4829 पेपर
दिसंबर 2025 के इंडियानापोलिस में आयोजित CARE वर्कशॉप ने चिकित्सा रोबोटिक्स और एआई को आगे बढ़ाने के लिए एक राष्ट्रीय दृष्टिकोण स्थापित करने हेतु विविध हितधारकों को एकत्रित किया, जिसमें डेटा, विनियमन और प्रशिक्षण के महत्वपूर्ण अंतराल की पहचान की गई और सुरक्षित, विश्वसनीय एवं न्यायसंगत नैदानिक परिनियोजन को बढ़ावा देने के लिए एक राष्ट्रीय 'एआई एंड रोबोटिक एक्सीलेंस सेंटर' बनाने की तत्काल आवश्यकता पर आम सहमति बनी।
R2-Dreamer एक डिकोडर-मुक्त मॉडल-आधारित सुदृढीकरण लर्निंग (Model-Based Reinforcement Learning) ढांचा है जो डेटा ऑग्मेंटेशन के बिना मजबूत प्रतिनिधित्व सीखने के लिए बारलो ट्विन्स-प्रेरित रेडंडेंसी-रिडक्शन ऑब्जेक्टिव को एक आंतरिक रेगुलराइज़र के रूप में नियोजित करता है, जिससे अत्याधुनिक बेसलाइन की तुलना में प्रतिस्पर्धी प्रदर्शन और तेज़ प्रशिक्षण गति प्राप्त होती है।
GoalVLM एक ज़ीरो-शॉट, ओपन-वोकैबुलरी सहकारी मल्टी-एजेंट नेविगेशन फ्रेमवर्क है जो विज़न-लैंग्वेज मॉडल्स, SAM3 और SpaceOM को एकीकृत करता है ताकि एजेंट मुक्त-रूप भाषा लक्ष्यों की व्याख्या कर सकें और बिना किसी कार्य-विशिष्ट प्रशिक्षण के नवीन वस्तुओं तक नेविगेट कर सकें।
यह शोध पत्र एक वास्तविक समय (रियल-टाइम) चंद्र सतह मानचित्रण ढांचे को प्रस्तुत करता है जो चुनौतीपूर्ण वातावरण में उच्च-सटीक, विस्तृत 3D पुनर्निर्माण प्राप्त करने के लिए 3D गॉसियन स्प्लेटिंग के साथ सिमेंटिक सेगमेंटेशन और डेंस डेप्थ एस्टीमेशन को एकीकृत करता है, जो बिना LiDAR के पारंपरिक पॉइंट क्लाउड बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र ReDAG-RT प्रस्तुत करता है, जो ROS 2 के लिए एक यूजर-स्पेस ग्लोबल शेड्यूलिंग फ्रेमवर्क है जो क्रॉस-ग्राफ प्रायोरिटी इनवर्जन (priority inversion) को समाप्त करने के लिए रेट-प्रायोरिटी ऑर्डरिंग और प्रति-DAG कंकरेंसी बाउंड्स को लागू करता है, जिससे अंतर्निहित मिडलवेयर या ऑपरेटिंग सिस्टम को संशोधित किए बिना रियल-टाइम मल्टी-DAG निष्पादन के लिए डेडलाइन मिस और रिस्पांस टाइम को महत्वपूर्ण रूप से कम किया जा सकता है।
यह शोधपत्र SG-CoT को प्रस्तुत करता है, जो एक दो-चरणीय रोबोटिक प्लानिंग फ्रेमवर्क है जो सीन ग्राफ (scene graph) निरूपणों का लाभ उठाकर लार्ज लैंग्वेज मॉडल्स को पुनरावृत्ति संबंधी पूछताछ के माध्यम से पर्यावरणीय अस्पष्टताओं का पता लगाने और उन्हें हल करने में सक्षम बनाता है, जिससे एकल-एजेंट और बहु-एजेंट दोनों परिदृश्यों में प्लानिंग की सटीकता और सफलता दर में महत्वपूर्ण सुधार होता है।
यह शोध पत्र लेग्ड रोबोट्स के लिए एक प्रोप्रियोसेप्टिव-ओनली (proprioceptive-only) स्टेट एस्टिमेशन फ्रेमवर्क का प्रस्ताव करता है जो निरंतर और ड्रिफ्ट-मुक्त नेविगेशन सुनिश्चित करने के लिए डिस्ट्रीब्यूशन-फ्री सेट-कवरेज मेजरमेंट्स का उपयोग करता है, जो कि लर्नड डायनेमिक्स मॉडल्स में गॉसियन नॉइज़ धारणाओं की सीमाओं को दूर करता है।
ManiDreams एक ओपन-सोर्स, मॉड्यूलर फ्रेमवर्क है जो सहज भौतिकी मॉडलों (intuitive physics models) पर सैंपल-प्रेडिक्ट-कंस्ट्रैन (sample-predict-constrain) प्लानिंग लूप के माध्यम से संवेदी (perceptual), पैरामीट्रिक और संरचनात्मक अनिश्चितताओं को एकीकृत करके अनिश्चितता के तहत सुदृढ़ रोबोटिक हेरफेर (robotic manipulation) को बढ़ाता है, जिससे मौजूदा पॉलिसियाँ बिना पुनरप्रशिक्षण (retraining) के गड़बड़ियों के बावजूद प्रदर्शन बनाए रखने में सक्षम होती हैं।
यह शोध पत्र एक स्केलेबल टेक्सटाइल-अनुकूल फैब्रिकेशन वर्कफ़्लो प्रस्तुत करता है जो स्पोर्ट्स और रिहैबिलिटेशन अनुप्रयोगों में सटीक मोशन ट्रैकिंग के लिए कपड़ों में सीधे एम्बेडेड टिकाऊ, स्ट्रेचेबल स्ट्रेन सेंसर बनाने के लिए मल्टी-मटेरियल डायरेक्ट इंक राइटिंग को ऑटोमेटेड एम्ब्रॉयडरी के साथ एकीकृत करता है।
यह शोध पत्र RE-SAC का प्रस्ताव करता है, जो एक सुदृढ़ एन्सेम्बल डीप रिइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो अस्थिर यातायात स्थितियों के तहत बस बेड़े के होल्डिंग नियंत्रण में उत्कृष्ट स्थिरता और प्रदर्शन प्राप्त करने के लिए IPM-आधारित नियमितीकरण (regularization) और Q-एन्सेम्बल विविधीकरण के माध्यम से एलियटोरिक (aleatoric) और एपिस्टेमिक (epistemic) अनिश्चितताओं को स्पष्ट रूप से अलग करता है।