4796 पेपर
MotionBricks एक स्केलेबल, रियल-टाइम जनरेटिव फ्रेमवर्क है जो मोशन सिंथेसिस में उद्योग की सीमाओं को दूर करने के लिए स्मार्ट प्रिमिटिव्स के साथ एक मॉड्यूलर लेटेंट बैकबोन को जोड़ता है, जो एनिमेशन प्रोडक्शन और रोबोटिक अनुप्रयोगों दोनों के लिए 15,000 FPS पर उच्च-गुणवत्ता वाला, मल्टी-मोडल नियंत्रण सक्षम करता है।
यह कार्य VISION-SLS प्रस्तुत करता है, जो एक स्केलेबल फ्रेमवर्क है जो उच्च-रिज़ॉल्यूशन वाली छवियों से नॉनलीनर आउटपुट फीडबैक के माध्यम से सुरक्षित, सुदृढ़ और रियल-टाइम नियंत्रण सक्षम करने के लिए सीखे गए लो-डायमेंशनल विजुअल रिप्रेजेंटेशन्स को सिस्टम-लेवल सिंथेसिस के साथ जोड़ता है, जो सिमुलेशन और हार्डवेयर प्रयोगों दोनों में बाधाओं की संतुष्टि सुनिश्चित करते हुए आंशिक अवलोकनीयता (पार्शियल ऑब्जर्वेबिलिटी) और सेंसर शोर को प्रभावी ढंग से संबोधित करता है।
यह शोधपत्र "लॉजिक ऑफ फजी पाथ्स" (Logic of Fuzzy Paths) को प्रस्तुत करता है, जो मोशन प्लानिंग के लिए एक नया टेम्पोरल लॉजिक है जो ज्यामिति को तर्क से अलग करने के लिए पथों को प्रथम श्रेणी के नागरिक (first-class citizens) के रूप में मानता है, जिससे सिग्नल टेम्पोरल लॉजिक जैसे मौजूदा ढांचों की तुलना में मानव उपयोगकर्ताओं के लिए अधिक सहज विशिष्टताएँ और प्रदर्शन से सीखने की बेहतर क्षमताएँ प्राप्त होती हैं।
यह शोधपत्र TEACAR को प्रस्तुत करता है, जो एक चार-स्तरीय डेक आर्किटेक्चर और ROS 2 पर आधारित एक मॉड्यूलर, ओपन-सोर्स, लघु-स्तरीय स्वायत्त ड्राइविंग प्लेटफॉर्म है, जो कठोर हार्डवेयर-इन-द-लूप मूल्यांकन के माध्यम से विजन-आधारित धारणा (परसेप्शन) और लर्निंग-आधारित नियंत्रण प्रणालियों को मान्य करने के लिए एक स्केलेबल और लागत प्रभावी टेस्टबेड प्रदान करता है।
यह शोध पत्र DiscreteRTC का प्रस्ताव करता है, जो एक ऐसा फ्रेमवर्क है जो फिजिकल एआई के लिए कुशल, फाइन-ट्यूनिंग-मुक्त एसिंक्रोनस निष्पादन को सक्षम करने के लिए डिस्क्रीट डिफ्यूजन पॉलिसियों की नेटिव अनमास्किंग क्षमता का लाभ उठाता है, जो मौजूदा फ्लो-मैचिंग-आधारित दृष्टिकोणों की तुलना में काफी उच्च सफलता दर और कम इन्फरेंस लागत प्राप्त करता है।
ProDrive एक वर्ल्ड-मॉडल-आधारित प्रोएक्टिव प्लानिंग फ्रेमवर्क है जो भविष्य के दृश्य विकास (scene evolution) की भविष्यवाणी करने और सीधे निर्णय लेने की प्रक्रिया को आकार देने के लिए एक ट्रैजेक्टरी प्लानर और बर्ड्स-आई-व्यू वर्ल्ड मॉडल को एंड-टू-एंड संयुक्त रूप से प्रशिक्षित करके ईगो-एनवायरनमेंट को-इवोल्यूशन प्राप्त करता है, जिससे यह NAVSIM बेंचमार्क पर सुरक्षा और दक्षता में रिएक्टिव बेसलाइन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र ASAP का प्रस्ताव करता है, जो एक अज़िमथ-प्राथमिकता आधारित स्ट्रिप-आधारित खोज दृष्टिकोण है, जो SRP-PHAT पद्धति के कम्प्यूटेशनल बोझ को कम करने के लिए अज़िमथ अनुमानों की उच्च विश्वसनीयता का लाभ उठाकर प्लेनर माइक्रोफ़ोन एरे के लिए 3D दिशा-आगमन अनुमान की दक्षता और वास्तविक समय के प्रदर्शन को बढ़ाता है।
यह शोध पत्र COMPASS प्रस्तुत करता है, जो एक विज़ुअल लोकलाइज़ेशन एल्गोरिदम है जो आर्किटेक्चरल फ्लोर प्लान (जो ज्यामिति और दीवारों तथा खिड़कियों जैसे सिमेंटिक फीचर्स को एनकोड करता है) से प्राप्त मल्टी-चैनल रेडियल डिस्क्रिप्टर को एक नवीन विंडो डिटेक्शन विधि का उपयोग करके फिशआई कैमरा इमेजरी से उत्पन्न संगत डिस्क्रिप्टर के साथ मिलान करके एक रोबोट के पोज़ का अनुमान लगाता है।
यह शोध पत्र एक सुदृढ़ ग्राफ मिलान दृष्टिकोण प्रस्तावित करता है जो पता लगाए गए ऑब्जेक्ट्स और संरचनात्मक तत्वों के बीच सिमेंटिक संबंधों को एकीकृत करके उम्मीदवार पत्राचारों (candidate correspondences) को फ़िल्टर करने और गणनात्मक दक्षता में सुधार करने के माध्यम से अस्पष्ट और सममित वातावरण में लोकलाइज़ेशन को बढ़ाता है।
GS-Playground एक उच्च-थ्रूपुट, विजन-केंद्रित सिमुलेशन फ्रेमवर्क है जो एक नवीन पैरेलल फिजिक्स इंजन को 3D गॉसियन स्प्लेटिंग रेंडरिंग और एक स्वचालित Real2Sim वर्कफ़्लो के साथ जोड़ता है ताकि कंप्यूटेशनल और एसेट-क्रिएशन की बाधाओं को दूर किया जा सके, जिससे एम्बोडीड एआई (embodied AI) के लिए बड़े पैमाने पर, फोटो-रियलिस्टिक प्रशिक्षण सक्षम हो सके।