4796 पेपर
MoRI एक नवीन रोबोटिक मैनिपुलेशन फ्रेमवर्क है जो जटिल लॉन्ग-होराइजन कार्यों में उच्च सफलता दर, तीव्र अभिसरण (कन्वर्जेंस) और मानव हस्तक्षेप में महत्वपूर्ण कमी प्राप्त करने के लिए इमिटेशन लर्निंग और रिइन्फोर्समेंट लर्निंग विशेषज्ञों को गतिशील रूप से संयोजित करता है।
यह शोध पत्र ReaLiTy को पेश करता है, जो सेंसरों और प्रतिकूल मौसम की स्थितियों के बीच LiDAR डेटा को रूपांतरित करने के लिए एक एकीकृत भौतिकी-सूचित (physics-informed) ढांचा है, साथ ही LADS डेटासेट सुइट भी है, ताकि इंटेलिजेंट ट्रांसपोर्टेशन सिस्टम में व्यवस्थित विश्लेषण और सुदृढ़ अनुकूलन को सक्षम बनाया जा सके।
यह शोध पत्र AnySlot प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो एक स्पष्ट विजुअल गोल रिप्रजेंटेशन के माध्यम से लैंग्वेज ग्राउंडिंग को कंट्रोल से अलग करके, स्लॉट-लेवल रोबोटिक प्लेसमेंट में ज़ीरो-शॉट, सब-सेंटिमीटर प्रिसिजन प्राप्त करता है, जिसके साथ ऐसे स्ट्रक्चर्ड स्पेशियल रीजनिंग कार्यों के मूल्यांकन के लिए नया SlotBench बेंचमार्क भी दिया गया है।
यह शोध पत्र AWARE प्रस्तुत करता है, जो एक जैव-प्रेरित अनुकूलन ढांचा (bio-inspired adaptive framework) है जो सूचना प्राप्ति (information gain) को अधिकतम करने और विशेषता-दुर्लभ (feature-sparse) वातावरण में सुरक्षित एवं सटीक अवस्था अनुमान (state estimation) सुनिश्चित करने के लिए सुदृढीकरण लर्निंग-निर्देशित मॉडल प्रेडिक्टिव कंट्रोल रणनीति के माध्यम से पूरे-शरीर के यॉइंग (whole-body yawing) को गतिशील रूप से अनुकूलित करके मानव-इन-द-लूप यूएवी (UAV) संचालन के लिए लाइडा-इनर्शियल ओडोमेट्री (LiDAR-Inertial Odometry) को बढ़ाता है।
यह शोध पत्र **SocialLDG** का प्रस्ताव करता है, जो एक नवीन मल्टी-टास्क लर्निंग फ्रेमवर्क है जो उपयोगकर्ताओं की आंतरिक अवस्थाओं और दृश्यमान कार्यों के बीच विकसित होते संबंधों को मॉडल करने के लिए लेक्सिकल प्रायर्स (lexical priors) और डायनेमिक ग्राफ लर्निंग का लाभ उठाता है, जिससे रोबोट्स को अत्याधुनिक सामाजिक बुद्धिमत्ता, स्केलेबल टास्क लर्निंग और मानव निर्णय लेने की प्रक्रिया में व्याख्यात्मक अंतर्दृष्टि प्राप्त करने में सक्षम बनाया जा सके।
Fast-SegSim एक नवीन, वास्तविक समय का ओपन-वोकैबुलरी सेगमेंटेशन फ्रेमवर्क है जो 2D गॉसियन स्प्लेटिंग पर निर्मित है और सटीक टाइल इंटरसेक्शन (Precise Tile Intersection) तथा टॉप-के हार्ड सिलेक्शन (Top-K Hard Selection) जैसी अनुकूलित रेंडरिंग तकनीकों का उपयोग करता है ताकि 40 FPS से अधिक की गति प्राप्त की जा सके, जिससे उच्च-आवृत्ति वाले सिमुलेशन इनपुट सक्षम होते हैं और 3D-सुसंगत ग्राउंड ट्रुथ लेबल उत्पन्न होते हैं जो डाउनस्ट्रीम रोबोटिक परसेप्शन कार्यों में महत्वपूर्ण सुधार करते हैं।
Score-Flow एक नवीन स्कोर-आधारित सुदृढीकरण शिक्षण (reinforcement learning) फाइन-ट्यूनिंग विधि है जो फ्लो मैचिंग पॉलिसियों के लिए विकसित की गई है, जो स्कोर फंक्शन के माध्यम से ड्रिफ्ट को नियंत्रित करके ट्रांज़िशन मीन (transition mean) और वेरिएंस (variance) पर अलग-अलग नियंत्रण प्राप्त करती है, जिसके परिणामस्वरूप मौजूदा अत्याधुनिक दृष्टिकोणों की तुलना में रोबोटिक नियंत्रण कार्यों पर काफी तेज़ अभिसरण (convergence) और उच्च सफलता दर प्राप्त होती है।
यह शोध पत्र -Map प्रस्तुत करता है, जो एक रियल-टाइम पैनोप्टिक सरफेस मैपिंग फ्रेमवर्क है जो Real2Sim ट्रांसफर के लिए बड़े पैमाने के दृश्यों में उच्च-परिशुद्धता ज्यामितीय और सिमेंटिक पुनर्निर्माण प्राप्त करने हेतु LiDAR-प्रतिबंधित गॉसियन सर्फल्स (Gaussian surfels), क्वेरी-गाइडेड एंड-टू-एंड लर्निंग और अनुकूलित रेंडरिंग रणनीतियों को एकीकृत करता है।
यह शोध पत्र मेंन्टल मॉडल थ्योरी (मानसिक मॉडल सिद्धांत) पर आधारित गतिशील, आंशिक रूप से अवलोकन योग्य 3D वातावरण में एक मानव साथी की विश्व विश्वास अवस्था (world belief state) का अनुमान लगाने की एक विधि प्रस्तुत करता है, जिसे सुचारू मानव-रोबोट टीम वर्क और सक्रिय सहायता को सक्षम करने के लिए यथार्थवादी सिमुलेशन और वास्तविक दुनिया के रोबोट प्रयोगों के माध्यम से मान्य किया गया है।
यह शोध पत्र लेग्ड लोकोमोशन (legged locomotion) के लिए एक व्यावहारिक सिम्युलेटर अनुकूलन विधि प्रस्तुत करता है जो बिना किसी टाइम-अलाइन्ड मोशन कैप्चर या प्रिविलेज्ड सेंसिंग की आवश्यकता के, सिमुलेशन और हार्डवेयर डायनेमिक्स को संरेखित करने के लिए प्रोप्रियोसेप्टिव डिस्ट्रीब्यूशन मैचिंग का उपयोग करता है, जिससे न्यूनतम हार्डवेयर डेटा के साथ महत्वपूर्ण सिम-टू-रियल ट्रांसफर प्रदर्शन प्राप्त होता है।