4700 पेपर
यह शोध पत्र MonoSpheres प्रस्तुत करता है, जो UAVs के लिए एक नवीन लार्ज-स्केल मोनोक्यूलर SLAM-आधारित अन्वेषण ढांचा है जो केवल एक एकल कैमरे का उपयोग करके अनस्ट्रक्चर्ड 3D वातावरण में सुरक्षित रूप से नेविगेट करने के लिए परसेप्शन-अवेयर मैपिंग और प्लानिंग को जोड़ता है, और बाहरी परिवेश में ऐसी क्षमताओं का पहला वास्तविक-विश्व प्रदर्शन प्राप्त करता है।
यह शोध पत्र रोबोटमीटर (Robometer) को प्रस्तुत करता है, जो एक स्केलेबल रिवॉर्ड मॉडलिंग फ्रेमवर्क है जो विविध विशेषज्ञ और उप-इष्टतम प्रक्षेप पथों (trajectories) से प्रभावी ढंग से सामान्यीकरण योग्य रिवॉर्ड फंक्शन सीखने के लिए बड़े पैमाने के RBM-1M डेटासेट पर प्रशिक्षित, फ्रेम-स्तरीय प्रगति पर्यवेक्षण (frame-level progress supervision) को प्रक्षेप पथ-तुलना प्राथमिकता शिक्षण (trajectory-comparison preference learning) के साथ जोड़ता है।
यह शोध पत्र HECTOR का प्रस्ताव करता है, जो एक मानव-केंद्रित पदानुक्रमित ढांचा है जो लचीले मानव-फ्लीट इंटरेक्शन के माध्यम से निरंतर, अनिश्चित टेम्पोरल कार्यों को संभालने के लिए डिज़ाइन किए गए तीन-स्तरीय आर्किटेक्चर के माध्यम से बड़े पैमाने पर रोबोटिक फ्लोट्स के कुशल पर्यवेक्षण और गतिशील समन्वय को सक्षम बनाता है।
यह शोध पत्र KiTe को प्रस्तुत करता है, जो एक काइनोडायनामिक प्लानर (kinodynamic planner) है जो अनिश्चितता के तहत लक्ष्य-प्राप्ति विश्वसनीयता में सुधार के लिए विश्वास स्थान (belief space) में एक सीखे गए टर्मिनल लागत (learned terminal cost) और वासरस्टीन दूरी (Wasserstein distance) के माध्यम से टर्मिनल-अवस्था की गुणवत्ता को अनुकूलित करता है, जबकि एसिम्प्टोटिक इष्टतमता (asymptotic optimality) बनाए रखता है और डेटा-संचालित अनिश्चितता मॉडलों का समर्थन करता है।
यह शोध पत्र WarmPrior को प्रस्तुत करता है, जो हालिया एक्शन हिस्ट्री से प्राप्त एक टेम्पोरली ग्राउंडेड प्रायर (temporally grounded prior) है, जो फ्लो-मैचिंग पॉलिसियों में मानक गॉसियन सोर्स (standard Gaussian source) को प्रतिस्थापित करता है ताकि अधिक सीधे संभाव्यता पथ (probability paths) उत्पन्न किए जा सकें, जिससे रोबोटिक मैनिपुलेशन कार्यों में सफलता दर, सैंपल दक्षता और अन्वेषण में निरंतर सुधार होता है।
यह शोध पत्र एक अनुकूली एर्गोडिक इमिटेशन फ्रेमवर्क (adaptive ergodic imitation framework) प्रस्तावित करता है जो पुनर्प्राप्त प्रदर्शनों (retrieved demonstrations) से एक लक्ष्य वितरण का निर्माण करता है ताकि ऐसी प्रक्षेपवक्र (trajectories) उत्पन्न की जा सकें जो ट्रैकिंग और अन्वेषण के बीच गतिशील रूप से इंटरपोलेट करने में सक्षम हों, जिससे रोबोटों को प्रशिक्षण-परिनियोजन विसंगतियों (training-deployment mismatches) से उबरने और पर्यावरणीय परिवर्तनों या अवलोकन त्रुटियों के बावजूद कार्यों को पूरा करने में सक्षम बनाया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि कम-रिज़ॉल्यूशन वाले एगोसेंट्रिक विज़न और रिलेटिव जॉइंट डेल्टा प्रेडिक्शन का उपयोग करके व्यवहार क्लोनिंग (behavior cloning), एक रोबोटिक आर्म के लिए आंशिक रूप से दृश्य वस्तु को पकड़ने से पहले स्वयं को केंद्र में करने के लिए पुन: व्यवस्थित होकर सक्रिय धारणा (active perception) सफलतापूर्वक करने के लिए पर्याप्त है।
यह शोध पत्र एक सुरक्षा-प्रतिबंधित सुदृढीकरण शिक्षण (reinforcement learning) ढांचे का प्रस्ताव करता है जो रोबोट नेविगेशन को सुदृढ़ बनाने के लिए प्रशिक्षण के दौरान 'कंडीशनल वैल्यू-एट-रिस्क' (CVaR) अनुकूलन को प्रशिक्षण के पश्चात न्यूरल नेटवर्क पहुंच योग्यता सत्यापन (reachability verification) के साथ जोड़ता है, यह प्रदर्शित करते हुए कि जोखिम-संवेदनशील नीतियां केवल औसत लागत मेट्रिक्स पर निर्भर विधियों की तुलना में बेहतर औपचारिक सुरक्षा मार्जिन और सिम-टू-रियल स्थानांतरण प्राप्त करती हैं।
MAPLE एक स्केलेबल, सिम्युलेटर-मुक्त फ्रेमवर्क है जो विजन-लैंग्वेज-एक्शन मॉडल्स के लेटेंट स्पेस में सुपरवाइज्ड फाइन-ट्यूनिंग और डाइवर्सिटी रिवार्ड्स के साथ रिइन्फोर्समेंट लर्निंग के माध्यम से रिएक्टिव, मल्टी-एजेंट क्लोज्ड-लूप ट्रेनिंग को सक्षम करके एंड-टू-एंड ऑटोनॉमस ड्राइविंग को बढ़ाता है।
यह शोधपत्र "डिस्टिल" (Distill) का प्रस्ताव करता है, जो मानव-रोबोट संचार इंटरफेस के लिए एक नवीन दृष्टिकोण है जो कार्य विशिष्टताओं में अनावश्यक चरणों को हटाकर, चरणों के अर्थों का सामान्यीकरण करके और क्रम संबंधी बाधाओं को शिथिल करके उपयोगकर्ता के इरादे को पकड़ने की क्षमता में सुधार करता है।