4830 पेपर
यह शोध पत्र एक अनसुपरवाइज्ड दृष्टिकोण प्रस्तुत करता है जो विजन-लैंग्वेज रीजनिंग और क्लस्टरिंग का लाभ उठाकर बड़े पैमाने पर रोबोटिक डिप्लॉयमेंट लॉग्स से स्वचालित रूप से अर्थपूर्ण रूप से सुसंगत विफलता वर्गीकरण (फेलियर टैक्सोनॉमी) की खोज करता है, जिससे विविध डोमेन में स्केलेबल विफलता विश्लेषण, लक्षित डेटा संग्रह और बेहतर रनटाइम मॉनिटरिंग सक्षम होती है।
यह शोधपत्र ContextMatters को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो पर्यावरणीय संदर्भ के आधार पर लक्ष्यों को गतिशील रूप से शिथिल करने के लिए लार्ज लैंग्वेज मॉडल्स को क्लासिकल प्लानिंग के साथ जोड़ता है, जिससे 3D सीन प्लानिंग की सफलता दर में उल्लेखनीय सुधार होता है और सफल वास्तविक-दुनिया रोबोट तैनाती सक्षम होती है।
डेमोडिफ्यूजन (DemoDiffusion) एक वन-शॉट इमिटेशन लर्निंग विधि है जो रोबोटों को विविध हेरफेर कार्यों (manipulation tasks) को करने में सक्षम बनाती है, जो एक एकल मानव प्रदर्शन से एक मोटा प्रक्षेपवक्र (rough trajectory) प्राप्त करने के लिए किनेमैटिक रिटारगेटिंग का लाभ उठाती है और इसे रोबोट के संभावित कार्यों के साथ संरेखण सुनिश्चित करने के लिए एक प्री-ट्रेन्ड डिफ्यूजन पॉलिसी के साथ परिष्कृत करती है, जिससे बिना किसी कार्य-विशिष्ट प्रशिक्षण या युग्मित डेटा (paired data) की आवश्यकता के बेसलाइन दृष्टिकोणों की तुलना में काफी उच्च सफलता दर प्राप्त होती है।
यह शोध पत्र क्वेरी-आधारित एडेप्टिव एग्रीगेशन (QAA) का प्रस्ताव करता है, जो एक नवीन फीचर एग्रीगेशन तकनीक है जो मल्टी-डेटासेट जॉइंट ट्रेनिंग में डेटासेट डाइवर्जेंस को प्रभावी ढंग से संबोधित करने के लिए सीखे गए क्वेरीज को रेफरेंस कोडबुक्स के रूप में उपयोग करती है, जिससे संतुलित सामान्यीकरण और अत्याधुनिक प्रदर्शन के साथ एक सुदृढ़ यूनिवर्सल विजुअल प्लेस रिकग्निशन प्राप्त होता है।
यह अध्ययन एक नवीन कंप्यूटर विज़न फ्रेमवर्क प्रस्तुत करता है जो इंटर-व्हीकल संचार पर निर्भर हुए बिना, गैर-कनेक्टेड वाहनों में विचलित और अक्षम चालक व्यवहारों को वर्गीकृत करने के लिए YOLO-आधारित ऑब्जेक्ट डिटेक्शन और लेन मॉनिटरिंग सहित बाहरी अवलोकन तकनीकों का उपयोग करता है।
GeoAware-VLA एक हल्के प्रोजेक्शन लेयर के माध्यम से एक फ्रोजन, प्रीट्रेंड ज्योमेट्रिक विजन मॉडल से फीचर्स को एकीकृत करके विजन-लैंग्वेज-एक्शन मॉडल्स के व्यूपॉइंट जनरलाइजेशन को बढ़ाता है, जिससे बिना किसी स्पष्ट 3D ट्रेनिंग डेटा की आवश्यकता के, सिमुलेशन बेंचमार्क और रियल-वर्ल्ड रोबोटिक प्लेटफॉर्म्स दोनों पर अनदेखे कैमरा पोजीशंस पर ज़ीरो-शॉट प्रदर्शन में महत्वपूर्ण सुधार प्राप्त होता है।
यह शोध पत्र एक सीन ग्राफ-आधारित ढांचे को प्रस्तुत करता है जो ग्राफ न्यूरल नेटवर्क और डिफ्यूजन मॉडल के माध्यम से मजबूत, केंद्रित परमाणु कौशल (atomic skills) सीखकर सामान्यवादी रोबोटों के संरचनात्मक सामान्यीकरण (compositional generalization) को बढ़ाता है, जिन्हें फिर जटिल, दीर्घ-अवधि वाले कार्यों को पूरा करने के लिए एक विजन-लैंग्वेज मॉडल प्लानर द्वारा समन्वित किया जाता है।
यह शोध पत्र ORN-CBF का प्रस्ताव करता है, जो एक हाइपरनेटवर्क-आधारित लर्निंग फ्रेमवर्क है जो अवलोकन-सशर्त (observation-conditioned) न्यूरल कंट्रोल बैरियर फंक्शन्स उत्पन्न करने के लिए हैमिल्टन-जैकबी रीचैबिलिटी विश्लेषण का उपयोग करता है, जो सिमुलेशन और हार्डवेयर प्रयोगों के माध्यम से आंशिक रूप से दृश्यमान वातावरण में कठोर सुरक्षा गारंटी और बेहतर सामान्यीकरण सुनिश्चित करता है।
यह शोध पत्र फास्ट इमेज-टू-न्यूरल सरफेस (FINS) को प्रस्तुत करता है, जो एक हल्का ढांचा है जो मल्टी-रेज़ोल्यूशन हैश ग्रिड्स और प्री-ट्रेन्ड फाउंडेशन मॉडल्स का लाभ उठाकर कुछ ही सेकंडों के भीतर एक एकल छवि से उच्च-सटीकता वाले इम्प्लिसिट सर्फेस और SDF फील्ड्स को कुशलतापूर्वक पुनर्गठित करता है, जो रोबोटिक्स अनुप्रयोगों के लिए गति और सटीकता में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक डायनेमिक पैराबोलिक कंट्रोल बैरियर फंक्शन (DPCBF) प्रस्तुत करता है जो पारंपरिक कोलिजन-कोन विधियों की अव्यवहारिकता और रूढ़िवादिता को दूर करने के लिए दूरी और सापेक्ष वेग के आधार पर सुरक्षा बाधाओं को अनुकूल रूप से आकार देता है, जिससे नॉनहोलोनोमिक रोबोटों को 100 तक गतिशील बाधाओं वाले घने वातावरण में सफलतापूर्वक नेविगेट करने में सक्षम बनाया जा सके।