4796 पेपर
यह शोध पत्र 'ट्री लर्निंग' (Tree Learning) का प्रस्ताव करता है, जो मानवोइड रोबोटों के लिए एक मल्टी-स्किल कॉन्टिनुअल लर्निंग फ्रेमवर्क है, जो कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) को रोकने और निर्बाध वास्तविक समय नियंत्रण सक्षम करने के लिए एक पदानुक्रमित पैरामीटर इनहेरिटेंस तंत्र और मल्टी-मोडल अनुकूलन का उपयोग करते हुए कुशलतापूर्वक नए कौशल प्राप्त करता है।
यह शोधपत्र E2E-Fly को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो डिफरेंशिएबल फिजिक्स लर्निंग, एक उच्च-प्रदर्शन सिम्युलेटर और एक व्यवस्थित सत्यापन पाइपलाइन को एकीकृत करके क्वाड्रोटर स्वायत्तता के लिए सिमुलेशन-टू-रियलिटी अंतराल को पाटता है ताकि भौतिक हार्डवेयर पर एंड-टू-एंड नियंत्रण नीतियों की ज़ीरो-शॉट तैनाती को सक्षम किया जा सके।
यह शोध पत्र दीर्घवृत्तीय थीटा फलनों (elliptic theta functions) का उपयोग करके टेट्राहेड्रा के एक लिंकेज तंत्र, कैलीडोसाइकिल (Kaleidocycles) के लिए आवधिक कक्षाओं (periodic orbits) का निर्माण करता है, जिससे पांच से अधिक टेट्राहेड्रा की किसी भी संख्या के लिए उनके अस्तित्व को सिद्ध किया जा सके और साथ ही सेमी-डिस्क्रीट mKdV और साइन-गोर्डन (sine-Gordon) समीकरणों जैसे समाकलनीय प्रणालियों (integrable systems) के साथ उनके संबंध को प्रदर्शित किया जा सके।
यह शोध पत्र एक नवीन, मानव-प्रेरित तीन-चरणीय करिकुलम लर्निंग फ्रेमवर्क प्रस्तावित करता है जो मजबूत क्वाड्रोटर स्थिरीकरण के लिए एंड-टू-एंड सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) की सैंपल दक्षता और अभिसरण गति में महत्वपूर्ण सुधार करता है, जिससे नीति (पॉलिसी) को यादृच्छिक प्रारंभिक स्थितियों से स्थिति और याव (yaw) को नियंत्रित करने में सक्षम बनाया जा सके और साथ ही सख्त प्रदर्शन विशिष्टताओं को भी पूरा किया जा सके।
यह शोध पत्र पहला वास्तविक दुनिया का दक्ष रोबोटिक पियानो बजाने वाला सिस्टम प्रस्तुत करता है जो वास्तविक दुनिया के डेटा के साथ सिमुलेशन मापदंडों को पुनरावृत्ति से परिष्कृत करने के लिए एक Sim2Real2Sim दृष्टिकोण का उपयोग करता है, जिससे कई रचनाओं में 0.881 का औसत F1-स्कोर प्राप्त होता है और पियानो बजाने को मानव-स्तर के हेरफेर के लिए एक सम्मोहक बेंचमार्क के रूप में स्थापित किया जाता है।
यह शोध पत्र हवाई रोबोटों के लिए एक सुदृढ़ इमेज-आधारित विजुअल सर्विंग विधि प्रस्तुत करता है जो मानव-निर्मित मार्करों की आवश्यकता को समाप्त करने और पर्यावरणीय चुनौतियों के विरुद्ध लचीलेपन में सुधार करने के लिए मोनोकुलर RGB कैमरा से डीप लर्निंग-आधारित कीपॉइंट डिटेक्शन का उपयोग करता है, जिसकी प्रभावशीलता को व्यापक भौतिकी-आधारित ROS Gazebo सिमुलेशन के माध्यम से सत्यापित किया गया है।
PRIX एक हल्का, कैमरा-ओनली एंड-टू-एंड ऑटोनॉमस ड्राइविंग फ्रेमवर्क है जो रॉ पिक्सेल से सीधे सुरक्षित प्रक्षेपवक्र (ट्रैजेक्टरीज) की भविष्यवाणी करने के लिए एक कॉन्टेक्स्ट-अवेयर रीकैलिब्रेशन ट्रांसफॉर्मर और एक जनरेटिव प्लानिंग हेड का उपयोग करता है, जो LiDAR-निर्भर या BEV-आधारित दृष्टिकोणों की तुलना में मॉडल के आकार और इन्फरेंस लागत को काफी कम करते हुए NavSim और nuScenes बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है।
TimeRewarder एक स्केलेबल विधि है जो फ्रेम-वार टेम्पोरल दूरियों को मॉडल करके पैसिव वीडियो से डेंस रिवॉर्ड सिग्नल सीखती है, जिससे सुदृढीकरण सीखने वाले (reinforcement learning) एजेंट स्पार्स-रिवॉर्ड रोबोटिक कार्यों पर उच्च सैंपल दक्षता के साथ और बिना मैनुअल रिवॉर्ड इंजीनियरिंग के लगभग पूर्ण सफलता प्राप्त करने में सक्षम होते हैं।
यह शोध पत्र दो कम लागत वाले, गैर-दृश्य जड़त्वीय चुंबकीय (Inertial Magnetic) SLAM सिस्टम प्रस्तावित और मूल्यांकित करता है जो चुनौतीपूर्ण वातावरण में सीमित-त्रुटि वाले 3D पोजिशनिंग और मैपिंग को प्राप्त करने के लिए IMU, मैग्नेटोमीटर एरे और बैरोमीटर का उपयोग करते हैं, जिसके प्रयोगात्मक परिणाम यह प्रदर्शित करते हैं कि एक टाइटली कपल्ड (tightly coupled) दृष्टिकोण लूजली कपल्ड (loosely coupled) दृष्टिकोण से बेहतर प्रदर्शन करता है।
यह शोध पत्र FlowHijack को प्रस्तुत करता है, जो एक नया -कंडीशन्ड इंजेक्शन स्ट्रैटेजी और डायनेमिक्स मिमिक्री रेगुलराइज़र को संयोजित करके फ्लो-मैचिंग विज़न-लैंग्वेज-एक्शन मॉडल्स के वेक्टर-फील्ड डायनेमिक्स का व्यवस्थित रूप से शोषण करने वाला पहला बैकडोर अटैक फ्रेमवर्क है, ताकि व्यवहारिक रूप से अविभेद्य ट्रिगर्स के साथ उच्च सफलता दर प्राप्त की जा सके।