4966 पेपर
यह शोधपत्र गैर-होलोनोमिक रोबोटों के लिए एक कुशल मोशन प्लानिंग फ्रेमवर्क प्रस्तावित करता है जो तेज़, गतिज रूप से व्यवहार्य (kinematically-feasible) और स्केलेबल नेविगेशन को सक्षम करने के लिए संरचित वातावरणों को आयताकार गलियारों के एक संक्षिप्त ग्राफ में नियत विघटन (deterministic decomposition) का उपयोग करता है।
यह शोध पत्र विजन-लैंग्वेज-एक्शन (VLA) मॉडल स्केलिंग का एक व्यवस्थित अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि अंधाधुंध डेटा पूलिंग से नकारात्मक स्थानांतरण (negative transfer) हो सकता है और यह प्रदर्शित करता है कि सफल क्रॉस-एम्बॉडिमेंट स्केलिंग के लिए मानक नियमितीकरण तकनीकों के बजाय एकीकृत एक्शन रिप्रजेंटेशन की आवश्यकता होती है।
TriPilot-FF एक ओपन-सोर्स होल-बॉडी टेलीऑपरेशन सिस्टम है जो द्विपक्षीय (बाइमैनुअल) मोबाइल मैनिपुलेटर्स के लिए है, जो टकराव-रोधी बेस नियंत्रण के लिए लिडार-संचालित हैप्टिक्स के साथ पैर से संचालित पेडल का उपयोग करता है, और ऑपरेटर के समन्वय और कार्य प्रदर्शन को बढ़ाने के लिए आर्म-साइड फोर्स फीडबैक और मैनिपुलेबिलिटी मार्गदर्शन का उपयोग करता है।
यह शोध पत्र TaCo को प्रस्तुत करता है, जो विषम स्पर्श संबंधी डेटा (heterogeneous tactile data) के लॉसलेस और लॉसी संपीड़न (compression) के मूल्यांकन के लिए पहला व्यापक बेंचमार्क है, और दो विशिष्ट डेटा-संचालित कोडक, TaCo-LL और TaCo-L प्रस्तावित करता है, जो विभिन्न रोबोटिक और धारणा कार्यों में मौजूदा विधियों से बेहतर प्रदर्शन करते हैं।
Hydra-Nav एक एकीकृत VLM आर्किटेक्चर है जो ऑब्जेक्ट नेविगेशन के लिए है, जो उच्च-स्तरीय योजना के लिए एक विचारशील "धीमी" (slow) प्रणाली और निष्पादन के लिए एक प्रतिक्रियाशील "तेज़" (fast) प्रणाली के बीच अनुकूल रूप से स्विच करके सफलता दर और दक्षता दोनों में सुधार करता है, जिसे एक विशेष तीन-चरणीय पाठ्यक्रम के माध्यम से प्रशिक्षित किया गया है।
DexImit एक स्वचालित फ्रेमवर्क है जो पुनर्निर्माण (reconstruction), अपघटन (decomposition), प्रक्षेपवक्र संश्लेषण (trajectory synthesis) और संवर्धन (augmentation) के चार-चरणीय पाइपलाइन के माध्यम से एकल कैमरा (monocular) मानव हेरफेर वीडियो को बड़े पैमाने पर, भौतिक रूप से विश्वसनीय रोबोट प्रशिक्षण डेटा में परिवर्तित करके मनुष्यों और रोबोटों के बीच एम्बॉडिमेंट गैप (embodiment gap) को पाटता है।
यह शोध पत्र एक "ज्ञान-केंद्रित मेटाकॉग्निटिव लर्निंग" ढांचे का प्रस्ताव करता है जो कृत्रिम प्रणालियों में अधिक बुद्धिमान, अनुकूलनीय और हस्तांतरणीय व्यवहार को सक्षम करने के लिए प्राकृतिक अमूर्तता (natural abstractions) और ज्ञान-निर्देशित अंतःक्रियाओं के माध्यम से सुदृढीकरण शिक्षण (reinforcement learning) में अमूर्त ज्ञान को एकीकृत करता है।
यह अध्ययन फ्लोरिडा में एक परिचालन शटल प्रणाली के वास्तविक दुनिया के प्रक्षेपवक्र डेटा (trajectory data) के साथ कैलिब्रेटेड सूक्ष्म यातायात सिमुलेशन (microscopic traffic simulation) का उपयोग करता है, यह प्रदर्शित करने के लिए कि शटल की आवृत्ति बढ़ाने से सड़क की क्षमता और गति कम हो जाती है, जबकि शटल की गति को समायोजित करना मिश्रित-स्वायत्तता वाले शहरी वातावरणों में यातायात प्रवाह को अनुकूलित कर सकता है।
यह अध्ययन प्रदर्शित करता है कि वेयरहाउस रोबोट पिकिंग सिस्टम में डीप लर्निंग और रिइन्फोर्समेंट लर्निंग को एकीकृत करने से पारंपरिक तरीकों की तुलना में परिचालन दक्षता, सटीकता और अनुकूलन क्षमता में महत्वपूर्ण वृद्धि होती है।
यह शोध पत्र रोबस्ट कंस्ट्रेंड मार्कोव डिसीजन प्रोसेस (RCMDPs) के लिए एक नवीन पॉलिसी ऑप्टिमाइज़ेशन एल्गोरिदम प्रस्तावित करता है जो बाइनरी सर्च की आवश्यकता को समाप्त करता है और इटरेशन्स में -सबऑप्टिमैलिटी और फिएसिबिलिटी प्राप्त करता है, जो मौजूदा विधियों की तुलना में महत्वपूर्ण कम्प्यूटेशनल स्पीडअप प्रदान करता है।