाइन रोलआउट्स पर प्रशिक्षित एक हल्के वैल्यू हेड के साथ संवर्धित करता है ताकि मोंटे कार्लो रिटर्न्स का पूर्वानुमान लगाया जा सके, जिससे विशेष रूप से बड़े सर्च बजट का उपयोग करते समय, उच्च-वैल्यू वाली शाखाओं की ओर ट्री सर्च को निर्देशित करके लॉन्ग-होरिज़न रोबोटिक टास्क की सफलता दर में सुधार किया जा सके।
16 अध्ययनों का यह व्यवस्थित अवलोकन निष्कर्ष निकालता है कि जबकि टेलीऑपरेटेड एंडोवैस्कुलर रोबोटिक सिस्टम तकनीकी व्यवहार्यता और चिकित्सकों के संपर्क को कम करने तथा रोगी की पहुंच बढ़ाने के संभावित लाभ प्रदर्शित करते हैं, उनका नैदानिक सत्यापन पशु और फैंटम मॉडल पर निर्भरता के कारण सीमित बना हुआ है, जिसके लिए विविध परिवेशों में सुरक्षा और प्रभावकारिता की पुष्टि करने हेतु आगे के बहु-केंद्र परीक्षणों की आवश्यकता है।
यह शोध पत्र एक स्पार्स पॉइंट-क्लाउड एक्सपोर्ट पाइपलाइन जोड़कर डीप इवेंट विजुअल ओडोमेट्री (DEVO) फ्रेमवर्क का विस्तार करता है जो सिस्टम की आंतरिक 3D संरचना को विज़ुअलाइज़ेशन और आगे के प्रसंस्करण के लिए एक स्पष्ट ज्यामितीय प्रतिनिधित्व में परिवर्तित करता है, जिससे मूल ओडोमेट्री प्रदर्शन को बनाए रखते हुए बेंचमार्क डेटा पर उच्च स्थानीय सटीकता प्राप्त होती है।
एजेंटिक-वीएलए (Agentic-VLA) विजन-लैंग्वेज-एक्शन मॉडल्स के लिए एक कुशल ऑनलाइन अनुकूलन ढांचा है जो रोबोटिक मैनिपुलेशन बेंचमार्क पर सामान्यीकरण, नमूना दक्षता और क्रॉस-टास्क ट्रांसफर को महत्वपूर्ण रूप से सुधारने के लिए एडेप्टिव रिवॉर्ड सिंथेसिस, लैंग्वेज-गाइडेड एक्सप्लोरेशन और एक्सपीरियंस मेमोरी का लाभ उठाता है।
यह शोध पत्र प्रस्तावित करता है कि सक्रिय संवेदन (active sensing) मुख्य रूप से अनिश्चितता में कमी जैसे संवेदी लक्ष्यों द्वारा संचालित नहीं होता है, बल्कि एक सुदृढ़ कार्य-स्तरीय नियंत्रण के लिए एक आवश्यक रणनीति के रूप में उभरता है, जहाँ जीव संवेदी फीडबैक को आकार देने के लिए विविक्त "अन्वेषण" (explore) और "दोहन" (exploit) मोड के बीच स्विच करते हैं—एक जैविक सिद्धांत जो इंजीनियर की गई रोबोटिक प्रणालियों के डिज़ाइन को महत्वपूर्ण रूप से उन्नत कर सकता है।