4829 पेपर
GeoReformer एक ज्यामिति-जागरूक (geometry-aware) ट्रांसफॉर्मर आर्किटेक्चर है जो डिकोडर में स्पष्ट ज्यामितीय और संबंधात्मक इंडक्टिव बायस (inductive biases) को एम्बेड करके 3D लेन सेगमेंट डिटेक्शन और टोपोलॉजी रीजनिंग को बढ़ाता है, जिससे OpenLane-V2 बेंचमार्क पर अत्याधुनिक (state-of-the-art) प्रदर्शन प्राप्त होता है।
यह शोध पत्र T-800 को प्रस्तुत करता है, जो एक उच्च-बैंडविड्थ डेटा ग्लव सिस्टम है जो सिंक्रोनाइज़्ड 800 हर्ट्ज़ फुल-हैंड ट्रैकिंग करने में सक्षम है, जो सूक्ष्म मानवीय निपुणता (dexterity) को कैप्चर करने के लिए पिछले टेम्पोरल रेजोल्यूशन की सीमाओं को पार करता है और रोबोटिक मैनिपुलेशन के लिए सटीक किनेमैटिक रिटारगेटिंग को सक्षम बनाता है।
यह शोध पत्र DTP-Attack को प्रस्तुत करता है, जो एक व्यावहारिक निर्णय-आधारित ब्लैक-बॉक्स प्रतिकूल ढांचा (adversarial framework) है जो मॉडल के आंतरिक विवरणों या कठोर भौतिक बाधाओं की आवश्यकता के बिना, इरादों में हेरफेर करके और सटीकता को कम करके स्वायत्त वाहन प्रक्षेपवक्र भविष्यवाणी प्रणालियों (autonomous vehicle trajectory prediction systems) से प्रभावी रूप से समझौता करता है।
यह शोध पत्र एक आंशिक इमिटेशन लर्निंग फ्रेमवर्क प्रस्तावित करता है जो कार्ट धकेलने (cart pushing) के लिए लेग्ड रोबोट्स में एक सुदृढ़ लोकोमोशन पॉलिसी को स्थानांतरित करता है, जिससे केवल निचले शरीर की गतियों की नकल करने के लिए एक लोको-मैनिप्युलेशन पॉलिसी को प्रशिक्षित किया जाता है, जिससे विविध भूभागों और सिम्युलेटर्स में स्थिर और सटीक मोबाइल मैनिपुलेशन प्राप्त होता है।
यह शोध पत्र Ruka-v2 को प्रस्तुत करता है, जो एक पूर्णतः ओपन-सोर्स, टेंडन-ड्रिवन डेक्सट्रस हैंड है जो अपने पूर्ववर्ती के मुकाबले एक डिकपल्ड 2-DOF पैरेलल रिस्ट और फिंगर अबडक्शन/एडक्शन के साथ इसे उन्नत बनाता है, जिससे टेलीऑपरेशन और ऑटोनॉमस रोबोट लर्निंग दोनों के लिए कार्य पूर्ण करने के समय और सफलता की दर में महत्वपूर्ण सुधार होता है।
यह शोध पत्र TTSG का प्रस्ताव करता है, जो एक प्राकृतिक भाषा विवरण से यथार्थवादी, नियंत्रणीय और सुरक्षा-उन्मुख ट्रैफ़िक दृश्य उत्पन्न करने के लिए एक कसकर नियंत्रित पाइपलाइन के भीतर लार्ज लैंग्वेज मॉडल्स का लाभ उठाने वाला एक मॉड्यूलर फ्रेमवर्क है, जो मौजूदा विधियों की तुलना में टक्कर में कमी और ड्राइविंग एक्शन रीजनिंग में बेहतर प्रदर्शन प्राप्त करता है।
यह शोध पत्र स्वायत्त ड्राइविंग के लिए लार्ज लैंग्वेज मॉडल्स (LLM4AD) की अवधारणा प्रस्तुत करता है, उनकी क्षमताओं के मूल्यांकन के लिए एक व्यापक समीक्षा और बेंचमार्क प्रदान करता है, वाहन प्लेटफार्मों पर व्यापक वास्तविक-दुनिया के प्रयोग प्रस्तुत करता है, विजन-लैंग्वेज डिफ्यूजन जैसे भविष्य के रुझानों का अन्वेषण करता है, और सुरक्षा, विलंबता (लेटेंसी) और गोपनीयता सहित प्रमुख चुनौतियों पर चर्चा करता है।
यह शोध पत्र मैक्सिमम अ पोस्टीरियर एस्टीमेशन पर आधारित एक गणनात्मक रूप से कुशल संयुक्त मैग्नेटोमीटर-आईएमयू अंशांकन विधि प्रस्तुत करता है जो अत्याधुनिक दृष्टिकोणों की तुलना में उच्च सटीकता प्राप्त करता है और जड़त्वीय नेविगेशन प्रणालियों में स्थिति विचलन (पोजीशन ड्रिफ्ट) को काफी कम करता है।
यह शोध पत्र मल्टीसेंसरी डायनेमिक प्रीट्रेनिंग (MSDP) का प्रस्ताव करता है, जो एक सेल्फ-सुपरवाइज्ड फ्रेमवर्क है जो मजबूत मल्टीसेंसरी रिप्रजेंटेशन सीखने के लिए मास्क्ड ऑटोएनकोइंग का लाभ उठाता है और विविध व्यवधानों के तहत कॉन्टैक्ट-रिच रोबोट रिइन्फोर्समेंट लर्निंग को महत्वपूर्ण रूप से त्वरित और स्थिर करने के लिए एक एसिमेट्रिक एक्टर-क्रिटिक आर्किटेक्चर का उपयोग करता है।
यह शोध पत्र MAGNet को प्रस्तुत करता है, जो एक एकीकृत ऑटोरेग्रेसिव डिफ्यूजन फ्रेमवर्क है जो विभिन्न समूह आकारों में टाइटली सिंक्रोनाइज्ड और लूजली स्ट्रक्चर्ड सामाजिक परिदृश्यों को संभालने के लिए अंतर-एजेंट निर्भरताओं को स्पष्ट रूप से कैप्चर करके सुसंगत, अल्ट्रा-लॉन्ग मल्टी-एजेंट इंटरेक्शन सीक्वेंस को प्रभावी ढंग से मॉडल और जेनरेट करता है।