4796 पेपर
WaterSplat-SLAM एक नवीन मोनोक्यूलर अंडरवॉटर SLAM सिस्टम है जो बेहतर ट्रैकिंग और डेप्थ एस्टीमेशन के लिए सिमेंटिक मीडियम फ़िल्टरिंग को, साथ ही ऑनलाइन मीडियम-अवेयर गॉसियन मैप्स का उपयोग करने वाली सिमेंटिक-गाइडेड रेंडरिंग और एडेप्टिव मैप मैनेजमेंट रणनीति को एकीकृत करके सुदृढ़ पोज़ एस्टीमेशन और फोटो-रियलिस्टिक डेंस मैपिंग प्राप्त करता है।
ZeD-MAP एक वास्तविक समय का हवाई इमेजिंग फ्रेमवर्क है जो प्रोबेबिलिस्टिक इन्फरेंस और कम्प्यूटेशनल बाधाओं की सीमाओं को पार करते हुए, ज़ीरो-शॉट डिफ्यूज़न डेप्थ मॉडल्स के साथ इंक्रीमेंटल क्लस्टर-आधारित बंडल एडजस्टमेंट को एकीकृत करता है ताकि अल्ट्रा-हाई-रिज़ॉल्यूशन UAV इमेजरी से मेट्रिकली सुसंगत, सब-मीटर सटीक 3D मैपिंग प्राप्त की जा सके।
यह शोध पत्र पहले एंड-टू-एंड फ्रेमवर्क को प्रस्तुत करता है जो लीनियर टेम्पोरल लॉजिक (LTL) को डिफरेंशिएबल सिम्युलेटर्स के साथ एकीकृत करता है ताकि डिस्क्रीट ऑटोमेटन ट्रांज़िशन को सॉफ्ट, डिफरेंशिएबल रिवॉर्ड्स में बदलकर कुशल, ग्रेडिएंट-आधारित सुदृढीकरण लर्निंग (reinforcement learning) को सक्षम बनाया जा सके, जिससे औपचारिक शुद्धता को बनाए रखते हुए LTL की स्पर्सिटी (sparsity) संबंधी समस्याओं को दूर किया जा सके और जटिल निरंतर-नियंत्रण कार्यों (continuous-control tasks) पर प्रशिक्षण को महत्वपूर्ण रूप से त्वरित किया जा सके।
यह शोध पत्र एक सामान्य दो-स्तरीय अनुकूलन ढांचे (two-level optimization framework) को प्रस्तुत करता है जो स्वायत्त प्रणालियों की सुरक्षा, विश्वसनीयता और व्याख्यात्मकता को बढ़ाने के लिए निचले-स्तर के नियंत्रण, शास्त्रीय योजना और सुदृढीकरण लर्निंग (reinforcement learning) को सहक्रियात्मक रूप से एकीकृत करता है, जिसे विशेष रूप से एक शैलीबद्ध रोबोटिक देखभाल परिदृश्य के माध्यम से प्रदर्शित किया गया है।
यह शोध पत्र बैकअप CBF, मॉडल प्रेडिक्टिव शील्डिंग और गेटकीपर सेफ्टी फिल्टर्स की एक एकीकृत तुलनात्मक समीक्षा प्रदान करता है, जो उनके सैद्धांतिक संबंधों, एल्गोरिद्मिक अंतरों और बैकअप युद्धाभ्यास की व्यवहार्यता के संबंध में साझा रूढ़िवादिता को स्पष्ट करता है।
यह शोध पत्र एक लर्निंग-आधारित मोशन प्लानिंग फ्रेमवर्क प्रस्तावित करता है जो लक्ष्य-सशर्त (goal-conditioned) न्यूरल ODEs का उपयोग करता है, जिन्हें सभी-जोड़ों (all-pairs) नेविगेशन कार्यों के लिए वैश्विक घातांकीय स्थिरता (global exponential stability), सुरक्षा और स्पष्ट प्रदर्शन सीमाओं की गारंटी देने हेतु बी-लिप्सचिट्ज डिफ़ियोमॉर्फिज्म (bi-Lipschitz diffeomorphisms) के माध्यम से निर्मित किया गया है।
यह शोध पत्र एडवांटेज रिवॉर्ड मॉडलिंग (ARM) का प्रस्ताव करता है, जो एक लागत प्रभावी त्रि-अवस्था लेबलिंग रणनीति का उपयोग करता है ताकि पूर्ण प्रगति के बजाय सापेक्ष लाभ का अनुमान लगाया जा सके, जिससे शून्य के करीब मानवीय हस्तक्षेप के साथ लंबी अवधि के रोबोटिक हेरफेर कार्यों के लिए कुशल ऑफलाइन सुदृढीकरण शिक्षण (offline reinforcement learning) सक्षम हो सके।
यह शोध पत्र प्रकट करता है कि विजन-लैंग्वेज-एक्शन मॉडल्स को स्केल करना मौलिक रूप से "कंप्रेशन गैप" (Compression Gap) द्वारा सीमित है, जहाँ क्रियाओं का डिस्क्रीट टोकनाइजेशन (discrete tokenization) एक निश्चित सूचना बाधा उत्पन्न करता है जो बेहतर विजन एनकोडर से होने वाले प्रदर्शन लाभों को रोकने का काम करता है, जबकि निरंतर एक्शन रिप्रेजेंटेशन (continuous action representations) ऐसे सुधारों को प्रभावी ढंग से प्रसारित करने की अनुमति देते हैं।
यह शोध पत्र नेविस जेएससी (Navis JSC) ज़ीरो-स्पीड फिन रोल डैम्पिंग सिस्टम के लिए एक रैखिक नियंत्रण आर्किटेक्चर का प्रस्ताव और सत्यापन करता है, जो उच्च-सटीकता वाले सिमुलेशन के माध्यम से गैर-रैखिक ड्रैग बलों और एक्चुएटर सीमाओं को प्रबंधित करने में इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र भारी-भरकम पहियों वाले मोबाइल रोबोटों के लिए एक पदानुक्रमित नियंत्रण ढांचे को प्रस्तुत करता है जो बाधाओं के तहत स्थिर और विश्वसनीय संचालन सुनिश्चित करने के लिए सुरक्षा मानकों का पालन करते हुए एक उच्च-परिशुद्धता वाले डीप न्यूरल नेटवर्क को एक मॉडल-मुक्त सुदृढ़ अनुकूली नियंत्रक और दोहरी सुरक्षा परतों के साथ एकीकृत करता है, जैसा कि 6,000 किलोग्राम के रोबोट पर वास्तविक समय के प्रयोगों द्वारा सत्यापित किया गया है।