4700 पेपर
यह अध्ययन प्रतिस्पर्धी रोबोटिक्स पर्यावरणीय स्थितियों के तहत विभिन्न ResNet बैकबोन के साथ RT-DETR को बेंचमार्क करता है, जिससे यह पता चलता है कि मध्यम-गहराई वाले मॉडल जैसे कि ResNet50 और ResNet34, इस आधार पर सटीकता, आत्मविश्वास और विलंबता (latency) के बीच इष्टतम संतुलन प्रदान करते हैं कि प्राथमिक चुनौती प्रकाश व्यवस्था या पृष्ठभूमि भिन्नता में से क्या है।
यह शोध पत्र नियंत्रित परिस्थितियों में विजन-लैंग्वेज-एक्शन मॉडल्स के लिए चार एसिंक्रोनस इन्फरेंस विधियों का एक व्यवस्थित तुलना प्रस्तुत करता है, जो यह प्रकट करता है कि लाइटवेट रेसिडुअल करेक्शन (A2C2), किनेटिक्स और लिबेरो बेंचमार्क पर अन्य विधियों से बेहतर प्रदर्शन करता है, जबकि ट्रेनिंग-टाइम डिले सिमुलेशन (TT-RTC) सबसे सुदृढ़ ज़ीरो-ओवरहेड समाधान प्रदान करता है।
यह शोध पत्र तर्क देता है कि सामान्य बुद्धिमत्ता का संरचनात्मक मॉडल (SMGI), रोबोटिक सर्विस ऑन्टोलॉजी (RoSO) को स्थिर अनुरूपता से आगे बढ़ाने के लिए आवश्यक औपचारिक शासन ढांचा प्रदान करता है, जो स्वीकार्य रनटाइम पुनर्गठन के मानदंड स्थापित करता है ताकि गतिशील परिवर्तनों के दौरान सेवा अर्थ विज्ञान (service semantics) सुरक्षित रहे।
यह शोध पत्र VF का प्रस्ताव करता है, जो एक एडेप्टिव अपडेट फ़िल्टरिंग तंत्र के साथ टेस्ट-टाइम ट्रेनिंग दृष्टिकोण है जो बिना किसी आर्किटेक्चरल संशोधन के विजुअल फोरसाइट विजन-लैंग्वेज-एक्शन मॉडल्स में आउट-ऑफ-डिस्ट्रीब्यूशन कमजोरियों को कम करने के लिए अनुमानित भविष्य की छवियों और वास्तविक अवलोकनों के बीच प्राकृतिक पर्यवेक्षण का लाभ उठाता है।
यह शोध पत्र एक मॉडल-रेफरेंस एडेप्टिव कंट्रोल आर्किटेक्चर प्रस्तुत करता है जो 95-मिलीग्राम बी++ (Bee++) कीट-स्तर के फ्लैपिंग-विंग एरियल व्हीकल के लिए उच्च-प्रदर्शन वाली पोजीशनल ट्रैकिंग को सक्षम बनाता है, जिसे वास्तविक समय के उड़ान प्रयोगों के माध्यम से सत्यापित किया गया है।
SceneFactory एक NVIDIA Isaac Sim पर आधारित GPU-वेक्टराइज़्ड स्वायत्त-ड्राइविंग सिमुलेशन प्लेटफॉर्म है जो आर्टिकुलेटेड वाहन गतिकी (articulated vehicle dynamics) और सड़क-स्थिति-निर्भर घर्षण के बैच प्रशिक्षण को सक्षम करके स्केलेबल समानांतरता (scalable parallelism) और उच्च-सटीक भौतिकी (high-fidelity physics) के बीच के अंतर को पाटता है, जिससे गैर-वेक्टराइज़्ड बेसलाइन की तुलना में काफी अधिक थ्रूपुट प्राप्त होता है और सरलीकृत किनेमैटिक मॉडलों की तुलना में बेहतर पॉलिसी ट्रांसफर और सुरक्षा प्रदर्शन प्रदर्शित होता है।
यह शोध पत्र REAP का प्रस्ताव करता है, जो एक सुदृढीकरण लर्निंग (Reinforcement Learning) आधारित एंड-टू-एंड स्वायत्त पार्किंग प्रणाली है जो कुशल प्रशिक्षण और सफल Real2Sim2Real स्थानांतरण प्राप्त करने के लिए सॉफ्ट एक्टर-क्रिटिक (Soft Actor-Critic), बिहेवियर क्लोनिंग (behavior cloning) और एक 3D गॉसियन स्प्लेटिंग (3D Gaussian Splatting) सिम्युलेटर का लाभ उठाता है, जो विशेष रूप से संकीर्ण मैकेनिकल पार्किंग स्लॉट जैसे चरम परिदृश्यों में उत्कृष्ट प्रदर्शन करता है।
यह शोध पत्र HULK को प्रस्तुत करता है, जो एक पदानुक्रमित ढांचा (hierarchical framework) है जो निरंतर उत्पन्न होने वाले और अनिश्चित टेम्पोरल कार्यों को संभालने के लिए सब-टीमों को रोलिंग टास्क असाइनमेंट के साथ डायनेमिक इंट्रा-टीम निष्पादन को इंटरलीव करके, कुशल और सुदृढ़ बड़े पैमाने पर मल्टी-एजेंट समन्वय को सक्षम बनाता है।
यह शोधपत्र यह प्रदर्शित करता है कि एक पूर्व-प्रशिक्षित वर्ल्ड मॉडल की लेटेंट ज्योमेट्री (latent geometry) को स्मूथनेस और यूनिफॉर्मिटी के लिए रेगुलराइज़ करके, लक्ष्य-उन्मुख नियोजन (goal-oriented planning) को एक हल्के इनवर्स-डायनामिक्स मैपिंग में अमोर्टाइज़ किया जा सकता है, जिससे इटरेटिव सर्च विधियों के तुलनीय या बेहतर प्रदर्शन प्राप्त होता है जबकि कम्प्यूटेशनल लागत को 100 गुना से अधिक कम किया जाता है।
यह शोध पत्र एक विज़ुओ-टैक्टाइल (visuo-tactile) डेटा संग्रह प्रणाली प्रस्तुत करता है जिसमें प्राकृतिक हैप्टिक फीडबैक के लिए एक डायरेक्ट-ड्राइव ग्रिपर और रीयल-टाइम टेम्पोरल एनोटेशन (temporal annotation) की सुविधा है, जिसे संपर्क-समृद्ध (contact-rich), मल्टीमॉडल प्रदर्शन उत्पन्न करने के लिए डिज़ाइन किया गया है जो उच्च-गुणवत्ता वाले कोर्स-टू-फाइन (coarse-to-fine) इमिटेशन लर्निंग को सक्षम बनाता है।