4700 पेपर
यह शोधपत्र CL-MARL को प्रस्तुत करता है, जो एक अनुकूलनशील पाठ्यक्रम शेड्यूलर (FlexDiff) को काउंटरफैक्चुअल ग्रुप एडवांटेज एल्गोरिदम (CGRPA) के साथ जोड़कर मल्टी-एजेंट सुदृढीकरण शिक्षण में स्थिर-कठिनाई प्रशिक्षण की सीमाओं को दूर करता है ताकि चुनौतीपूर्ण सहकारी कार्यों पर बेहतर प्रदर्शन और तेज़ अभिसरण प्राप्त किया जा सके।
यह शोध पत्र MADP को प्रस्तुत करता है, जो एक नवीन विकेंद्रीकृत मल्टी-एजेंट डिफ्यूजन पॉलिसी है जो कवरेज कंट्रोल के लिए समन्वित क्रियाएं उत्पन्न करने हेतु स्पैटियल ट्रांसफॉर्मर और पीयर-परसेप्चुअल एम्बेडिंग्स का लाभ उठाता है, जो विभिन्न स्वार्म डेंसिटी और पर्यावरणीय स्थितियों में अत्याधुनिक बेसलाइनों की तुलना में बेहतर सामान्यीकरण और प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र LIBERO+ का परिचय देता है, जो ऑब्जेक्ट-सेंट्रिक एनोटेशन वाला एक सूक्ष्म-स्तरीय (fine-grained) बेंचमार्क है, और SlotVLA, जो एक स्लॉट-अटेंशन-आधारित फ्रेमवर्क है जो कुशल, व्याख्यात्मक और प्रतिस्पर्धी मल्टीटास्क रोबोटिक मैनिपुलेशन प्राप्त करने के लिए कॉम्पैक्ट ऑब्जेक्ट-रिलेशन रिप्रेजेंटेशन्स का लाभ उठाता है।
यह शोध पत्र एक सार्वभौमिक, एगोस्टिक (agnostic) ड्रोन कमांड और कंट्रोल इंटरफेस प्रस्तुत करता है जो मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) का लाभ उठाकर लार्ज लैंग्वेज मॉडल्स (LLMs) को ड्रोन सिस्टम के साथ सहजता से एकीकृत करता है, जिससे LLMs को वैश्विक मैपिंग डेटा और सर्वव्यापी मावलिंक (Mavlink) प्रोटोकॉल से जोड़कर प्राकृतिक भाषा-संचालित उड़ान योजना और वास्तविक समय नेविगेशन सक्षम बनाया जा सके।
यह योगदान CLAMP को प्रस्तुत करता है, जो एक नवीन 3D प्री-ट्रेनिंग फ्रेमवर्क है जो सिम्युलेटेड और वास्तविक दुनिया के कार्यों में रोबोट मैनिपुलेशन पॉलिसियों की सैंपल एफिशिएंसी और प्रदर्शन को बेहतर बनाने के लिए मल्टी-व्यू पॉइंट क्लाउड्स और रोबोटिक एक्शन्स पर कंट्रास्टिव लर्निंग का लाभ उठाता है।
यह शोध पत्र एक संपर्क-जागरूक पैकिंग दृष्टिकोण प्रस्तुत करता है जो भौतिकी-जागरूक धारणा प्रणाली और एक संपर्क-आधारित बहु-वस्तु प्रक्षेपवक्र अनुकूलक का उपयोग करता है ताकि रोबोटों को आवश्यक स्थान बनाने के लिए मौजूदा वस्तुओं के साथ जानबूझकर परस्पर क्रिया करने और उन्हें पुनर्व्यवस्थित करने के माध्यम से आंशिक रूप से भरे हुए कंटेनरों में नई वस्तुओं को सफलतापूर्वक रखने में सक्षम बनाया जा सके।
यह शोध पत्र डायनेमिक डिकपल्ड स्फेरिक रेडियल स्क्वैशिंग (DD-SRad) को प्रस्तुत करता है, जो एक बाधा-संवर्धित सुदृढीकरण शिक्षण (reinforcement learning) विधि है जो स्थिति-अनुकूलित, प्रति-जोड़ त्रिज्याओं की गणना करके विषम एक्चुएटर दर सीमाओं और समदैशिक बाधाओं के बीच ज्यामितीय बेमेल को हल करती है, जिससे शून्य बाधा उल्लंघन, सटीक ग्रेडिएंट बैकप्रोपैगेशन, और सिमुलेशन एवं उच्च-निष्ठा वाले ह्यूमनॉइड रोबोट परिनियोजन दोनों में उत्कृष्ट कार्य प्रदर्शन प्राप्त होता है।
यह शोध पत्र यह सिद्ध करके कि ये अनंत-आयामी परिवर्तनशील समस्याएँ द्रव्यमान (masses), माध्य (means) और सहप्रसरण (covariances) पर अनुकूलन में सटीक न्यूनीकरण स्वीकार करती हैं, जो अक्सर सेमीडेफिनेट प्रोग्रामिंग और क्लोज्ड-फॉर्म अपडेट्स के माध्यम से हल की जा सकती हैं, गॉसियन वितरणों से जुड़ी असंतुलित इष्टतम परिवहन (unbalanced optimal transport) और असंतुलित घनत्व नियंत्रण (unbalanced density control) समस्याओं के लिए वैश्विक रूप से इष्टतम, परिमित-आयामी समाधान विधियाँ स्थापित करता है।
यह शोध पत्र मल्टी-टास्क ऑटोनॉमस ड्राइविंग परसेप्शन में फिक्स्ड थ्रेशोल्ड की सीमाओं को दूर करने के लिए एक एडेप्टिव थ्रेशोल्ड सिलेक्शन कार्यप्रणाली प्रस्तावित करता है और क्रॉस-कल्चरल व्याख्यात्मकता तथा ऑटोनॉमस वाहन प्रणालियों के अधिक सुदृढ़ मूल्यांकन को सक्षम करने के लिए IUST-XAI-AD डेटासेट पेश करता है।
यह शोध पत्र एक सुदृढ़ लो-थ्रस्ट रेंडेवूव गाइडेंस आर्किटेक्चर प्रस्तावित करता है जो एक कलमान फिल्टर को एडेप्टिव होमोटोपी-आधारित ऑप्टिमल कंट्रोल के साथ मजबूती से जोड़ता है, जो सेंसर डिग्रेडेशन के दौरान नियंत्रण रणनीति को एक रूढ़िवादी शासन (कंजर्वेटिव रिजीम) में गतिशील रूप से शिथिल करता है ताकि उप-मीटर टर्मिनल सटीकता प्राप्त की जा सके जहाँ पारंपरिक फिक्स्ड-एप्सिलॉन विधियाँ विफल हो जाती हैं।