4223 पेपर
यह शोध पत्र एक फ्रीहैंड स्केचिंग इंटरफ़ेस प्रस्तुत और मूल्यांकित करता है जो गैर-विशेषज्ञ उपयोगकर्ताओं को विशिष्ट ज्यामितीय आकृतियाँ बनाने के लिए रोबोट झुंडों (स्वार्म्स) को सहजता से प्रोग्राम करने में सक्षम बनाता है, जो रोबोटिक्स या प्रोग्रामिंग विशेषज्ञता की आवश्यकता के बिना एक मानव अध्ययन में उच्च उपयोगिता स्कोर प्राप्त करता है।
यह शोध पत्र ड्यूल-लेटेंट स्पेस रीइन्फोर्समेंट लर्निंग (DLSRL) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो एक फ्रोजन जनरेटर के माध्यम से प्रारंभिक-शोर स्टीयरिंग (initial-noise steering) को मध्यवर्ती विशेषता मॉड्यूलेशन (intermediate feature modulation) के साथ जोड़कर प्रीट्रेन्ड जेनरेटिव रोबोट नीतियों को बढ़ाता है, जिससे बेस पॉलिसी को अपडेट किए बिना कुशल ऑनलाइन अनुकूलन सक्षम होता है।
यह शोध पत्र पाथ-असेंबल्ड क्लोजर डिफरेंशियल मैपिंग (PACDM) फ्रेमवर्क प्रस्तुत करता है, जो एक मॉड्युलर दृष्टिकोण है जिसका उपयोग क्लोज्ड-चेन मैकेनिज्म में नॉनलीनियर क्लोजर कंस्ट्रेंट्स को हल करने के लिए किया जाता है, और यह उच्च-परिशुद्धता, गणनात्मक रूप से कुशल काइनेमैटिक रिडक्शन प्राप्त करने के लिए लॉगरिदमिक पाथ मिसमैच विश्लेषण को डिफेक्ट होमोटॉपी और प्रेडिक्टर-करैक्टर कंटीन्यूएशन के साथ जोड़ता है।
यह शोध पत्र SwarmNxt को प्रस्तुत करता है, जो OmniNxt ड्रोन पर आधारित एक ओपन-सोर्स सॉफ्टवेयर-हार्डवेयर प्लेटफॉर्म है, जो स्वायत्त हवाई झुंडों (autonomous aerial swarms) के लिए एक एंड-टू-एंड टूलकिट प्रदान करता है, जिसे उच्च-गति विकेंद्रीकृत टकराव बचाव (decentralized collision avoidance) और सामूहिक बाधा-सचेत उड़ान प्रदर्शित करने वाले वास्तविक प्रयोगों के माध्यम से प्रमाणित किया गया है।
CARLAverse एक ओपन-सोर्स, डिस्ट्रीब्यूटेड और मल्टीमॉडल सिमुलेशन फ्रेमवर्क है जो ड्राइविंग, साइकिलिंग और पैदल चलने वाले परिवेश को एकीकृत करता है ताकि एक नवीन लोकल-क्लाइंट/सेंट्रल-सर्वर आर्किटेक्चर के माध्यम से नेटवर्क बॉटलनेक्स से लेटेंसी-क्रिटिकल हैप्टिक फीडबैक को अलग करके स्केलेबल ह्यूमन-इन-द-लूप प्रयोगों को सक्षम बनाया जा सके।
यह शोध पत्र MaP-WAM, एक मेमोरी-एज़-प्लान्स फ्रेमवर्क पेश करता है जो मेमोरी-ग्राउंडेड प्लानिंग और प्लान-कंडीशन्ड एक्जीक्यूशन में मेमोरी-डिपेंडेंट मॉडलिंग को विभाजित करके जटिल रोबोटिक कार्यों की नॉन-मार्कोवियन प्रकृति को संबोधित करता है, और निरंतर इन्फरेंस लेटेंसी बनाए रखते हुए दोनों बेंचमार्क और रियल-रोबोट कार्यों पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए कॉम्पैक्ट एपिसोडिक मेमोरी रिप्रेजेंटेशन का उपयोग करता है।
यह शोध पत्र MC-DeTra प्रस्तुत करता है, जो DeTra मॉडल का एक ओपन-सोर्स पुनर्रूपण (reimplementation) है, जो पिछले मोशन, सामाजिक संदर्भ और इंटर-आउटपुट निरंतरता से प्राप्त केवल प्रशिक्षण-आधारित सहायक नुकसान (train-only auxiliary losses) को पेश करके बर्ड्स-आई-व्यू छवियों में मोशन-कंसिस्टेंट जॉइंट ऑब्जेक्ट डिटेक्शन और सामाजिक रूप से जागरूक प्रक्षेपवक्र पूर्वानुमान (trajectory forecasting) को बढ़ाता है, जिससे बिना किसी इन्फरेंस लेटेंसी को जोड़े वेमो ओपन डेटासेट पर डायनेमिक प्रेडिक्शन की सटीकता में सुधार होता है।
यह शोध पत्र ORCH को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो विषम एम्बोडीड (embodied) AI एजेंटों के लिए गतिशील रूप से पदानुक्रमित संरचनाओं का निर्माण करने हेतु मानवीय संगठनात्मक सिद्धांतों को लागू करता है, और यह प्रदर्शित करता है कि इस प्रकार का कार्य-विशिष्ट संगठन, उपयोग किए गए अंतर्निहित लैंग्वेज मॉडल की परवाह किए बिना, वाइल्डफायर-रिस्पॉन्स मिशनों में मौजूदा मल्टी-एजेंट दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करता है।
SEED-UMI एक नवीन इमिटेशन लर्निंग फ्रेमवर्क है जो कुशल डेक्सट्रस रोबोट प्रशिक्षण को सक्षम बनाता है क्योंकि इसमें मानव और रोबोट दोनों एक ही एक्सोस्केलेटन पहनते हैं, जिससे साझा जॉइंट मेजरमेंट्स और रिस्ट कैमरा व्यूज बनते हैं जो त्रुटिपूर्ण रिटारगेटिंग की आवश्यकता को समाप्त करते हैं और पॉलिसियों को सीधे रॉ, कॉन्टैक्ट-रिच प्रदर्शनों से सीखने की अनुमति देते हैं।
यह शोध पत्र एक गणनात्मक रूप से कुशल, डेटा-मुक्त एम्बॉडीड कंट्रोल पद्धति प्रस्तुत करता है जो वास्तविक समय में टास्क जैकोबियन अनुमान का उपयोग करके मानव रूपी रोबोटिक हाथों को जटिल मॉडलिंग, सिमुलेशन प्रशिक्षण या पूर्व-संग्रहित प्रदर्शनों की आवश्यकता को समाप्त करते हुए, सब-मिलीमीटर सटीकता के साथ तेजी से दक्ष इन-हैंड पेन राइटिंग सीखने और करने में सक्षम बनाता है।