4964 पेपर
यह शोध पत्र स्ट्रक्चरल एक्शन ट्रांसफॉर्मर (SAT) का प्रस्ताव करता है, जो एक नवीन 3D डेक्सट्रस मैनिपुलेशन पॉलिसी है जो क्रियाओं को परिवर्तनीय-लंबाई वाले, अव्यवस्थित जॉइंट ट्राजेक्टरीज के रूप में पुनर्गठित करती है और विषम डेटासेट्स से बेहतर सैंपल दक्षता और क्रॉस-एम्बॉडीडमेंट स्किल ट्रांसफर प्राप्त करने के लिए एक एम्बॉडीड जॉइंट कोडबुक का उपयोग करती है।
यह शोध पत्र एक मैप-एग्नोस्टिक (मानचित्र-स्वतंत्र), मल्टी-ऑब्जेक्टिव मोंटे कार्लो ट्री सर्च फ्रेमवर्क प्रस्तुत करता है जो एजेंट के आराम से समझौता किए बिना जटिल शहरी वातावरण में उच्च टकराव दर प्राप्त करते हुए, प्रक्षेपवक्र व्यवहार्यता (ट्रैजेक्टरी फिएसिबिलिटी) और स्वाभाविक व्यवहार के बीच संतुलन बनाकर यथार्थवादी और विविध सुरक्षा-महत्वपूर्ण ट्रैफ़िक परिदृश्य उत्पन्न करता है।
यह शोध पत्र eXchange Calculus (XC) को प्रस्तुत करता है, जो एग्रीगेट प्रोग्रामिंग के लिए एक टाइप्ड लैम्ब्डा कैलकुलस है, और इसके C++ कार्यान्वयन FCPP को, जो रोवर्स और UAVs जैसे वितरित एज डिवाइसेस पर सामूहिक व्यवहारों की तैनाती को सक्षम बनाता है।
यह शोध पत्र ऑनलाइन निरंतर सुदृढीकरण शिक्षण (Continual Reinforcement Learning) के लिए एक जैविक रूप से प्रेरित ढांचे का प्रस्ताव करता है जो पर्यावरणीय परिवर्तनों का स्वतः पता लगाने और रोबोटिक एजेंटों में स्व-अनुकूलनशील फाइनट्यूनिंग को ट्रिगर करने के लिए वर्ल्ड मॉडल प्रेडिक्शन रेसिडुअल्स (world model prediction residuals) का लाभ उठाता है, जिससे वे बाहरी पर्यवेक्षण के बिना तैनाती के दौरान अपने प्रदर्शन में सुधार करने में सक्षम होते हैं।
यह शोध पत्र एक क्यूरेटेड बहु-वर्षीय अंतर्जलीय डेटासेट, एक नवीन फुटप्रिंट-आधारित ग्राउंड-ट्रूथिंग विधि जो पारंपरिक दूरी-थ्रेशोल्ड दृष्टिकोणों से बेहतर प्रदर्शन करती है, और एक बेंचमार्क मूल्यांकन पेश करके गतिशील बेन्थिक (benthic) वातावरण में दीर्घकालिक विजुअल लोकलाइजेशन के लिए बेंचमार्क की कमी को संबोधित करता है, जो यह दर्शाता है कि अत्याधुनिक विजुअल प्लेस रिकग्निशन विधियाँ इन चुनौतीपूर्ण अंतर्जलीय सेटिंग्स में काफी संघर्ष करती हैं।
SafeR एक नवीन ढांचा है जो सुरक्षा-महत्वपूर्ण स्वायत्त ड्राइविंग परीक्षण परिदृश्यों को उत्पन्न करने के लिए, एक डिफरेंशियल अटेंशन मैकेनिज्म के साथ ट्रांसफॉर्मर-आधारित यथार्थवाद पूर्ववर्ती (realism prior) और ऑफलाइन सुदृढीकरण शिक्षण (offline reinforcement learning) से व्युत्पन्न एक व्यवहार्यता-प्रतिबंधित टोकन पुनर्संरचना रणनीति का उपयोग करके, प्रतिकूल आलोचनात्मकता (adversarial criticality), भौतिक व्यवहार्यता और व्यवहारिक यथार्थवाद के बीच संतुलन बनाता है।
यह शोध पत्र एक न्यूरल नेटवर्क-संवर्धित कूपमैन ऑपरेटर फ्रेमवर्क प्रस्तावित करता है जो न्यूमेटिक सॉफ्ट रोबोटिक कैथेटर के उच्च-परिशुद्धता, विकिरण-न्यूनतम ओपन-लूप नियंत्रण को प्राप्त करने के लिए सिस्टम डायनेमिक्स और कंट्रोल रणनीतियों को संयुक्त रूप से सीखता है, जो प्रयोगात्मक पोजिशनिंग और ओरिएंटेशन कार्यों में मौजूदा मॉडल-आधारित और कूपमैन वेरिएंट्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र HBRB-BoW प्रस्तावित करता है, जो एक परिष्कृत पदानुक्रमित प्रशिक्षण एल्गोरिदम है जो अंतिम बाइनराइजेशन से पहले उच्च-सटीक डिस्क्रिप्टर जानकारी को संरक्षित करने के लिए वैश्विक वास्तविक-मान प्रवाह (global real-valued flows) को एकीकृत करता है, जिससे पारंपरिक बाइनरी क्लस्टरिंग के परिशुद्धता नुकसान को दूर किया जा सके और लूप क्लोजिंग तथा रिलोकेलाइजेशन कार्यों में ORB-SLAM की विभेदात्मक शक्ति और प्रदर्शन को महत्वपूर्ण रूप से बढ़ाया जा सके।
GarmentPile++ एक नवीन पाइपलाइन है जो विजन-लैंग्वेज रीजनिंग को विजुअल अफोर्डेंस परसेप्शन और ड्यूल-आर्म कोऑपरेशन के साथ एकीकृत करती है ताकि अव्यवस्थित ढेरों से एकल कपड़ों की सुरक्षित और सटीक प्राप्ति को सक्षम बनाया जा सके, जो सिंगल-गारमेंट मैनिपुलेशन रिसर्च और वास्तविक दुनिया के परिदृश्यों के बीच के अंतर को पाटता है।
यह शोध पत्र एक भौतिकी-आधारित न्यूरोमस्कुलोस्केलेटल लर्निंग फ्रेमवर्क प्रस्तुत करता है जो सुदृढीकरण लर्निंग (रिनफोर्समेंट लर्निंग) और मसल-सिनर्जी प्रायर्स का उपयोग करके सिमुलेशन में पूरी तरह से हिप-एक्सोस्केलेटन कंट्रोल पॉलिसी को प्रशिक्षित करता है, जो मोशन-कैप्चर डेटा या अतिरिक्त ट्यूनिंग के बिना नीति को हार्डवेयर पर सफलतापूर्वक स्थानांतरित करता है और विविध चलने की स्थितियों में मांसपेशियों के सक्रियण और जोड़ की शक्ति में महत्वपूर्ण कमी लाता है।