4966 पेपर
OmniTrack एक दो-चरणीय ढांचा है जो सिमुलेशन में रोबोट-डायनामिक-अनुकूल संदर्भ गतियों को पहले उत्पन्न करके और फिर उन्हें ट्रैक करने के लिए एक पॉलिसी को प्रशिक्षित करके भौतिक व्यवहार्यता को सामान्य गति ट्रैकिंग से अलग करता है, जिससे मानव सदृश (ह्यूमनॉइड) रोबोटों के लिए कलाबाजी और टेलीऑपरेशन जैसे जटिल कार्यों के लिए स्थिर, दीर्घकालिक और सामान्यीकरण योग्य नियंत्रण सक्षम होता है।
यह शोध पत्र सर्जिकल रोबोटिक ग्रैस्पिंग के लिए एक सेंसरलेस कंट्रोल फ्रेमवर्क प्रस्तुत करता है जो केवल प्रॉक्सिमल मापों का उपयोग करके उच्च-परिशुद्धता वाले डिस्टल फोर्स रेगुलेशन को प्राप्त करने के लिए एक फर्स्ट-प्रिंसिपल डिजिटल ट्विन को हाइब्रिड ऑफलाइन-ऑनलाइन रिइन्फोर्समेंट लर्निंग पाइपलाइन के साथ जोड़ता है, और सिमुलेशन एवं हार्डवेयर प्रयोगों दोनों में अपने प्रदर्शन को सफलतापूर्वक प्रमाणित करता है।
यह शोध पत्र एक स्वायत्त ऑनलाइन निरीक्षण एल्गोरिदम प्रस्तुत करता है जो अनमैप्ड ट्रांसमिशन टावरों पर पावर लाइन इंसुलेटर का पता लगाने और उन्हें स्थानीयकृत करने के लिए कैमरा-LiDAR सेंसर फ्यूजन और डीप लर्निंग का उपयोग करता है, जो सिमुलेशन में महत्वपूर्ण समय की बचत और वास्तविक उड़ानों में उच्च-सटीक स्थानीयकरण सटीकता प्रदर्शित करता है।
यह शोध पत्र एक नवीन विज़न-आधारित करिकुलम रिइन्फोर्समेंट लर्निंग फ्रेमवर्क प्रस्तावित करता है जो मल्टी-स्टेज करिकुलम लर्निंग, डोमेन रैंडमाइजेशन और मल्टी-सीन अपडेटिंग को संयोजित करता है ताकि अनदेखे यादृच्छिक बाधाओं के माध्यम से सुदृढ़, उच्च-गति वाले क्वाड्रोटर रेसिंग को सक्षम बनाया जा सके, जो सिमुलेशन और वास्तविक दुनिया के प्रयोगों दोनों में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र ज्योमेट्री-आधारित न्यूमैटिक एक्टुएटर्स (GPAs) को प्रस्तुत करता है, जो कंस्ट्रेंट लेयर्स और सीएनसी हीट-सील्ड चैम्बर्स का उपयोग करने वाला एक नवीन डिज़ाइन दृष्टिकोण है, जो लगभग शून्य बेंडिंग रेडियस, मल्टी-स्टेट एक्चुएशन और पूर्वानुमानित विरूपण को सक्षम करके पारंपरिक सॉफ्ट रोबोटिक्स की सीमाओं को दूर करता है, जैसा कि हल्के एक्सोस्केलेटन, हैप्टिक इंटरफेस और बाईपेडल रोबोट्स में सफल अनुप्रयोगों के माध्यम से प्रदर्शित किया गया है।
यह शोध पत्र एक प्लानिंग-आधारित इन्वर्स रिइन्फोर्समेंट लर्निंग एल्गोरिदम प्रस्तुत करता है जो वास्तविक दुनिया के रोबोटों को केवल कार्य अवलोकनों और अंतःक्रियाओं का उपयोग करके इमेज-आधारित हेरफेर कार्यों को सीखने और शून्य से ऑनलाइन ज्ञान स्थानांतरित करने में सक्षम बनाता है, जो हाथ से डिज़ाइन किए गए रिवार्ड्स या प्री-ट्रेनिंग पर निर्भर मौजूदा विधियों की तुलना में बेहतर सैंपल दक्षता और सफलता दर प्राप्त करता है।
यह शोध पत्र एक प्रूफ-ऑफ-कांसेप्ट अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि एक टेलीऑपरेटेड यूनिट्री जी1 (Unitree G1) ह्यूमनाइड रोबोट एक कैडेवरिक स्फेनोइडेक्टोमी (cadaveric sphenoidectomy) के दौरान सफलतापूर्वक स्थिर एंडोस्कोपिक विज़ुअलाइज़ेशन प्रदान कर सकता है, जिससे सर्जिकल सहायता के लिए ह्यूमनाइड फॉर्म फैक्टर की व्यवहार्यता स्थापित होती है और भविष्य के नैदानिक अनुवाद के लिए प्रमुख इंजीनियरिंग लक्ष्यों की पहचान होती है।
यह शोध पत्र PPT प्रस्तुत करता है, जो एक स्केलेबल प्रीट्रेनिंग फ्रेमवर्क है जो मोशन फोरकास्टिंग मॉडल्स के प्रदर्शन और सामान्यीकरण (जनरलाइजेशन) को बढ़ाने के लिए, विशेष रूप से कम-डेटा और क्रॉस-डोमेन परिदृश्यों में, ऑफ-द-शेल्फ डिटेक्टर्स से स्वचालित रूप से जनरेट की गई सूडो-लेबल्ड ट्राजेक्टरीज का लाभ उठाता है, जबकि महंगी मैनुअल एनोटेशन पर निर्भरता को कम करता है।
यह शोध पत्र NMPCM प्रस्तुत करता है, जो क्वाड्रोटर UAVs के लिए संसाधन-सीमित माइक्रोकंट्रोलर्स पर नॉनलीन मॉडल प्रेडिक्टिव कंट्रोल को तैनात करने की एक कुशल विधि है, जो सत्यापित सिमुलेशन और प्रयोगों के माध्यम से नियंत्रण सटीकता बनाए रखते हुए उच्च-आवृत्ति वास्तविक समय निष्पादन प्राप्त करता है।
यह शोधपत्र कॉन्ट्रास्टिव वर्ल्ड मॉडल्स (CWM) प्रस्तुत करता है, जो एक नवीन दृष्टिकोण है जो हार्ड-नेगेटिव उदाहरणों पर एक कॉन्ट्रास्टिव ऑब्जेक्टिव के साथ लार्ज लैंग्वेज मॉडल्स को फाइन-ट्यून करके एम्बॉडीड एजेंट्स में एक्शन फिएसिबिलिटी स्कोरिंग को बढ़ाता है, जिससे यह भौतिक रूप से वैध कार्यों को सूक्ष्म अमान्य कार्यों से अलग करने में पारंपरिक सुपरवाइज्ड फाइन-ट्यूनिंग की तुलना में काफी बेहतर प्रदर्शन करता है।