4700 पेपर
DynoJEPP एक नवीन फैक्टर-ग्राफ फ्रेमवर्क है जो निर्देशित कारकों (directed factors) को पेश करके गतिशील वातावरण में सुरक्षित नेविगेशन सुनिश्चित करता है ताकि प्रेडिक्शन और प्लानिंग से स्टेट एस्टीमेशन दूषित न हो, जबकि इसका कोऑपरेटिव विस्तार अन्य एजेंटों के व्यवहार को शामिल करके ट्राजेक्टरी प्लानिंग को और अधिक उन्नत बनाता है।
यह शोध पत्र एक वितरण रूप से सुदृढ़ सुरक्षा फ़िल्टरिंग ढांचे का प्रस्ताव करता है जो अनिश्चित वितरणों के तहत गैररेखीय प्रणालियों के लिए संभाव्यता आधारित सुरक्षा सुनिश्चित करता है, जिसे सुरक्षा प्रमाणन को एक-आयामी स्विचिंग-समय खोज में कम करके और परिमित-नमूना गारंटी के साथ एक नमूना-आधारित प्रक्रिया को नियोजित करके प्राप्त किया गया है।
यह शोध पत्र OCULAR प्रस्तुत करता है, जो एक कॉन्फॉर्मल प्रेडिक्शन-आधारित एल्गोरिदम है जो लीनियर गॉसियन डायनेमिक्स मॉडल्स के लिए नॉन-एसिम्प्टोटिक (non-asymptotic), डिस्ट्रीब्यूशन-फ्री अनसर्टेन्टी क्वांटिफिकेशन गारंटी प्रदान करने के लिए सिमेंटिक इमेज सूचना का लाभ उठाता है, जिससे पर्यावरण-विशिष्ट डेटा की आवश्यकता के बिना उच्च और निम्न अनिश्चितता वाले क्षेत्रों के बीच अंतर करके अनदेखे वातावरण में संभाव्य रूप से सुरक्षित नियोजन (probabilistically safe planning) सक्षम होता है।
यह शोधपत्र एक हाइब्रिड नियंत्रण ढांचे को प्रस्तुत करता है जो सेंसर-आधारित फीडबैक और स्टैटिक मॉडलिंग के माध्यम से स्थिति और बल को समवर्ती रूप से विनियमित करके वेरिएबल टोपोलॉजी ट्रस (VTT) प्रणाली के लिए विश्वसनीय ऑब्जेक्ट मैनिपुलेशन को सक्षम बनाता है, जैसा कि व्यक्तिगत मॉड्यूल और पूर्ण प्रणाली दोनों पर प्रयोगात्मक परिणामों द्वारा सत्यापित किया गया है।
D-VLA एक उच्च-समानांतरता (high-concurrency), कम-विलंबता (low-latency) वाला वितरित सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो प्लेन डिकपलिंग (plane decoupling), एक चार-थ्रेड एसिंक्रोनस "स्विमलेन" (Swimlane) पाइपलाइन और दोहरे-पूल VRAM प्रबंधन का उपयोग करता है ताकि प्रणालीगत बाधाओं को दूर किया जा सके और बिलियन और ट्रिलियन-पैरामीटर वाले विजन-लैंग्वेज-एक्शन मॉडलों के लिए उत्कृष्ट थ्रूपुट और स्केलेबिलिटी प्राप्त की जा सके।
यह शोध पत्र StereoNav को प्रस्तुत करता है, जो एक सुदृढ़ विज़न-लैंग्वेज-एक्शन फ्रेमवर्क है जो विज़न-एंड-लैंग्वेज नेविगेशन में सिमुलेशन-टू-रियल-वर्ल्ड अंतराल को दूर करने के लिए स्टीरियो विज़न और टार्गेट-लोकेशन प्रायर्स (Target-Location Priors) का लाभ उठाता है, जिससे स्केलिंग-आधारित दृष्टिकोणों की तुलना में कम पैरामीटर्स और कम प्रशिक्षण डेटा का उपयोग करते हुए जटिल वातावरण में बेहतर विश्वसनीयता के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह अध्ययन एक स्मृति-आधारित असेंबली कार्य के लिए मानव-रोबोट सहयोग में पैसिव (passive), रिएक्टिव (reactive) और प्रोएक्टिव (proactive) इंटरेक्शन मोडैलिटीज का मूल्यांकन करता है, जिसमें यह पाया गया कि हालांकि प्रोएक्टिव सहायता ने पूर्ण होने के समय को बढ़ा दिया, लेकिन यह अधिकांश प्रतिभागियों द्वारा सबसे अधिक पसंदीदा और सबसे उपयोगी मानी गई।
यह शोध पत्र मल्टी-UAV प्रणालियों के लिए एक विकेंद्रीकृत, हल्का और अनिश्चितता-जागरूक 3D स्थिति परिशोधन ढांचा प्रस्तावित करता है जो स्थानीय अनुमानों को सहप्रसरण (covariance), लिंक गुणवत्ता और सीखे गए विश्वास स्कोर द्वारा भारित पड़ोसी-साझा अवस्थाओं के साथ संलयित करके GNSS क्षरण और दुर्भावनापूर्ण नोड्स के विरुद्ध स्थानीयकरण मजबूती को बढ़ाता है, जबकि अनुकूलन योग्य पूर्व मुद्रास्फीति (prior inflation) और रेंज-संगति जांच के माध्यम से कोल्ड स्टार्ट और दोषपूर्ण प्रतिभागियों को स्पष्ट रूप से संभालता है।
AttenA+ एक प्लग-एंड-प्ले फ्रेमवर्क है जो प्रशिक्षण के दौरान गतिज रूप से महत्वपूर्ण, कम-वेग वाले खंडों को प्राथमिकता देने के लिए वेग-संचालित एक्शन अटेंशन (velocity-driven action attention) पेश करके रोबोटिक फाउंडेशन मॉडल्स को उन्नत करता है, जिससे बिना किसी अतिरिक्त पैरामीटर या संरचनात्मक संशोधनों के जटिल हेरफेर कार्यों पर प्रदर्शन में उल्लेखनीय सुधार होता है।
यह शोध पत्र एक सुदृढीकरण अधिगम (reinforcement learning) ढांचे को प्रस्तुत करता है जो प्रक्रियात्मक वातावरण निर्माण (procedural environment generation) को नीति आसवन (policy distillation) के साथ जोड़ता है ताकि विशेषज्ञ नीतियों से एक एकीकृत छात्र नीति में ज्ञान स्थानांतरित करके क्वाड्रुपेड रोबोटों को जटिल, संकीर्ण 3D टनल वातावरणों को मजबूती से पार करने में सक्षम बनाया जा सके।