4964 पेपर
यह शोधपत्र एक मल्टी-एजेंट सिमुलेशन फ्रेमवर्क प्रस्तुत करता है जो जटिल, ऊबड़-खाबड़ परिदृश्यों में पुरातात्विक गतिशीलता और परिवहन रणनीतियों को कुशलतापूर्वक सिम्युलेट और विश्लेषित करने के लिए यथार्थवादी भूभाग पुनर्निर्माण, विषम एजेंट मॉडलिंग और सुदृढीकरण लर्निंग (रीइन्फोर्समेंट लर्निंग) को एकीकृत करता है।
यह शोध पत्र फैक्टर ग्राफ ऑप्टिमाइज़ेशन का उपयोग करते हुए एक वास्तविक समय (रियल-टाइम), लूज़ली कपल्ड GNSS और IMU एकीकरण ढांचे का प्रस्ताव करता है जो पारंपरिक बैच विधियों की तुलना में बेहतर कम्प्यूटेशनल दक्षता के लिए कुछ पोजिशनिंग सटीकता का समझौता करके चुनौतीपूर्ण शहरी वातावरण में सेवा उपलब्धता को बढ़ाता है।
यह शोध पत्र एक वास्तविक समय, टाइटली कपल्ड GNSS-IMU एकीकरण पद्धति प्रस्तुत करता है जो अर्बननेव (UrbanNav) डेटासेट पर प्रयोगों द्वारा प्रमाणित, घने शहरी वातावरण में मजबूत, उच्च-सटीक स्थिति निर्धारण प्राप्त करने के लिए फिक्स्ड-लैग मार्जिनलाइजेशन के साथ इंक्रीमेंटल ऑप्टिमाइजेशन का उपयोग करते हुए फैक्टर ग्राफ ऑप्टिमाइज़ेशन पर आधारित है।
यह शोध पत्र मल्टी-स्केल एम्बोडीड मेमोरी (MEM) का परिचय देता है, जो एक मिश्रित-मोडल आर्किटेक्चर है जो वीडियो-आधारित अल्पकालिक और टेक्स्ट-आधारित दीर्घकालिक मेमोरी को एकीकृत करता है ताकि विजन-लैंग्वेज-एक्शन मॉडल्स को पंद्रह मिनट तक के जटिल, लॉन्ग-होराइजन रोबोटिक कार्यों को प्रभावी ढंग से करने में सक्षम बनाया जा सके।
यह शोध पत्र मिस्टीपायलट (MistyPilot) को प्रस्तुत करता है, जो मिस्टी (Misty) सोशल रोबोट्स के लिए एक एजेंटिक एलएलएम (LLM) फ्रेमवर्क है, जो टूल चयन, ऑर्केस्ट्रेशन और भावनात्मक रूप से संरेखित संवाद को स्वायत्त रूप से संभालने के लिए फास्ट-स्लो थिंकिंग प्रतिमान (fast-slow thinking paradigm) के साथ भौतिक और सामाजिक रूप से बुद्धिमान एजेंटों को एकीकृत करता है, जिसे व्यापक प्रयोगों और पांच नए बेंचमार्क डेटासेट्स के माध्यम से सत्यापित किया गया है।
TreeLoc++ एक सुदृढ़ ग्लोबल लोकलाइजेशन फ्रेमवर्क है जो घने पॉइंट क्लाउड्स के बजाय कॉम्पैक्ट डिजिटल फॉरेस्ट इन्वेंटरीज पर सीधे कार्य करके वनों में सटीक, सेंटीमीटर-स्तर का 6-DoF पोज़ एस्टीमेशन प्राप्त करता है, और स्केलेबिलिटी तथा दीर्घकालिक विश्वसनीयता सुनिश्चित करने के लिए ज्यामितीय संदर्भ (geometric context) और अनुकूलन (optimization) का उपयोग करता है।
यह शोध पत्र UrbanHuRo का प्रस्ताव करता है, जो एक दो-स्तरीय मानव-रोबोट सहयोग ढांचा है जो स्केलेबल ऑर्डर डिस्पैच और डीप रिइन्फोर्समेंट लर्निंग के माध्यम से क्राउडसोर्स्ड डिलीवरी और सेंसिंग जैसी विषम शहरी सेवाओं को संयुक्त रूप से अनुकूलित करता है, जिससे सेंसिंग कवरेज, कूरियर आय और ऑर्डर समयबद्धता में महत्वपूर्ण सुधार प्राप्त होता है।
यह शोध पत्र CoCo-TAMP प्रस्तुत करता है, जो एक पदानुक्रमित अवस्था अनुमान (hierarchical state estimation) ढांचा है जो वस्तुओं के स्थान और सह-अस्तित्व (co-occurrence) के बारे में सामान्य-ज्ञान (common-sense knowledge) को शामिल करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे आंशिक रूप से दृश्यमान (partially observable) वातावरण में कार्य करने वाले रोबोटों के लिए नियोजन और निष्पादन समय में काफी कमी आती है।
यह शोध पत्र स्पेशियल सर्जिकल ट्रांसफॉर्मर (SST) को प्रस्तुत करता है, जो एक एंड-टू-एंड विज़ुओमोटर पॉलिसी है जो एक नए बड़े पैमाने के 3D डेटासेट (Surgical3D) और एक ज्यामितीय ट्रांसफॉर्मर का लाभ उठाता है ताकि सर्जिकल रोबोटों को स्टीरियो एंडोस्कोपिक छवियों से सीधे सटीक 3D स्थानिक जागरूकता प्राप्त करने में सक्षम बनाया जा सके, जिससे मल्टी-स्टेज पुनर्निर्माण और रिस्ट-माउंटेड कैमरों की सीमाओं को दूर किया जा सके और गांठ बांधने और अंग विच्छेदन जैसे जटिल कार्यों पर अत्याधुनिक प्रदर्शन प्रदर्शित किया जा सके।
यह शोध पत्र प्रदर्शित करता है कि बड़े पैमाने पर प्री-ट्रेन्ड विजन-लैंग्वेज-एक्शन मॉडल निरंतर शिक्षण (continual learning) के दौरान विनाशकारी विस्मृति (catastrophic forgetting) के प्रति उल्लेखनीय प्रतिरोध प्रदर्शित करते हैं, जो अक्सर सरल एक्सपीरियंस रिप्ले के साथ शून्य विस्मृति प्राप्त करते हैं और फाइन-ट्यूनिंग के माध्यम से तीव्र कौशल रिकवरी को सक्षम करते हैं, एक ऐसी क्षमता जो स्क्रैच से प्रशिक्षित छोटे मॉडलों से मौलिक रूप से भिन्न है।