4796 पेपर
यह शोध पत्र एक कॉम्पैक्ट कीफ्रेम-अनुकूलित मल्टी-एजेंट गॉसियन स्प्लेटिंग SLAM फ्रेमवर्क प्रस्तुत करता है जो अनावश्यक 3D गॉसियन्स को हटाकर और बिना किसी प्रारंभिक अनुमान के केंद्रीकृत लूप क्लोजर करके संचार बैंडविड्थ को महत्वपूर्ण रूप से कम करता है, जिससे वास्तविक दुनिया में तैनाती के लिए मानचित्र की निष्ठा बनाए रखते हुए ट्रांसमिटेड डेटा में 85-95% की कमी आती है।
यह शोध पत्र अन्यग्रह अन्वेषण के लिए विषम रोबोटिक टीमों को कुशलतापूर्वक समन्वित करने हेतु मल्टी-एजेंट प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (MAPPO) का उपयोग करते हुए एक सहयोगात्मक नियोजन रणनीति प्रस्तुत करता है, जो वास्तविक समय में कार्य आवंटन और ऑनलाइन पुनर्रचना को सक्षम करने के लिए कम्प्यूटेशनल जटिलता को प्रशिक्षण समय की ओर स्थानांतरित करके शास्त्रीय एल्गोरिदम की स्केलेबिलिटी सीमाओं को संबोधित करता है।
यह शोध पत्र SoftAct को प्रस्तुत करता है, जो एक दो-चरणीय, बल-जागरूक (force-aware) रिटारगेटिंग फ्रेमवर्क है जो इमर्सिव वीआर (VR) प्रदर्शनों का लाभ उठाकर गैर-मानवशास्त्रीय (non-anthropomorphic) सॉफ्ट रोबोट हाथों को संपर्क बलों और ज्यामिति को स्पष्ट रूप से मॉडल करके मानव हेरफेर कौशल को सफलतापूर्वक पुनरुत्पादित करने में सक्षम बनाता है, जिससे यह सिमुलेशन और वास्तविक दुनिया के ज़ीरो-शॉट परिनियोजन (zero-shot deployment) दोनों में केवल काइनेमैटिक-आधारित बेसलाइन की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र मछली जैसे पानी के नीचे चलने वाले रोबोटों को एक हाइड्रोडायनामिक चैपलिगिन स्ले (hydrodynamic Chaplygin sleigh) के रूप में मॉडल करके उनके रोल अस्थिरता (roll instability) का विश्लेषण करता है, यह प्रदर्शित करते हुए कि उनकी आवधिक यॉ गति (periodic yaw motion) एक गैर-समांगी मैथ्यू समीकरण (nonhomogeneous Mathieu equation) द्वारा वर्णित पैरामीट्रिक रोल उत्तेजना को प्रेरित करती है, जो तैराकी की गति और रोल स्थिरता के बीच एक मौलिक समझौता (trade-off) प्रकट करती है।
यह शोध पत्र स्ट्रीमिंग डेटा से कूपमैन ऑपरेटर (Koopman operator) सीखने के लिए एक ऑनलाइन ढांचे का प्रस्ताव करता है जो नवीन गतिशील व्यवस्थाओं (dynamical regimes) की पहचान करने और उन्हें संग्रहीत करने के लिए ग्रासमैनियन दूरी (Grassmannian distance) का उपयोग करता है, जिससे आवश्यक डेटा और आधार फलनों (basis functions) को न्यूनतम करके मॉडल की सटीकता, सिस्टम क्रम और कम्प्यूटेशनल दक्षता को अनुकूलित रूप से अनुकूलित किया जाता है।
यह शोध पत्र स्टाइन-ऑप्टिमाइज्ड पाथ-इंटीग्रल इन्फरेंस (SOPPI) प्रस्तुत करता है, जो एक मॉडल प्रेडिक्टिव पाथ इंटीग्रल (MPPI) नियंत्रण विधि है जो स्टाइन वेरिएशनल ग्रेडिएंट डिसेंट को एकीकृत करके एक्शन डिस्ट्रीब्यूशन को गतिशील रूप से अनुकूलित करके प्रक्षेपवक्र नमूनाकरण (ट्रैजेक्टरी सैंपलिंग) को बेहतर बनाती है, जिससे कम कणों के साथ विभिन्न रोबोटिक प्रणालियों में प्रदर्शन और मजबूती में सुधार होता है।
यह शोध पत्र मास्क्ड IRL (Masked IRL) का प्रस्ताव देता है, जो एक ऐसा फ्रेमवर्क है जो प्राकृतिक भाषा निर्देशों से स्टेट-रेलेवेंस मास्क (state-relevance masks) को निकालने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे प्रदर्शनों (demonstrations) में अस्पष्टता दूर होती है और रोबोट के लिए रिवॉर्ड लर्निंग की सैंपल दक्षता, सामान्यीकरण और मजबूती में महत्वपूर्ण सुधार होता है।
यह शोध पत्र यह प्रकट करता है कि विजन-लैंग्वेज-एक्शन (VLA) मॉडल की व्यूपॉइंट ब्रिटलनेस (viewpoint brittleness) मुख्य रूप से भौतिक मॉडलिंग के बजाय स्थानिक मॉडलिंग मिसअलाइनमेंट (spatial modeling misalignment) से उत्पन्न होती है, और यह प्रदर्शित करता है कि फीचर टोकन मॉड्यूलेशन (Feature Token Modulation) और फीचर लीनियर अडैप्टेशन (Feature Linear Adaptation) जैसे हल्के, वन-शॉट अनुकूलन तरीके न्यूनतम पैरामीटर अपडेट के साथ सामान्यीकरण (generalization) को प्रभावी ढंग से बहाल कर सकते हैं।
यह शोध पत्र APIARY प्रयोग के सफल ऑन-ऑर्बिट प्रदर्शन का विवरण देता है, जिसने अंतर्राष्ट्रीय अंतरिक्ष स्टेशन पर नासा के एस्ट्रोबी फ्री-फ्लायर को नियंत्रित करने के लिए सुदृढीकरण लर्निंग (reinforcement learning) का उपयोग किया, जो अंतरिक्ष में तीव्र, स्वायत्त रोबोटिक व्यवहारों की क्षमता को प्रमाणित करता है।
यह शोध पत्र अंतर्राष्ट्रीय अंतरिक्ष स्टेशन पर नासा के एस्ट्रोबी फ्री-फ्लाइंग रोबोट के लिए सुदृढीकरण लर्निंग (रिनफोर्समेंट लर्निंग) आधारित स्वायत्त नियंत्रण के पहले ऑन-ऑर्बिट प्रदर्शन को प्रस्तुत करता है, जो एक नवीन सिमुलेशन-टू-रियलिटी प्रशिक्षण पाइपलाइन को प्रमाणित करता है जो जमीनी प्रशिक्षण और अंतरिक्ष तैनाती के बीच के अंतर को सफलतापूर्वक पाटता है।