4893 पेपर
यह शोध पत्र LoRA-SP को प्रस्तुत करता है, जो एक रैंक-अनुकूली फाइन-ट्यूनिंग विधि है जो विजन-लैंग्वेज-एक्शन मॉडलों में फिक्स्ड-रैंक LoRA की सीमाओं को दूर करने के लिए एक राउटर और एनर्जी-बेस्ड सिलेक्शन का उपयोग करके गतिशील रूप से पैरामीटर क्षमता आवंटित करती है, जिससे वास्तविक रोबोटों पर बेहतर मल्टी-टास्क सामान्यीकरण और दक्षता प्राप्त होती है।
यह शोध पत्र SLNet को प्रस्तुत करता है, जो एक सुपर-लाइटवेट 3D पॉइंट क्लाउड रिकग्निशन नेटवर्क है, जो नॉनपैरामीट्रिक एडेप्टिव पॉइंट एम्बेडिंग (NAPE) और ज्योमेट्रिक मॉड्यूलेशन यूनिट्स (GMU) का उपयोग करके ModelNet40 और ScanObjectNN जैसे बेंचमार्क पर मौजूदा मॉडलों की तुलना में काफी कम पैरामीटर्स और कंप्यूटेशनल लागत के साथ अत्याधुनिक सटीकता प्राप्त करता है।
यह शोध पत्र एक अभिनव इन्वर्स-डायनामिक्स ऑब्जर्वर प्रस्तावित करता है जो केवल या दर (yaw rate) और पार्श्व त्वरण (lateral acceleration) मापों का उपयोग करके, शोर और मॉडल अनिश्चितताओं के तहत भी, साइडस्लिप कोणों और टायर बलों का सटीक अनुमान लगाने के लिए हाइपरबोलिक आंशिक विभेदक समीकरणों द्वारा वर्णित एक वितरित टायर प्रतिनिधित्व के साथ एक रैखिक सिंगल-ट्रैक वाहन मॉडल को एकीकृत करता है।
InterReal एक एकीकृत भौतिकी-आधारित इमिटेशन लर्निंग फ्रेमवर्क है जो एक नवीन मोशन डेटा ऑग्मेंटेशन स्कीम और एक ऑटोमैटिक रिवॉर्ड लर्नर के माध्यम से मानवोय रोबोटों को वास्तविक दुनिया के परिवेश में जटिल मानव-वस्तु संपर्क कौशल को मजबूती से सीखने और निष्पादित करने में सक्षम बनाता है।
यह शोध पत्र ACCURATE का प्रस्ताव करता है, जो एक सुदृढ़ 3D पुनर्निर्माण ढांचा है जो द्वि-तलीय (biplanar) एक्स-रे इमेजिंग के तहत गाइडवायर और कैथेटर जैसे मनमाने आकार के, विरूप्यमान निरंतर निकायों (deformable continuum bodies) के उच्च-सटीक पुनर्निर्माण को प्राप्त करने के लिए इमेज सेगमेंटेशन को ज्यामिति-प्रतिबंधित टोपोलॉजी ट्रैवर्सल और डायनेमिक प्रोग्रामिंग के साथ जोड़ता है।
ReconDrive एक तेज़, फीड-फॉरवर्ड फ्रेमवर्क है जो हाइब्रिड प्रेडिक्शन हेड्स और स्टैटिक-डायनामिक कंपोज़िशन के साथ VGGT फाउंडेशन मॉडल को अनुकूलित करता है ताकि स्वायत्त ड्राइविंग दृश्यों के लिए उच्च-सटीक, स्केलेबल 4D गॉसियन स्प्लेटिंग प्राप्त की जा सके, जो मौजूदा फीड-फॉरवर्ड विधियों से बेहतर प्रदर्शन करते हुए धीमी ऑप्टिमाइज़ेशन-आधारित दृष्टिकोणों की गुणवत्ता से मेल खाता है।
यह शोध पत्र स्टेज्ड मल्टी-एजेंट ट्रेनिंग (SMAT) का प्रस्ताव करता है, जो एक चार-चरणीय पाठ्यक्रम है जो मानव-एक्सोस्केलेटन प्रणाली को स्थिर सह-अनुकूलन (co-adaptation) प्राप्त करने के लिए क्रमिक रूप से प्रशिक्षित करता है, जिसके परिणामस्वरूप एक ऐसा नियंत्रण नीति (control policy) प्राप्त होती है जो विविध उपयोगकर्ताओं के लिए विषय-विशिष्ट पुनर्र्प्रशिक्षण की आवश्यकता के बिना हिप मांसपेशियों की सक्रियता को काफी कम करती है और निरंतर, सकारात्मक यांत्रिक शक्ति प्रदान करती है।
यह शोध पत्र जैविक जोड़ मोमेंट्स (biological joint moments) को कम करने के लिए एक्सोस्केलेटन नियंत्रकों को प्रशिक्षित करने हेतु एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचे को प्रस्तुत करता है और एक मात्रात्मक सत्यापन पाइपलाइन स्थापित करता है जो टॉर्क भविष्यवाणियों में, विशेष रूप से कूल्हे (hip) पर, मजबूत सिमुलेशन-टू-डेटा निरंतरता प्रदर्शित करती है, जबकि सिम-टू-रियल ट्रांसफर के लिए समय निर्धारण (timing) और शक्ति इंजेक्शन (power injection) में विशिष्ट चुनौतियों की पहचान करती है।
यह शोध पत्र AtomicVLA का प्रस्ताव करता है, जो एक एकीकृत नियोजन-और-निष्पादन ढांचा (planning-and-execution framework) है जो परमाणु कौशल अमूर्तता (atomic skill abstractions) को गतिशील रूप से संयोजित करने के लिए 'स्किल-गाइडेड मिक्स्चर-ऑफ-एक्सपर्ट्स' आर्किटेक्चर का उपयोग करता है, जिससे मौजूदा मोनोलिथिक VLA मॉडलों की तुलना में लंबी अवधि के रोबोटिक हेरफेर और निरंतर सीखने के कार्यों में स्केलेबिलिटी और प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोधपत्र RoboPCA को प्रस्तुत करता है, जो एक पोज़-केंद्रित अफोर्डेंस लर्निंग फ्रेमवर्क है जो Human2Afford डेटा क्यूरेशन पाइपलाइन के माध्यम से मानव प्रदर्शनों से कार्य-उपयुक्त संपर्क क्षेत्रों और पोज़ का संयुक्त रूप से पूर्वानुमान लगाता है, जिससे रोबोट विभिन्न कार्यों और श्रेणियों में बेहतर निरंतरता और सामान्यीकरण के साथ वस्तुओं का प्रभावी ढंग से हेरफेर करने में सक्षम होते हैं।