4796 पेपर
SpaceDex एक पदानुक्रमित ढांचा (hierarchical framework) है जो मल्टी-व्यू स्थानिक तर्क के लिए विजन-लैंग्वेज मॉडल प्लानर को एक डीकप्ल्ड आर्म-हैंड कंट्रोल नेटवर्क के साथ जोड़ता है ताकि पारंपरिक टेबलटॉप बेसलाइन की तुलना में चुनौतीपूर्ण, अवरुद्ध टियर्ड वर्कस्पेस में सामान्यीकरण योग्य डेक्सट्रस ग्रैस्पिंग सफलता दरों में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र फिशर डिकरेटर (Fisher Decorator) का प्रस्ताव करता है, जो एक ज्यामितीय रूप से प्रेरित ऑफलाइन सुदृढीकरण शिक्षण (offline reinforcement learning) ढांचा है जो मौजूदा आइसोट्रोपिक नियमितीकरण की एनिसोट्रोपिक सीमाओं को दूर करने के लिए एक स्थानीय परिवहन मानचित्र (local transport map) और फिशर सूचना मैट्रिक्स (Fisher information matrix) के माध्यम से फ्लो-आधारित नीतियों को परिष्कृत करता है, जिससे सिद्ध इष्टतमता गारंटी (provable optimality guarantees) के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र क्रॉस टाइम डोमेन इंटेंशन-इंटरैक्टिव (CiT) का प्रस्ताव करता है, जो एक नवीन कंडीशनल ट्रजेक्टरी प्रेडिक्शन विधि है जो मानव-रोबोट इंटरेक्शन परिदृश्यों में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए क्रॉस-टाइम-डोमेन इंटेंशन करेक्शन के माध्यम से ईगो-एजेंट मोशन और आपसी सामाजिक निर्भरताओं को एकीकृत करता है।
यह शोध इस धारणा को चुनौती देता है कि पॉलिसी ग्रेडिएंट लर्निंग में डिफरेंशिएबल सिम्युलेटर्स के लिए विच्छिन्नता-प्रेरित पूर्वाग्रह (discontinuity-induced bias) प्राथमिक बाधा है, और यह प्रदर्शित करता है कि लाइटवेट एस्टिमेटर स्विचिंग (DDCG) और वेरिएंस नियंत्रण तकनीकें (IVW-H), पिछले पूर्वाग्रह-सुधार विधियों की तुलना में अधिक सुदृढ़ और सैंपल-कुशल समाधान प्रदान करती हैं।
यह शोध पत्र क्वाड्रोटर झुंडों (swarms) के लिए एक विकेंद्रीकृत सापेक्ष अवस्था अनुमान (decentralized relative state estimation) ढांचे को प्रस्तुत करता है जो प्रोपेलर की गति को ट्रैक करने के लिए इवेंट कैमरों का लाभ उठाता है, जो पारंपरिक मोनोक्यूलर कैमरा विधियों की विलंबता (latency), स्केल अस्पष्टता और दृश्य सीमाओं को दूर करने के लिए वास्तविक दुनिया की बाहरी उड़ानों से आवृत्ति और अभिविन्यास डेटा निकालता है।
VeriGraph एक नवीन ढांचा है जो विजन-लैंग्वेज मॉडल्स को सीन ग्राफ-आधारित सत्यापन के साथ एकीकृत करता है ताकि रोबोटिक एक्शन अनुक्रमों को पुनरावृत्ति से परिष्कृत और मान्य किया जा सके, जो बेसलाइन विधियों की तुलना में विविध मैनिपुलेशन परिदृश्यों में कार्य पूर्णता दरों में महत्वपूर्ण सुधार करता है।
यह शोध पत्र NMR को प्रस्तुत करता है, जो एक न्यूरल मोशन रिटारगेटिंग फ्रेमवर्क है जो गैर-उत्तल अनुकूलन (non-convex optimization) को क्लस्टर्ड एक्सपर्ट रिफाइनमेंट और एक CNN-Transformer आर्किटेक्चर का उपयोग करने वाले डेटा-संचालित, डायनेमिक्स-अवेयर दृष्टिकोण से बदल देता है ताकि ह्यूमनॉइड रोबोटों के लिए उच्च-निष्ठा (high-fidelity), टकराव-मुक्त मोशन संदर्भ उत्पन्न किए जा सकें, जिससे मानव-रोबोट एम्बॉडीमेंट अंतराल को पाटा जा सके और होल-बॉडी कंट्रोल लर्निंग को त्वरित किया जा सके।
यह शोध पत्र एक वन-शॉट क्रॉस-जियोमेट्री स्किल ट्रांसफर विधि प्रस्तावित करता है जो वस्तुओं को सिमेंटिक भागों में विभाजित करती है और इंटरैक्शन पॉइंट्स को सटीक रूप से संरेखित करने के लिए डेटा-कुशल जनरेटिव शेप मॉडल्स का लाभ उठाती है, जिससे रोबोट सिम्युलेटेड और वास्तविक दोनों वातावरणों में अपरिचित आकृतियों वाली वस्तुओं के लिए कौशल को सामान्यीकृत करने में सक्षम होते हैं।
न्यूरोमेश (NeuroMesh) एक एकीकृत, विकेंद्रीकृत न्यूरल इन्फरेंस फ्रेमवर्क है जो विविध रोबोट टीमों में सुदृढ़ सहयोगात्मक धारणा, नियंत्रण और कार्य आवंटन को सक्षम करने के लिए निष्पादन पाइपलाइन को मानकीकृत करके और जेनोह-आधारित (Zenoh-based) संचार का लाभ उठाकर मल्टी-रोबोट प्रणालियों में हार्डवेयर विषमता और संचार बाधाओं को संबोधित करता है।
यह शोध पत्र "डुअल-गेटकीपर" (Dual-gatekeeper) का प्रस्ताव करता है, जो सुरक्षित दोहरे नियंत्रण के लिए एक ऐसा ढांचा है जो सुरक्षा के औपचारिक गारंटियों और मिशन-स्तरीय लागत बजट के साथ सुदृढ़ नियोजन को सक्रिय अन्वेषण के साथ एकीकृत करता है, जिससे यह सुनिश्चित होता है कि अन्वेषण केवल तभी हो जब वह सुरक्षा से समझौता किए बिना या स्वीकार्य गिरावट से अधिक हुए बिना प्रदर्शन में सत्यापन योग्य सुधार करता हो।