4829 पेपर
कॉर्टिकल पॉलिसी (Cortical Policy) एक नवीन ड्यूल-स्ट्रीम व्यू ट्रांसफार्मर है जो मानव मस्तिष्क द्वारा स्थिर और गतिशील दृश्य प्रसंस्करण के एकीकरण की नकल करता है ताकि रोबोटिक मैनिपुलेशन कार्यों में 3D स्थानिक तर्क और अनुकूली नियंत्रण को महत्वपूर्ण रूप से बढ़ाया जा सके।
यह शोध पत्र AlphaAdj प्रस्तुत करता है, जो एक वास्तविक समय का विजुअल नेविगेशन फ्रेमवर्क है जो एगोसेंट्रिक (egocentric) RGB इनपुट के आधार पर कंट्रोल बैरियर फंक्शन (Control Barrier Function) सुरक्षा फिल्टर की रूढ़िवादिता (conservativeness) को गतिशील रूप से समायोजित करने के लिए एक विजन-लैंग्वेज मॉडल का लाभ उठाता है, जिससे गतिशील वातावरण में फिक्स्ड-पैरामीटर दृष्टिकोणों की तुलना में सुरक्षा और दक्षता के बीच एक बेहतर संतुलन प्राप्त होता है।
यह शोध पत्र मल्टी-यूएवी (multi-UAV) परिशुद्ध कृषि प्रणालियों के लिए एक संरचित, स्वायत्त एंड-टू-एंड वास्तुशिल्प ढांचे का प्रस्ताव करता है जो दोष सहिष्णुता, मजबूती और तैनाती की सुगमता सुनिश्चित करने के लिए प्रमुख सीमाओं को संबोधित करते हुए पथ नियोजन और इमेज प्रोसेसिंग जैसे कार्यों का समन्वय करता है।
यह शोध पत्र HyReach प्रस्तुत करता है, जो एक वास्तविक समय का हाइब्रिड रिजिड-सॉफ्ट कॉन्टिनम मैनिपुलेटर सिस्टम है जो अनदेखे अव्यवस्थित वातावरण में 2 सेमी से कम की सटीकता के साथ सुदृढ़, सामान्यीकरण योग्य वस्तु पहुँच प्राप्त करने के लिए विजन-आधारित धारणा, 3D दृश्य पुनर्निर्माण और लर्निंग-आधारित नियंत्रण को एकीकृत करता है।
GaussianSSC एक दो-चरणीय, ग्रिड-नेटिव सिमेंटिक सीन कंप्लीशन फ्रेमवर्क है जो बेहतर इमेज-वॉक्सेल संरेखण के लिए गॉसियन एंकरिंग पेश करके और एनिसोट्रोपिक सतह गुणों को कैप्चर करने के लिए एक दिशात्मक गॉसियन-ट्रिपलेन रिफाइनमेंट मॉड्यूल को शामिल करके वॉक्सेल-आधारित निरूपणों को बढ़ाता है, जिससे SemanticKITTI बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र CataractSAM-2 को प्रस्तुत करता है, जो सेगमेंट एनीथिंग मॉडल 2 पर आधारित एक डोमेन-अनुकूलित मॉडल है, जो मोतियाबिंद सर्जरी के वीडियो के वास्तविक समय में, उच्च-सटीक विभाजन को सक्षम बनाता है और एक संवादात्मक ढांचे के माध्यम से स्केलेबल ग्राउंड-ट्रुथ एनोटेशन की सुविधा प्रदान करता है, जबकि अन्य नेत्र संबंधी प्रक्रियाओं के लिए मजबूत ज़ीरो-शॉट सामान्यीकरण प्रदर्शित करता है।
यह शोध पत्र BiPreManip को प्रस्तुत करता है, जो एक विजुअल अफोर्डेंस-आधारित फ्रेमवर्क है जो रोबोट्स को अंतिम लक्ष्य का पूर्वानुमान लगाकर और उन वस्तुओं को संभालने के लिए असममित द्विपक्षीय (asymmetric bimanual) क्रियाओं को समन्वित करके सहयोगात्मक तैयारी संबंधी हेरफेर (collaborative preparatory manipulation) करने में सक्षम बनाता है जिन्हें सीधे पकड़ना या हेरफेर करना कठिन होता है।
यह शोध पत्र एक इनएक्सैक्ट-प्रोजेक्शन ADMM एल्गोरिदम प्रस्तावित करता है जो एक डिफरेंशिएबल सरोगेट ट्रैजेक्टरी मॉडल का उपयोग करके पूर्व-निर्धारित मार्गों पर मल्टी-एजेंट सिस्टम के लिए वेपॉइंट पैसेज टाइम्स को अनुकूलित करता है, जो इंटिजर सीक्वेंसिंग वेरिएबल्स पर निर्भर किए बिना टकराव-मुक्त और समय-कुशल शेड्यूल्स उत्पन्न करने के लिए परिणामी नॉनकॉन्वेक्स वेलोसिटी-शेड्यूलिंग समस्या को प्रभावी ढंग से हल करता है।
यह शोध पत्र "ThinkJEPA" का प्रस्ताव करता है, जो एक नवीन ढांचा है जो सूक्ष्म-स्तरीय गति भविष्यवाणी के लिए एक डेंस (dense) JEPA शाखा को दीर्घ-अवधि के सिमेंटिक मार्गदर्शन के लिए एक यूनिफॉर्मली सैम्पल्ड (uniformly sampled) VLM "थिंकर" शाखा के साथ एकीकृत करके लेटेंट वर्ल्ड मॉडल्स को उन्नत करता है, जिससे अधिक सुदृढ़ प्रक्षेपवक्र पूर्वानुमान (trajectory forecasting) प्राप्त करने के लिए लोकल एक्सट्रपलेशन (local extrapolation) और स्पार्स सैंपलिंग (sparse sampling) की सीमाओं को दूर किया जा सके।
यह शोध पत्र EgoSpot प्रस्तुत करता है, जो बोस्टन डायनेमिक्स स्पॉट रोबोट के लिए एक नवीन हैंड्स-फ्री मल्टीमॉडल कंट्रोल फ्रेमवर्क है, जो शारीरिक रूप से अक्षम उपयोगकर्ताओं के लिए सुलभ, स्वाभाविक मोबाइल मैनिपुलेशन को सक्षम करने हेतु HoloLens 2 के माध्यम से आई गेज़ (आंखों की दृष्टि), हेड जेस्चर और वॉइस कमांड को एकीकृत करता है, और पारंपरिक जॉयस्टिक-आधारित नियंत्रण के तुलनीय प्रदर्शन प्राप्त करता है।