4223 पेपर
यह शोधपत्र यूनिफाइड मोशन रिटारगेटिंग (UMR) प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो मैनुअल ह्यूमन-रोबोट मैपिंग पर निर्भर हुए बिना, विविध मानव गति डेटा को उच्च-सटीकता वाले रोबोट प्रक्षेपवक्र (ट्रैजेक्टरीज) में स्वचालित और स्केलेबल रूप से रूपांतरित करने के लिए डेंस पॉइंट क्लाउड पत्राचार (कोरेस्पोंडेंस) सीखता है।
यह शोध पत्र संसाधन-सीमित चंद्र रोबोटिक्स के लिए एक परिनियोजन-उन्मुख इंस्टेंस सेगमेंटेशन फ्रेमवर्क प्रस्तुत करता है जो एक लेबल-मुक्त एक्टिवेशन वेरिएंस इन्फॉर्मेटिव सैंपलिंग कैलिब्रेशन रणनीति, एक बाउंडेड लेटेंसी वाले DPU-अनुकूलित YOLO मॉडल और एक सॉफ्टवेयर-स्तरीय क्रिटिकैलिटी विश्लेषण को जोड़ता है ताकि अत्यधिक कम रोशनी और विकिरण-प्रेरित दोष स्थितियों के तहत विश्वसनीय, कम-शक्ति वाले रीयल-टाइम धारणा को प्राप्त किया जा सके।
यह शोध पत्र DCRL (डिवाइड-एंड-कन्कर आरएल) का प्रस्ताव करता है, जो एक पुनरावर्ती ऑफलाइन गोल-कंडीशन्ड रिइन्फोर्समेंट लर्निंग पद्धति है जो बूटस्ट्रैप डेप्थ और त्रुटि संचय को कम करने के लिए प्रक्षेप पथों (ट्रैजेक्टरीज) को संतुलित बाइनरी ट्री में विभाजित करती है, जिससे यह लंबी अवधि के कार्यों (लॉन्ग-होराइजन टास्क) पर मौजूदा फ्लैट और पदानुक्रमित बेसलाइनों की तुलना में काफी बेहतर प्रदर्शन करती है।
वाइल्डफैब (WildFab) एक कम्प्यूटेशनल फ्रेमवर्क है जो विविध और अपूर्ण वास्तविक दुनिया के मॉडलों से हाइब्रिड न्यूरल अनसाइंड डिस्टेंस फील्ड और रेगुलराइज्ड जनरलाइज्ड वाइंडिंग नंबर रिप्रजेंटेशन का उपयोग करके सीधे टकराव-मुक्त टूलपाथ्स की गणना करने में सक्षम बनाता है, जिससे पूर्व ज्यामितीय सुधार (जियोमेट्री रिपेयर) की आवश्यकता नहीं होती और सुदृढ़, एंड-टू-एंड मल्टी-एक्सिस 3D प्रिंटिंग संभव होती है।
यह शोध पत्र MS-MEM का प्रस्ताव करता है, जो एक साक्ष्य-आधारित ढांचा (evidential framework) है जो अव्यवस्थित वातावरण में मैपिंग सटीकता को बढ़ाने और अनावश्यक दृश्य परिवर्तनों को कम करने के लिए सक्रिय दृश्य चयन (active viewpoint selection), वस्तु धकेलने (object pushing) और पकड़ने (grasping) को एक संपार्श्विक विक्षोभ बाधा (collateral disturbance constraint) के साथ एकीकृत करता है।
यह शोध पत्र SA-WAM को प्रस्तुत करता है, जो एक स्थानिक रूप से जागरूक वर्ल्ड एक्शन मॉडल (spatially aware world action model) है जो एक नवीन गैर-रेखीय गहराई एन्कोडिंग (nonlinear depth encoding) के माध्यम से कार्यों, RGB और गहराई की संयुक्त रूप से भविष्यवाणी करने के लिए पूर्व-प्रशिक्षित वीडियो डिफ्यूजन मॉडल का पुन: उपयोग करता है, जिससे सिमुलेशन और वास्तविक दुनिया के रोबोटिक कार्यों दोनों में अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र LAVLA प्रस्तुत करता है, जो एक क्रॉस-अटेंशन-आधारित एम्बेडिंग-वेटिंग पद्धति का उपयोग करके GR00T N1.5 विजन-लैंग्वेज-एक्शन मॉडल पर लेटेंट क्लस्टर विश्लेषण करने के लिए है, जो यह प्रकट करता है कि इसके आंतरिक प्रतिनिधित्व भाषा-संचालित रोबोटिक प्रणालियों की व्याख्यात्मकता को बढ़ाने के लिए स्थानिक-कालिक और काइनेमैटिक विशेषताओं को प्रगतिशील रूप से कैसे अलग करते हैं।
यह शोधपत्र यह प्रदर्शित करता है कि फीडबैक पर निर्भर रहने वाले रोबोटिक्स अनुप्रयोगों के लिए, ओपन-लूप रोलआउट्स का उपयोग करके किए गए ऑफलाइन प्रेडिक्टिव मॉडल मूल्यांकन, ट्राजेक्टरी रिप्ले या क्लोज्ड-लूप टेस्टिंग की तुलना में कम विश्वसनीय होते हैं, क्योंकि वे अक्सर वास्तविक नियंत्रण प्रदर्शन के साथ सहसंबंध स्थापित करने में विफल रहते हैं जब तक कि मूल्यांकन शेड्यूलिंग स्पष्ट रूप से सिस्टम के मेजरमेंट-अपडेट पैटर्न को प्रतिबिंबित न करे।
यह शोध पत्र एक संरचित मूल्यांकन प्रोटोकॉल प्रस्तावित करता है ताकि मोटे तौर पर सुरक्षा-संरेखित लेबल (coarse safety-aligned labels), आठ प्रकार के प्रतिकूल भ्रष्टाचार (adverse corruptions) और डोमेन शिफ्ट के तहत उनके प्रदर्शन का विश्लेषण करके LiDAR सिमेंटिक सेगमेंटेशन मॉडलों की तैनाती तत्परता का आकलन किया जा सके, जो मानक बेंचमार्क रैंकिंग और वास्तविक दुनिया की मजबूती के बीच महत्वपूर्ण अंतराल को प्रकट करता है।
यह शोध पत्र एक अनुकूलनशील टकराव संवेदनशीलता ढांचे (adaptive collision sensitivity framework) को प्रस्तुत करता है जो व्यक्तिगत रोबोट लिंक के प्रभावी द्रव्यमान के आधार पर गति व्यवधान थ्रेशोल्ड को गतिशील रूप से समायोजित करता है, जिससे सुरक्षा मानकों को बनाए रखते हुए मानव-रोबोट सहयोग में उत्पादकता में उल्लेखनीय वृद्धि होती है।