4964 पेपर
यह शोध पत्र "See & Switch" प्रस्तुत करता है, जो प्रोग्रामिंग बाय डेमोंस्ट्रेशन के लिए एक विजन-आधारित इंटरैक्टिव फ्रेमवर्क है जो आई-इन-हैंड (eye-in-hand) छवियों का उपयोग करके डेक्सट्रस रोबोट कार्यों में विश्वसनीय ऑनलाइन कंडीशनल ब्रांचिंग और विसंगति का पता लगाने में सक्षम बनाता है, जिससे विविध स्थितियों और नौसिखिया उपयोगकर्ताओं में उच्च सटीकता प्राप्त होती है।
यह शोध पत्र MRDrive को प्रस्तुत करता है, जो एक ओपन-सोर्स मिक्स्ड रियलिटी ड्राइविंग सिम्युलेटर है जो उपयोगकर्ताओं को वर्चुअल ड्राइविंग एनवायरनमेंट में डूबे रहने के दौरान एक वास्तविक वाहन केबिन के साथ इंटरैक्ट करने की अनुमति देकर पारिस्थितिक वैधता (इकोलॉजिकल वैलिडिटी) और प्रयोगात्मक नियंत्रण के बीच के अंतर को पाटता है ताकि ऑटोमोटिव यूजर रिसर्च को सहायता प्रदान की जा सके।
यह शोध पत्र डेटा और लर्निंग बाधाओं को दूर करने के लिए IMCopilot सहायक के माध्यम से RL-संवर्धित टेलीऑपरेशन और एक Mixture-of-Dexterous-Experts VLA (MoDE-VLA) आर्किटेक्चर को संयोजित करने वाले एक एकीकृत ढांचे का प्रस्ताव करता है, जो काफी बेहतर सफलता दरों के साथ मजबूत मानव-समान, संपर्क-समृद्ध द्विपक्षीय इन-हैंड मैनिपुलेशन को सक्षम बनाता है।
यह शोध पत्र TRIAGE को प्रस्तुत करता है, जो एक हल्का (lightweight) पोस्ट-हॉक फ्रेमवर्क है जो अनिश्चितता को एलियटोरिक (aleatoric) और एपिस्टेमिक (epistemic) घटकों में विभाजित करता है ताकि विशिष्ट सुधारात्मक कार्यों को ट्रिगर किया जा सके—भ्रष्ट डेटा के लिए ऑब्जर्वेशन रिकवरी और मॉडल मिसमैच के लिए कंट्रोल मॉडरेशन—जिससे रोबोटिक मैनिपुलेशन सफलता दर में उल्लेखनीय सुधार होता है और कुशल अनुकूली धारणा (adaptive perception) सक्षम होती है।
UniGround एक नवीन, प्रशिक्षण-मुक्त ढांचे को प्रस्तुत करता है जो वैश्विक उम्मीदवार फ़िल्टरिंग और स्थानीय परिशुद्धता तर्क का लाभ उठाकर जटिल 3D वातावरण के भीतर मनमाने ऑब्जेक्ट्स को स्थानीयकृत करने के लिए अत्याधुनिक ज़ीरो-शॉट प्रदर्शन प्राप्त करने हेतु यूनिवर्सल 3D विज़ुअल ग्राउंडिंग का उपयोग करता है, जो पूर्व-प्रशिक्षित मॉडलों या 3D पर्यवेक्षण पर निर्भर नहीं है।
यह अध्ययन इस धारणा को चुनौती देता है कि भौतिक रोबोटिक संपर्क सार्वभौमिक रूप से उपयोगकर्ता अनुभव को बढ़ाता है, यह प्रदर्शित करते हुए कि जहाँ मूर्त वितरण स्वाभाविक रूप से जुड़ाव में सुधार नहीं करता है, वहीं यह उन व्यक्तियों के लिए नैरेटिव इमर्शन (कथात्मक तल्लीनता) को महत्वपूर्ण रूप से कम कर देता है जिनका रोबोटों के प्रति नकारात्मक दृष्टिकोण उच्च है, जो इसके बजाय एक सामाजिक बफर के रूप में डिजिटल रूप से मध्यस्थता वाले इंटरफेस से लाभान्वित होते हैं।
SAIL एक टेस्ट-टाइम स्केलिंग फ्रेमवर्क है जो ट्रैजेक्टरी जनरेशन को मोंटे कार्लो ट्री सर्च, एक ऑटोमेटेड रिट्रीवल आर्काइव और एक विजन-लैंग्वेज मॉडल-आधारित स्कोरिंग मैकेनिज्म द्वारा निर्देशित एक इटरेटिव रिफाइनमेंट प्रोसेस के रूप में पुनर्गठित करके वन-शॉट रोबोट इमिटेशन लर्निंग को बढ़ाता है, जिससे विविध मैनिपुलेशन कार्यों में सफलता दर में उल्लेखनीय सुधार होता है।
PhaForce एक चरण-निर्धारित (phase-scheduled) विज़ुओमोटर पॉलिसी है जो एक धीमी, दृष्टि-प्रधान डिफ्यूजन योजनाकार (diffusion planner) को एक तेज़, बल-संचालित सुधारक (force-driven corrector) के साथ समन्वित करके संपर्क-समृद्ध हेरफेर (contact-rich manipulation) को बेहतर बनाती है ताकि उच्च-आवृत्ति वाले, चरण-जागरूक अवशिष्ट सुधार (phase-aware residual corrections) सक्षम किए जा सकें, जिससे 86% सफलता दर और मौजूदा बेसलाइन की तुलना में श्रेष्ठ अनुकूलन क्षमता प्राप्त होती है।
यह शोधपत्र एक संचार-मुक्त मल्टी-यूएवी (multi-UAV) समन्वय ढांचे को प्रस्तुत करता है जो सिमल्टेनियस एसएलएएम (simultaneous SLAM), बाधा पहचान और पड़ोसी ट्रैकिंग के लिए ऑनबोर्ड एनिसोट्रोपिक 3D लिडार (anisotropic 3D LiDAR) का लाभ उठाता है, जिससे घने जंगलों जैसे जटिल, जीएनएसएस-निषिद्ध (GNSS-denied) वातावरण में सुरक्षित और स्केलेबल नेविगेशन सक्षम होता है।
MoMaStage एक संरचित विजन-लैंग्वेज फ्रेमवर्क है जो एक टोपोलॉजी-अवेयर स्किल-स्टेट ग्राफ के माध्यम से टास्क प्लानिंग को निर्देशित करके और भौतिक विचलन का पता चलते ही सिमेंटिक रिप्लानिंग को ट्रिगर करने वाले क्लोज्ड-लूप मैकेनिज्म के माध्यम से निष्पादन विश्वसनीयता सुनिश्चित करके, बिना किसी स्पष्ट सीन मैपिंग की आवश्यकता के, दीर्घकालिक इनडोर मोबाइल मैनिपुलेशन को सक्षम बनाता है।