4829 पेपर
यह शोध पत्र मल्टीमॉडल सामाजिक और भावनात्मक बुद्धिमत्ता के माध्यम से रोबोट और एम्बॉडीड कन्वर्सेशनल एजेंट्स में सहानुभूति को लागू करने पर मौजूदा शोध की समीक्षा करता है, जिसका लक्ष्य इन अंतर्दृष्टि को चैटजीपीटी (ChatGPT) जैसे आधुनिक भाषा-आधारित एजेंटों पर लागू करना है।
यह शोध पत्र एक प्रीऑर्डर्ड मल्टी-ऑब्जेक्टिव MDP फ्रेमवर्क को एक नवीन क्वांटटाइल डोमिनेंस मीट्रिक के साथ प्रस्तुत करता है ताकि पदानुक्रमित सुरक्षा और प्रदर्शन उद्देश्यों का सम्मान करने वाला डिस्ट्रीब्यूशनल रिइन्फोर्समेंट लर्निंग सक्षम किया जा सके, जिसके परिणामस्वरूप पारंपरिक स्केलर-आधारित विधियों की तुलना में अधिक सुरक्षित और सुदृढ़ स्वायत्त ड्राइविंग नीतियां प्राप्त होती हैं।
यह शोध पत्र TRGS-SLAM प्रस्तुत करता है, जो एक IMU-सहायता प्राप्त 3D गॉसियन स्प्लेटिंग SLAM प्रणाली है जो मोशन ब्लर, रोलिंग शटर विरूपण और फिक्स्ड पैटर्न नॉइज़ को दूर करने के लिए विशेष रेंडरिंग और अनुकूलन तकनीकों को पेश करके चुनौतीपूर्ण थर्मल छवियों पर सटीक स्थानीयकरण और मैपिंग को विशिष्ट रूप से सक्षम बनाता है।
यह शोध पत्र GHOST प्रस्तुत करता है, जो एक स्केलेबल स्व-पर्यवेक्षित (self-supervised) विधि है जो डैशकैम वीडियो से बड़े पैमाने पर मोनोक्यूलर स्ट्रक्चर-फ्रॉम-मोशन प्रक्षेपवक्रों (trajectories) का लाभ उठाकर ग्राउंड-प्रोजेक्टेड स्थानिक मास्क उत्पन्न करती है, जिससे एक गहरे सेगमेंटेशन नेटवर्क को प्रशिक्षित करना सक्षम होता है जो बिना किसी मैनुअल एनोटेशन के जटिल शहरी वातावरण में व्यवहार्य वाहन पथ परिकल्पनाओं (vehicle path hypotheses) की भविष्यवाणी करता है।
यह शोध पत्र एक नॉलेज डिस्टिलेशन फ्रेमवर्क प्रस्तावित करता है जो एक मजबूत टीचर पॉलिसी से सीन-इनवेरिएंट डेप्थ और ओम्निव्यू ज्ञान को एक लाइटवेट मोनोक्यूलर स्टूडेंट पॉलिसी में स्थानांतरित करता है, जो प्रभावी रूप से मोबाइल रोबोटों के लिए सीन ट्रांसफरैबिलिटी, कंप्यूटेशनल संसाधनों और सेंसर लागत की सीमाओं को दूर करता है।
यह शोध पत्र RoboECC प्रस्तुत करता है, जो विजन-लैंग्वेज-एक्शन मॉडल्स के लिए एक नवीन एज-क्लाउड कोलाबोरेटिव परिनियोजन ढांचा है, जो संरचनात्मक विविधता और नेटवर्क उतार-चढ़ाव की चुनौतियों से निपटने के लिए एक मॉडल-हार्डवेयर को-अवेयर सेगमेंटेशन रणनीति और एक नेटवर्क-अवेयर एडजस्टमेंट दृष्टिकोण का उपयोग करता है, जिससे न्यूनतम ओवरहेड के साथ 3.28x तक की गति वृद्धि प्राप्त होती है।
Swim2Real एक नवीन पाइपलाइन पेश करता है जो विजन-लैंग्वेज मॉडल फीडबैक और बैकट्रैकिंग लाइन सर्च का लाभ उठाकर सीधे तैराकी के वीडियो से 16-पैरामीटर वाले रोबोटिक फिश सिम्युलेटर को स्वचालित रूप से कैलिब्रेट करता है, जो प्रभावी रूप से सिम-टू-रियल गैप को पाटता है और बिना किसी मैनुअल सिस्टम आइडेंटिफिकेशन के भौतिक जलीय रोबोटों के लिए ज़ीरो-शॉट रीइन्फोर्समेंट लर्निंग ट्रांसफर को सक्षम बनाता है।
यह शोध पत्र Glove2Hand प्रस्तुत करता है, जो एक नवीन 3D गॉसियन हैंड मॉडल और डिफ्यूजन-आधारित बहाली (रेस्टोरेशन) का उपयोग करके मल्टी-मोडल सेंसिंग ग्लव डेटा से फोटोरियलिस्टिक नग्न-हाथ (बेयर-हैंड) वीडियो को संश्लेषित करने वाला एक फ्रेमवर्क है, साथ ही यह कॉन्टैक्ट एस्टीमेशन और ऑक्लूडेड हैंड ट्रैकिंग जैसे डाउनस्ट्रीम अनुप्रयोगों को आगे बढ़ाने के लिए हैंडसेंस (HandSense) डेटासेट पेश करता है।
ऑर्बिटस्ट्रीम (OrbitStream) टेलीऑपरेशन में एडेप्टिव 360-डिग्री वीडियो स्ट्रीमिंग के लिए एक ट्रेनिंग-फ्री फ्रेमवर्क है जो डेटा-संचालित ट्रेनिंग की आवश्यकता के बिना प्रतिस्पर्धी क्वालिटी ऑफ एक्सपीरियंस और उच्च व्यूपोर्ट प्रेडिक्शन सटीकता प्राप्त करने के लिए सिमेंटिक सीन अंडरस्टैंडिंग को रोबस्ट कंट्रोल थ्योरी के साथ जोड़ता है।
यह शोध पत्र पेपर (Pepper) रोबोट के लिए एक ओपन-सोर्स एंड्रॉइड फ्रेमवर्क प्रस्तुत करता है जो पारंपरिक कैस्केड पाइपलाइनों की विलंबता (latency) और मल्टीमॉडल सीमाओं को दूर करने के लिए एंड-टू-एंड स्पीच-टू-स्पीच मॉडल्स और एजेंटिक फंक्शन कॉलिंग का उपयोग करता है, जिससे कम-विलंबता, अभिव्यंजक और पूर्णतः एकीकृत एम्बॉडीड इंटरैक्शन सक्षम होते हैं।