4796 पेपर
GCImOpt एक गणनात्मक रूप से कुशल ढांचा है जो प्रक्षेपवक्र अनुकूलन (trajectory optimization) और डेटा संवर्धन (data augmentation) के माध्यम से उत्पन्न उच्च-गुणवत्ता वाले डेटासेट पर न्यूरल नेटवर्क को प्रशिक्षित करके छोटे, उच्च-गति और निकट-इष्टतम लक्ष्य-सशर्त नीतियों (goal-conditioned policies) को सीखता है।
यह शोध पत्र S-Path प्रस्तुत करता है, जो एक स्थिति-जागरूक (situationally-aware) पाथ प्लानर है जो 3D सीन ग्राफ की मेट्रिक-सिमेंटिक संरचना का लाभ उठाकर प्लानिंग को समानांतर उप-समस्याओं में विभाजित करता है और पूर्व समाधानों का पुन: उपयोग करता है, जिससे अनुकूलता (optimality) और व्याख्यात्मकता (interpretability) बनाए रखते हुए प्लानिंग समय में छह गुना कमी आती है।
यह शोध पत्र MinkUNeXt-VINE को प्रस्तुत करता है, जो कम लागत वाले, विरल (sparse) इनपुट का उपयोग करके असंरचित अंगूर के बागों के वातावरण में मजबूत, वास्तविक समय के LiDAR प्लेस रिकग्निशन (स्थान पहचान) को प्राप्त करने के लिए मैट्रोशका रिप्रेजेंटेशन लर्निंग (Matryoshka Representation Learning) का उपयोग करने वाली एक हल्की (lightweight) डीप-लर्निंग विधि है।
यह शोध पत्र स्पेक्ट्रल कर्नेल फील्ड समीकरणों में संरक्षण नियमों की कमी को संबोधित करते हुए उनके आयतन-विस्तारकारी स्वभाव को सिद्ध करता है और इस कमी को पूरा करने के लिए एक विभेद गतिकी समीकरण व्युत्पन्न करता है, साथ ही ग्रहीय सतह ग्राफों के लिए एक सशर्त टोपोलॉजी-संरक्षण संपीड़न प्रमेय और जल निकासी नेटवर्क के लिए एक स्पेक्ट्रल नैदानिक भी स्थापित करता है।
यह शोध पत्र "प्लेनेटरी एक्सप्लोरेशन 3.0" का प्रस्ताव करता है, जो दूरस्थ, अनछुए बाहरी सौर मंडल में एकल मिशनों को स्वायत्त रूप से विकसित होने और अन्वेषणात्मक एवं परिकल्पना-संचालित विज्ञान दोनों संचालित करने में सक्षम बनाने के लिए ऑनबोर्ड इंटेलिजेंस वाले सॉफ्टवेयर-डिफ़ाइंड, आमूलचूल रूप से अनुकूलन योग्य अंतरिक्ष प्रणालियों का उपयोग करने वाला एक नया प्रतिमान है।
यह शोध पत्र Open-H-Embittment को प्रस्तुत करता है, जो 49 से अधिक संस्थानों और कई प्लेटफार्मों में फैले चिकित्सा रोबोटिक वीडियो और किनेमैटिक्स का सबसे बड़ा ओपन डेटासेट है, जो GR00T-H और Cosmos-H-Surgical-Simulator जैसे फाउंडेशन मॉडल्स के विकास को सक्षम बनाता है ताकि चिकित्सा रोबोटिक्स में अभूतपूर्व एंड-टू-एंड टास्क पूर्णता और मल्टी-एम्बॉडमेंट सिमुलेशन प्राप्त किया जा सके।
यह शोध पत्र एक हाइब्रिड मल्टी-रोबोट नियंत्रण ढांचे का प्रस्ताव करता है जो पथ (trajectory) प्रतिनिधित्व के लिए वेपॉइंट्स (waypoints) और मोशन व्यवहार्यता फीडबैक को प्रसारित करने के लिए एक करिकुलम-आधारित RLVR प्रशिक्षण रणनीति पेश करके अव्यवस्थित वातावरण में कार्य और गति नियोजन (task and motion planning) को संयुक्त रूप से अनुकूलित करता है, जो मौजूदा बेसलाइनों की तुलना में BoxNet3D-OBS बेंचमार्क पर बेहतर कार्य सफलता प्रदर्शित करता है।
यह शोध पत्र रोबोटिक मैनिपुलेटर्स में फुल-बॉडी डायनेमिक कोलिजन अवॉयडेंस (पूर्ण-शरीर गतिशील टकराव बचाव) के लिए एक ढांचे का प्रस्ताव करता है जो एक बफर्ड डोमेन पर पॉइसन समीकरण को हल करके एक ग्लोबली स्मूथ कंट्रोल बैरियर फंक्शन को संश्लेषित करता है, जिससे जटिल मल्टी-कन्स्ट्रेंट सुरक्षा आवश्यकताओं को एक एकल, गणनात्मक रूप से कुशल सेफ्टी फिल्टर में कम किया जा सके।
लव-वी-एल-ए (LoveVLA) "जनरेशन-फ्रॉम-नॉइज़" (शोर से सृजन) के बजाय "रिफाइनमेंट-फ्रॉम-इंटेंट" (इरादे से परिष्करण) प्रतिमान की ओर स्थानांतरित होकर एम्बॉडीड इंटेलिजेंस में स्पैटियोटेम्पोरल मिसमैच (स्थानिक-कालिक बेमेल) को संबोधित करता है, जो स्पेक्ट्रल विश्लेषण का उपयोग करके जनरेटिव पॉलिसियों को नियत लो-फ्रीक्वेंसी इंटेंट (निम्न-आवृत्ति इरादे) के साथ स्थिर करता है और एक स्टोकेस्टिक रेसिडुअल डिफ्यूजन ब्रिज के माध्यम से स्थानीय डायनेमिक्स को परिष्कृत करता है, जिससे सिमुलेशन और वास्तविक दुनिया के रोबोटिक कार्यों दोनों में मजबूत और कुशल प्रदर्शन प्राप्त होता है।
यह शोध पत्र टेम्पर्ड सीक्वेंशियल मोंटे कार्लो (TSMC) का प्रस्ताव करता है, जो एक सैंपलिंग-आधारित ढांचा है जो कंट्रोलर डिज़ाइन को इन्फरेंस के रूप में प्रस्तुत करता है ताकि डिफरेंशिएबल डायनेमिक्स के तहत ट्रैजेक्टरीज और पॉलिसियों को अनुकूलित किया जा सके, जिसमें एक KL-रेगुलराइज्ड, बोल्ट्ज़मैन-टिल्टेड वितरण से कुशलतापूर्वक नमूने लेने के लिए हैमिल्टोनियन मोंटे कार्लो रिजुवेनेशन के साथ एक एनीलिंग स्कीम का उपयोग किया गया है।