4223 पेपर
GE-Act 2.0 एक नवीन वर्ल्ड-एक्शन मॉडल है जिसे मैनिपुलेशन डेटा पर स्क्रैच से प्रशिक्षित किया गया है जो एक कंट्रोल-ओरिएंटेड ऑटोएनकोडर, एक सिंगल-स्टेप विजुअल प्लानर और नॉलेज-अलाइन्ड सिलेक्टिव ऑप्टिमाइजेशन के साथ एक इनवर्स डायनेमिक्स मॉडल को एकीकृत करता है, जो व्यापक स्केलिंग और क्रॉस-एम्बॉडिमेंटमेंट ट्रांसफर के माध्यम से विविध कार्यों और एम्बॉडिमेंट्स में महत्वपूर्ण ज़ीरो-शॉट सफलता प्राप्त करता है।
यह शोध पत्र एक अनुकूली लागत-संवेदनशील मशीन लर्निंग फ्रेमवर्क प्रस्तावित करता है जो श्रेणीगत गंभीरता और वास्तविक समय के भौतिक संदर्भ (जैसे वेग, निकटता और संवेदन अनिश्चितता) दोनों के आधार पर नेविगेशन विफलता भविष्यवाणियों को गतिशील रूप से भारित करता है, जो सिम्युलेटेड और वास्तविक दुनिया के रोबोट नेविगेशन परिदृश्यों में फिक्स्ड-वेटिंग बेसलाइनों की तुलना में छूटे हुए उच्च-जोखिम वाले आयोजनों और टकराव लागतों में महत्वपूर्ण कमी प्रदर्शित करता है।
यह शोधपत्र मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स का उपयोग करके समय-जागरूक सहायक नेविगेशन (time-aware assistive navigation) के लिए एक बड़े पैमाने के बेंचमार्क को प्रस्तुत करता है, जो यह प्रकट करता है कि हालांकि निर्देश तर्क (instruction reasoning) पर प्रत्यक्ष पर्यवेक्षण प्रदर्शन में महत्वपूर्ण सुधार करता है, फिर भी वर्तमान मॉडल महत्वपूर्ण टेम्पोरल रीजनिंग और सुरक्षा जागरूकता में संघर्ष करते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि क्लोज्ड-लूप ऑटोनॉमस ड्राइविंग में, कर्नेल डेंसिटी एस्टीमेशन वेटिंग के साथ संवर्धित एक क्रॉस-व्यू ट्रांसफॉर्मर-आधारित बर्ड्स-आई-व्यू प्रेडिक्शन मॉडल, रूट और इंटरसेक्शन जैसे ज्यामितीय रूप से महत्वपूर्ण फीचर्स को प्राथमिकता देकर बेहतर नेविगेशन सुरक्षा प्राप्त करता है, जो यह सिद्ध करता है कि ग्लोबल सेगमेंटेशन मेट्रिक्स वास्तविक ड्राइविंग प्रदर्शन के खराब प्रॉक्सी हैं।
यह शोध पत्र मोमेंट मैचिंग (moment matching) के माध्यम से PDA अपडेट चरण को एक समतुल्य लीनियर-गौसियन (linear-Gaussian) मेजरमेंट मॉडल में परिवर्तित करके, ऑप्टिमाइज़ेशन-आधारित SLAM में प्रोबेबिलिस्टिक डेटा एसोसिएशन (PDA) को एकीकृत करने की एक विधि प्रस्तावित करता है, जिससे एजेंट लोकलाइजेशन प्रदर्शन को बेहतर बनाने के लिए फॉल्स पॉजिटिव और फॉल्स नेगेटिव को प्रभावी ढंग से संभालना संभव हो जाता है।
यह शोध पत्र GLoRI प्रस्तुत करता है, जो एक क्लोज्ड-लूप होल-बॉडी कंट्रोलर है जो बिना फाइन-ट्यूनिंग के वास्तविक रोबोटों पर उच्च-सटीक, सामान्यीकरण योग्य ह्यूमनॉइड लोको-मैनिपुलेशन प्राप्त करने के लिए ग्लोबल-लोकल क्रॉस अटेंशन मैकेनिज्म के माध्यम से स्ट्रक्चर्ड ग्लोबल रेफरेंस फीडबैक को लोकल मोशन गाइडेंस के साथ एकीकृत करता है।
यह शोध पत्र FALCON-S को प्रस्तुत करता है, जो ज़मीन के निकट संचालित होने वाले फिक्स्ड-विंग एरियल रोबोट्स के लिए डिज़ाइन किया गया एक मॉड्यूलर, हाई-फिडेलिटी सिम्युलेटर है, जो उन्नत उड़ान नियंत्रण रणनीतियों के विकास और बेंचमार्किंग को समर्थन देने के लिए यथार्थवादी 6DoF भौतिकी, ग्राउंड-इफेक्ट एरोडायनामिक्स और GPU-त्वरित समानांतर निष्पादन को एकीकृत करता है।
यह शोध पत्र अंतरिक्ष यान डॉकिंग के लिए टर्मिनेशन-आधारित कंस्ट्रेंड रिइन्फोर्समेंट लर्निंग में एक "फिजिबिलिटी कोलैप्स" (व्यवहार्यता पतन) की पहचान और समाधान करता है, जहाँ एजेंट सुरक्षा बनाए रखने के लिए लक्ष्य क्षेत्रों से बचते हैं, और एक सहायक वैल्यू क्रिटिक के माध्यम से एक सघन सफलता संकेत पेश करता है जो सुरक्षा बाधाओं से समझौता किए बिना उच्च कार्य पूर्णता दर सुनिश्चित करता है।
यह शोध पत्र **DLS** का प्रस्ताव करता है, जो एक **फेलियर-बाउंड्री लर्निंग (Failure-Boundary Learning)** फ्रेमवर्क है, जो डिजिटल ट्विन रोलआउट्स और विशेषाधिकार प्राप्त सिम्युलेटर अवस्थाओं (privileged simulator states) का लाभ उठाकर विजन-लैंग्वेज-एक्शन मॉडल्स की मजबूती को बढ़ाता है, ताकि रिकवरेबल विचलन (recoverable deviations) और कार्य विफलता (task failure) के बीच की सीमा को खोजने, स्थानीयकृत करने और दिशात्मक रूप से आकार देने में सक्षम हो सके, जिससे यह मानक सुपरवाइज्ड फाइन-ट्यूनिंग और ऑनलाइन रीइन्फोर्समेंट लर्निंग बेसलाइन्स से बेहतर प्रदर्शन करता है।
IM-ENGINE एक सिम्युलेटर-ग्राउंडेड पाइपलाइन है जो स्केलेबल, सिमेंटिक रूप से अर्थपूर्ण और भौतिक रूप से निष्पादनीय सुपरविजन उत्पन्न करने के लिए इमेज एडिटिंग को एक इंटरमीडिएट रिप्रेजेंटेशन के रूप में उपयोग करती है, जो विशेष रूप से एम्बोडीड रोबोट लर्निंग के लिए डेक्सट्रस ग्रैस्प सिंथेसिस और गोल-स्टेट जनरेशन को सक्षम बनाती है।