4829 पेपर
यह शोध पत्र "टास्क टोकन्स" (Task Tokens) को प्रस्तुत करता है, जो एक सुदृढीकरण लर्निंग (reinforcement learning) आधारित विधि है जो विशिष्ट कार्यों के लिए अवलोकनों (observations) को टोकन में मैप करने हेतु कार्य-विशिष्ट एनकोडर्स सीखकर, फ्रोजन बिहेवियर फाउंडेशन मॉडल्स को विशिष्ट कार्यों के अनुकूल बनाती है, जिससे मॉडल्स की सामान्यीकरण क्षमताओं और लचीलेपन को बनाए रखते हुए प्रदर्शन में सुधार होता है।
यह अध्ययन एक इम्प्लांटेबल ब्रेन-कंप्यूटर इंटरफेस का उपयोग करके एक टेट्राप्लेजिक (चारों अंगों के लकवाग्रस्त) व्यक्ति को एक फोर्ड मस्टैंग मैक-ई को दूरस्थ रूप से चलाने और मोटर-स्वस्थ प्रतिभागियों के समान गति और सटीकता के साथ जटिल शहरी वातावरण में नेविगेट करने में सक्षम बनाकर वास्तविक दुनिया के अनुप्रयोग में एक बड़ी सफलता प्रदर्शित करता है।
VG-Mapping अर्ध-स्थिर (semi-static) दृश्यों के लिए एक ऑनलाइन 3D गॉसियन स्प्लेटिंग सिस्टम है जो घनत्व विनियमन (density regulation) को अनुकूलन (optimization) से अलग करने के लिए एक भिन्नता-जागरूक घनत्व नियंत्रण रणनीति पेश करता है, जिससे मानचित्र अपडेट दक्षता और रेंडरिंग गुणवत्ता में सुधार होता है और एक नए सिंथेटिक और वास्तविक दुनिया के RGB-D डेटासेट के माध्यम से सार्वजनिक बेंचमार्क की कमी को दूर किया जाता है।
यह शोध पत्र पूर्ण विजुअल-इनर्शियल स्टेट्स के लिए एक संख्यात्मक रूप से स्थिर, क्लोज्ड-फॉर्म इनिशियलाइजेशन पद्धति प्रस्तुत करता है जो पारंपरिक ऑप्टिमाइज़ेशन-आधारित दृष्टिकोणों की तुलना में काफी कम विलंबता और कम्प्यूटेशनल लागत के साथ उच्च सटीकता प्राप्त करने के लिए स्मॉल-रोटेशन और कांस्टेंट-वेलोसिटी सन्निकटन का लाभ उठाता है।
यह शोध पत्र ETA-VLA का प्रस्ताव करता है, जो विजन-लैंग्वेज-एक्शन मॉडल्स के लिए एक कुशल फ्रेमवर्क है जो एक नवीन इंट्रा-एलएलएम स्पार्स एग्रीगेटर (Intra-LLM Sparse Aggregator) का उपयोग करता है ताकि टेक्स्टुअल मार्गदर्शन और टेम्पोरल कंसिस्टेंसी के आधार पर रेडंडेंट विजुअल टोकन्स को डायनामिकली प्रून किया जा सके, जिससे NAVSIM v2 बेंचमार्क पर उच्च ड्राइविंग प्रदर्शन बनाए रखते हुए कंप्यूटेशनल लागत को काफी कम किया जा सके।
यह शोध पत्र एक स्केलेबल, ओपन-सोर्स एंड-टू-एंड डीप रीइन्फोर्समेंट लर्निंग फ्रेमवर्क पेश करता है जो एक्टिव एसएलएएम (Active SLAM) की मौजूदा सीमाओं को दूर करने के लिए मैसिवली पैरेलल ट्रेनिंग का लाभ उठाता है, जिससे निरंतर एक्शन स्पेस और यथार्थवादी परिदृश्यों का समर्थन करते हुए प्रशिक्षण समय में काफी कमी आती है।
यह शोध पत्र एक गतिशील रिटारगेटिंग और नियंत्रण-निर्देशित सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) पाइपलाइन प्रस्तुत करता है जो यूनिट्री G1 ह्यूमनॉइड रोबोट को वास्तविक दुनिया के वातावरण में स्वायत्त बाधा निवारण के साथ 3.3 मीटर/सेकेंड तक उच्च गति, सहनशक्ति वाली दौड़ प्राप्त करने में सक्षम बनाता है।
यह शोध पत्र ENAP को प्रस्तुत करता है, जो एक द्वि-स्तरीय न्यूरो-सिंबोलिक ढांचा (bi-level neuro-symbolic framework) है जो विज़ुओमोटर प्रदर्शनों (visuomotor demonstrations) से एक व्याख्या योग्य मीली स्टेट मशीन (Mealy state machine) को अनुकूल रूप से इन्फर करता है ताकि एक निम्न-स्तरीय नियंत्रक (low-level controller) को निर्देशित किया जा सके, जिससे बिना किसी हस्तनिर्मित सिंबोलिक प्रायोरिटी (hand-crafted symbolic priors) या कार्य-विशिष्ट लेबल की आवश्यकता के, अत्याधुनिक एंड-टू-एंड नीतियों की तुलना में बेहतर सैंपल दक्षता और दीर्घ-अवधि कार्य प्रदर्शन प्राप्त होता है।
यह शोध पत्र विविध वातावरणों और रोबोट प्लेटफॉर्म्स में पांच अत्याधुनिक विज़ुअल नेविगेशन मॉडल्स का एक व्यापक वास्तविक मूल्यांकन प्रस्तुत करता है, जो यह प्रकट करता है कि उच्च सफलता दर के बावजूद, इन मॉडल्स को बार-बार होने वाली टक्करों, दोहराव वाले परिवेशों में संवेदी भ्रम (perceptual confusion), और वितरण परिवर्तनों (distribution shifts) के तहत प्रदर्शन में गिरावट का सामना करना पड़ता है, जिससे सरल लक्ष्य-प्राप्ति से परे मूल्यांकन मेट्रिक्स की आवश्यकता पर बल मिलता है।
यह शोध पत्र PiJEPA प्रस्तुत करता है, जो एक दो-चरणीय ढांचा (framework) है जो एक फाइन-ट्यून्ड पॉलिसी का उपयोग करके JEPA वर्ल्ड मॉडल पर MPPI प्लानिंग को वॉर्म-स्टार्ट करके भाषा-सशर्त विजुअल नेविगेशन को बेहतर बनाता है, जिससे मौजूदा विधियों की तुलना में बेहतर लक्ष्य-पहुंच सटीकता और निर्देश-अनुपालन निष्ठा प्राप्त होती है।