4829 पेपर
यह शोध पत्र पारंपरिक स्वायत्त वाहनों और लक्ष्य-संचालित तर्क, रणनीतिक अनुकूलन और सामाजिक संपर्क में सक्षम उभरती प्रणालियों के बीच के अंतर को संबोधित करने के लिए "एजेंटिक वाहनों" (AgVs) की अवधारणा प्रस्तुत करता है, जबकि मानव-केंद्रित एजेंटिक परिवहन विकसित करने की चुनौतियों और संभावनाओं को रेखांकित करता है।
यह शोध पत्र U-Arm प्रस्तुत करता है, जो एक अत्यंत कम लागत वाला (57 डॉलर से कम) और तेजी से अनुकूलनीय 3D-प्रिंटेड टेलीऑपरेशन फ्रेमवर्क है, जो विविध वाणिज्यिक रोबोटिक आर्म्स का समर्थन करते हुए मौजूदा कम लागत वाले इंटरफेस की तुलना में काफी उच्च डेटा संग्रह दक्षता प्राप्त करने के लिए अनुकूलित यांत्रिक और नियंत्रण डिजाइनों का उपयोग करता है।
यह शोध पत्र UDON को प्रस्तुत करता है, जो एक रियल-टाइम मल्टी-रोबोट मैपिंग फ्रेमवर्क है जो अत्यधिक संचार बाधाओं, जैसे कि 99% तक के पैकेट लॉस रेट के तहत भी उच्च-सटीकता वाले न्यूरल इम्प्लिसिट पुनर्निर्माणों को बनाए रखने के लिए अनसर्टेन्टी-वेटेड डिस्ट्रीब्यूटेड ऑप्टिमाइज़ेशन का लाभ उठाता है।
यह शोध पत्र एजिस (Aegis) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो बड़े भाषा मॉडल-आधारित मल्टी-एजेंट सिस्टम के लिए त्रुटि एट्रिब्यूशन डेटा की कमी को संबोधित करता है, जो स्वचालित रूप से 9,533 एनोटेटेड दोषपूर्ण प्रक्षेप पथों (faulty trajectories) का एक बड़े पैमाने पर डेटासेट उत्पन्न करता है, जो कुशल मॉडलों को प्रशिक्षित करने में सक्षम बनाता है जो बहुत बड़े प्रोप्रायटरी सिस्टम के प्रतिस्पर्धी प्रदर्शन प्राप्त करते हैं।
यह शोध पत्र MLA पेश करता है, जो एक मल्टीसेंसरी लैंग्वेज-एक्शन मॉडल है जो एनकोडर-मुक्त मल्टीमॉडल एलाइनमेंट के लिए लार्ज लैंग्वेज मॉडल्स को पुनरुत्पादित करके और भौतिक दुनिया के मॉडलिंग को बेहतर बनाने के लिए एक फ्यूचर मल्टीसेंसरी जनरेशन रणनीति का उपयोग करके जटिल, कॉन्टैक्ट-रिच वातावरण में रोबोटिक मैनिपुलेशन को बढ़ाता है, जिसके परिणामस्वरूप स्टेट-ऑफ-द-आर्ट विजन-लैंग्वेज-एक्शन विधियों की तुलना में महत्वपूर्ण प्रदर्शन लाभ प्राप्त होते हैं।
यह शोध पत्र कॉन्टेक्स्ट-अवेयर मोशन प्लानिंग डिफ्यूजन (CAMPD) को प्रस्तुत करता है, जो एक क्लासिफायर-फ्री डिफ्यूजन मॉडल है जो सेंसर-एग्नोस्टिक कॉन्टेक्स्टुअल जानकारी पर कंडीशन करने के लिए एक अटेंशन मैकेनिज्म का उपयोग करता है, जिससे एक 7-DoF रोबोट बिना पुनरप्रशिक्षण के अनदेखे वातावरण में तेजी से सामान्यीकरण करने और उच्च-गुणवत्ता वाले, मल्टी-मोडल प्रक्षेपवक्र (ट्रैजेक्टरीज) उत्पन्न करने में सक्षम होता है।
Manual2Skill++ एक विजन-लैंग्वेज फ्रेमवर्क है जो कनेक्शन को प्राथमिक संस्थाओं के रूप में मानकर रोबोटिक असेंबली को बेहतर बनाता है, जो विविध परिदृश्यों में विश्वसनीय निष्पादन के लिए निर्देश पुस्तिकाओं से संरचित कनेक्शन डेटा को स्वचालित रूप से निकालकर पदानुक्रमित कार्य ग्राफ (hierarchical task graphs) बनाने के लिए बनाया गया है।
AdaptPNP एक विज़न-लैंग्वेज मॉडल-सक्षम ढांचा है जो उच्च-स्तरीय योजना, डिजिटल-ट्विन-आधारित मानसिक पूर्वाभ्यास और ऑनलाइन फीडबैक-संचालित पुन: नियोजन के माध्यम से प्रीहेन्साइल (पकड़ने वाले) और नॉन-प्रीहेन्साइल (पकड़ने वाले नहीं) कौशल को निर्बाध रूप से एकीकृत करके जटिल वातावरण में विविध कार्यों को संभालने के लिए अनुकूल रोबोटिक हेरफेर को सक्षम बनाता है।
यह शोध पत्र एक नवीन, GPU-त्वरित बेयसियन अनुमान ढांचा प्रस्तुत करता है जो उच्च-आवृत्ति (125 हर्ट्ज़), आत्मविश्वास-जागरूक और सूक्ष्म बहु-मानव प्रक्षेपवक्र भविष्यवाणी को सक्षम बनाता है, जिससे गतिशील वातावरण में सुरक्षित रोबोट नेविगेशन को बढ़ावा मिलता है।
यह शोधपत्र स्टोकेस्टिक डायनेमिक्स और रुक-रुक कर होने वाले संपर्क वाले हाइब्रिड सिस्टम के लिए एक सुदृढ़ और गणनात्मक रूप से कुशल अवस्था अनुमान एल्गोरिदम प्रस्तुत करता है, जो गैर-गॉसियन शोर और आउटलेयर प्रभावों को प्रभावी ढंग से संभालने के लिए पाथ इंटीग्रल ऑप्टिमल कंट्रोल फ्रेमवर्क के भीतर साल्टेशन मैट्रिसेस का लाभ उठाता है।