4964 पेपर
यह शोध पत्र एक नवीन बाउंड्री-गाइडेड (सीमा-निर्देशित) प्रक्षेपवक्र भविष्यवाणी ढांचे का प्रस्ताव करता है जो भौतिक रूप से व्यवहार्य, ऑन-रोड और सुदृढ़ स्वायत्त ड्राइविंग भविष्यवाणियां उत्पन्न करने के लिए एचडी मैप बाधाओं और किनेमैटिक त्वरण प्रोफाइल का लाभ उठाता है, जो मौजूदा बेसलाइन की तुलना में ऑफ-रोड त्रुटियों को काफी कम करता है और सामान्यीकरण में सुधार करता है।
यह शोध पत्र एक स्वचालित करिकुलम लर्निंग फ्रेमवर्क प्रस्तावित करता है जो एजेंट की वर्तमान क्षमताओं के आधार पर अनुकूल जटिलता के साथ ड्राइविंग परिदृश्यों को गतिशील रूप से उत्पन्न करने के लिए एक "शिक्षक" का उपयोग करता है, जिससे एंड-टू-एंड ऑटोनॉमस ड्राइविंग सुदृढीकरण सीखने में तेज़ अभिसरण और बेहतर सामान्यीकरण प्राप्त करने के लिए निश्चित परिदृश्यों और डोमेन रैंडमाइजेशन की अक्षमताओं को दूर किया जा सके।
यह शोध पत्र RVSG प्रस्तुत करता है, जो PAL Robotics के साथ विकसित एक विजन लैंग्वेज मॉडल-आधारित परीक्षण ढांचा है, जो औद्योगिक स्वायत्त मोबाइल रोबोटों की अप्रत्याशित व्यवहारों के विरुद्ध मजबूती (robustness) को सुरक्षित और प्रभावी ढंग से जांचने के लिए सिमुलेशन में विविध, आवश्यकता-उल्लंघन करने वाले मानव संपर्क परिदृश्यों को स्वचालित रूप से उत्पन्न करता है।
यह शोध पत्र एक सिम-टू-रियल (sim-to-real) इन-हैंड मैनिपुलेशन के लिए एक नवीन दृष्टिकोण प्रस्तुत करता है, जो एक सिमुलेशन-प्रशिक्षित बेस पॉलिसी को एक सेंसर-संचालित रिफाइनमेंट मॉड्यूल के साथ जोड़ता है जो स्पर्श (tactile) और फोर्स-टॉर्क फीडबैक को फ्यूज करने के लिए क्रॉस-अटेंशन का उपयोग करता है, जिससे सटीक भौतिक मॉडलिंग के बिना विविध उपकरणों में वास्तविक दुनिया की जॉइंट घटनाओं और गड़बड़ियों के प्रति ऑनलाइन अनुकूलन सक्षम होता है।
यह शोध पत्र एक कॉन्फ्लिक्ट-बेस्ड सर्च (CBS) प्रोटोकॉल प्रस्तावित करता है जो एक केंद्रीय योजनाकार का उपयोग करके विषम रोबोटों की स्वतंत्र कार्यों वाली टीमों के लिए कुशल, टकराव-मुक्त मल्टी-एजेंट मोशन प्लानिंग को सक्षम बनाता है, जो एक मानकीकृत स्पेस-टाइम कंस्ट्रेंट API के माध्यम से पारंपरिक एल्गोरिदम से लेकर लर्निंग-बेस्ड विधियों तक विविध सिंगल-एजेंट सॉल्वर को समन्वित करता है।
यह शोध पत्र 'सीइंग द बिगर पिक्चर' (SBP) को प्रस्तुत करता है, जो एक एंड-टू-एंड मोबाइल मैनिपुलेशन फ्रेमवर्क है जो लंबी अवधि के अवलोकनों और वैश्विक संदर्भ को एकत्रित करने के लिए एक 3D लेटेंट मैप का उपयोग करता है, जिससे यह ज्ञात और नवीन दोनों दृश्यों में स्थानिक तर्क और कार्य सफलता दर के मामले में इमेज-आधारित नीतियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र ROVER को प्रस्तुत करता है, जो रोबोटिक नीतियों के सत्यापन और उन्हें प्राथमिकता प्राप्त सिग्नल टेम्पोरल लॉजिक (Signal Temporal Logic) टेम्पोरल सुरक्षा आवश्यकताओं के विरुद्ध रोबस्टनेस मेट्रिक्स का उपयोग करके पुनरावृत्ति से सुधारने के लिए एक रेगुलेटर-संचालित ढांचा है, जिसे सिम्युलेटेड और वास्तविक दुनिया के नेविगेशन परिदृश्यों में विशिष्टता संतुष्टि दरों को महत्वपूर्ण रूप से बढ़ाने के लिए दिखाया गया है।
यह शोध पत्र ऑब्जर्वर-एक्टर (ObAct) को पेश करता है, जो डुअल-आर्म रोबोट्स के लिए एक नवीन सक्रिय विजन इमिटेशन लर्निंग फ्रेमवर्क है, जो गतिशील रूप से एक हाथ को 3D गॉसियन स्प्लेटिंग प्रतिनिधित्व बनाने और दूसरे हाथ के लिए इष्टतम दृश्य कोणों की पहचान करने के लिए असाइन करता है, जिससे स्टेटिक-कैमरा सेटअप की तुलना में ऑक्लूजन (अवरोध) को कम करके पॉलिसी की मजबूती और प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र TEMPO-VINE को प्रस्तुत करता है, जो एक व्यापक बहु-कालिक (multi-temporal), बहु-मोडल सार्वजनिक डेटासेट है जिसमें विविध अंगूर के बागों की स्थितियों में विषम सेंसर और ग्राउंड ट्रुथ प्रक्षेपवक्र (trajectories) शामिल हैं, जिसे सटीक कृषि (precision agriculture) में स्वायत्त स्थानीयकरण (localization), मानचित्रण (mapping) और स्थान पहचान (place recognition) को उन्नत करने के लिए यथार्थवादी बेंचमार्क की कमी को दूर करने के लिए डिज़ाइन किया गया है।
यह शोधपत्र एक गणनात्मक रूप से कुशल मोलिफिकेशन-आधारित विधि प्रस्तुत करता है जो गैर-विभेदन योग्य (non-differentiable) प्लानिंग आउटपुट्स को सुचारू, निष्पादनीय पथों में नियमित करता है जिसमें वक्रता सीमाओं (curvature bounds) की गारंटी होती है, जिससे नॉनहोलोनोमिक रोबोट नियंत्रण की सख्त विभेदन आवश्यकताओं को पूरा करते हुए माइक्रोकंट्रोलर्स पर वास्तविक समय कार्यान्वयन सक्षम होता है।