4966 पेपर
यह शोध पत्र UAMTERS प्रस्तुत करता है, जो एक अनिश्चितता-जागरूक उत्परिवर्तन विश्लेषण ढांचा (uncertainty-aware mutation analysis framework) है, जो गतिशील वातावरण में डीप लर्निंग-सक्षम रोबोटिक सॉफ्टवेयर की निर्भरता और टेस्ट सुइट की गुणवत्ता को प्रभावी ढंग से मूल्यांकन करने के लिए स्टोकेस्टिक अनिश्चितता इंजेक्शन ऑपरेटरों और विशिष्ट मेट्रिक्स को पेश करता है।
यह शोध पत्र एक एंड-टू-एंड पाइपलाइन प्रस्तुत करता है जो इमर्सिव AR/VR अनुप्रयोगों के लिए उपयुक्त उच्च-सटीकता, कम-विलंबता वाले, वास्तविक समय के 3D दृश्य पुनर्निर्माण को प्राप्त करने के लिए UAV-कैप्चर किए गए वीडियो स्ट्रीम को 3D गॉसियन स्प्लेटिंग के साथ एकीकृत करता है, जो प्रतिस्पर्धी दृश्य गुणवत्ता बनाए रखते हुए रेंडरिंग गति और विलंबता में पारंपरिक NeRF-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करता है।
यह अध्ययन मौजूदा पोर्सिन सरोगेट डेटा (porcine surrogate data) का विस्तार करके शेयरिंग कॉन्टैक्ट परिदृश्यों को शामिल करते हुए पहले ऊर्जा-आधारित इंजरी प्रोटेक्शन डेटाबेस की स्थापना करता है, जो यह प्रकट करता है कि टकराव का कोण चोट के परिणामों को महत्वपूर्ण रूप से प्रभावित करता है और सुरक्षित मानव-रोबोट संपर्क के लिए अधिक सुदृढ़ ऊर्जा-सीमित नियंत्रकों के विकास को सक्षम बनाता है।
यह शोध पत्र एक एकीकृत मल्टी-टास्क रीइन्फोर्समेंट लर्निंग फ्रेमवर्क प्रस्तुत करता है जो एक एकल गोल-कंडीशन्ड पॉलिसी को रेफरेंस मोशन से मानव-समान मोटर कौशल सीखने और नवीन कार्यों में सामान्यीकरण करने के लिए प्रशिक्षित करता है, जो बिना किसी एडवरसेरियल ऑब्जेक्टिव या स्पष्ट ट्रैजेक्टरी कंस्ट्रेंट्स के, भंगुर रेफरेंस-ट्रैकिंग और अनुकूलन योग्य लेकिन निम्न-गुणवत्ता वाले टास्क-ड्रिवन कंट्रोल के बीच के अंतर को प्रभावी ढंग से पाटता है।
यह शोध पत्र एक कार्य-उन्मुख ग्रैस्पिंग फ्रेमवर्क का प्रस्ताव करता है जो डेक्सट्रस ह्यूमनाइड रोबोट्स के लिए है, जो मानव ग्रैस्प वरीयताओं पर प्रशिक्षित एक वेरिएशनल ऑटोएन्कोडर-आधारित हैंड सिनर्जी मॉडल को सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) के साथ जोड़ता है ताकि सामाजिक मानदंडों और विशिष्ट पोस्ट-ग्रैस्प उद्देश्यों के अनुरूप संदर्भ-जागरूक हेरफेर को सक्षम बनाया जा सके।
यह शोध पत्र LST-SLAM का प्रस्ताव करता है, जो एक नवीन स्टीरियो थर्मल SLAM प्रणाली है जो किलोमीटर-स्केल के गतिशील बाहरी वातावरण में मजबूत, सटीक स्थानीयकरण और मैपिंग प्राप्त करने के लिए स्व-पर्यवेक्षित फीचर लर्निंग, दोहरी-स्तरीय मोशन ट्रैकिंग और सिमेंटिक-जियोमेट्रिक बाधाओं को एकीकृत करती है, जो मौजूदा अत्याधुनिक विधियों से काफी बेहतर प्रदर्शन करती है।
यह शोध पत्र खोज और बचाव कार्यों के लिए एक सुदृढ़ UAV-आधारित प्रणाली प्रस्तुत करता है जो सटीक, वास्तविक समय ट्रैकिंग और मानव लक्ष्यों के सुरक्षित पीछा करने के लिए एक्सटेंडेड कलमन फ़िल्टर का उपयोग करके डेप्थ कैमरा डेटा के साथ YOLO-pose-आधारित मोनोक्यूलर दूरी अनुमान को संलयित (fuse) करता है।
यह शोध पत्र COPESS प्रस्तुत करता है, जो एक ट्यूनेबल कंप्लायंट पोरस-इलास्टिक सॉफ्ट सेंसिंग सिस्टम है जो इंडक्टिव सेंसर के साथ एकीकृत है, जो विविध वस्तुओं के अनुकूल, सूक्ष्म सतह-आधारित हेरफेर को सक्षम करने के लिए समायोज्य लैटिस घनत्व के माध्यम से यांत्रिक कठोरता और संवेदनशीलता को नियंत्रित करता है।
यह शोध पत्र रिफ्लेक्टिव टेस्ट-टाइम प्लानिंग (Reflective Test-Time Planning) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो एम्बोडीड एलएलएम (embodied LLMs) को रिफ्लेक्शन-इन-एक्शन (reflection-in-action), रिफ्लेक्शन-ऑन-एक्शन (reflection-on-action), और रेट्रोस्पेक्टिव रिफ्लेक्शन (retrospective reflection) को एकीकृत करके उन्नत बनाता है ताकि बार-बार होने वाले प्रयास-और-त्रुटि (trial-and-error) को संचयी अनुभव में बदला जा सके, जिससे लॉन्ग-होरिज़ॉन टास्क परफॉर्मेंस (long-horizon task performance) और व्यवहार संबंधी सुधार में महत्वपूर्ण रूप से सुधार होता है।
यह शोध पत्र स्क्विंट (Squint) को पेश करता है, जो एक तेज़ विज़ुअल रिइन्फोर्समेंट लर्निंग विधि है जो समानांतर सिमुलेशन, एक डिस्ट्रीब्यूशनल क्रिटिक और अनुकूलित प्रशिक्षण तकनीकों को जोड़कर एक एकल GPU का उपयोग करके मैनिपुलेशन कार्यों के एक नए समूह पर तीव्र वॉल-क्लॉक अभिसरण (wall-clock convergence) और सफल सिम-टू-रियल ट्रांसफर प्राप्त करता है।