4966 पेपर
GF-VLA एक ऐसा फ्रेमवर्क है जो सूचना-सैद्धांतिक दृश्य ग्राफ (information-theoretic scene graphs) को विजन-लैंग्वेज-एक्शन मॉडल के साथ जोड़कर मानव प्रदर्शनों को पदानुक्रमित, व्याख्या योग्य और सामान्यीकरण योग्य गति नीतियों में बदलने के माध्यम से ड्यूल-आर्म रोबोट्स को जटिल कार्य करने में सक्षम बनाता है।
OpenGVL एक नया बेंचमार्क है जिसे टेम्पोरल टास्क प्रोग्रेस (temporal task progress) की भविष्यवाणी करने के लिए विजन-लैंग्वेज मॉडल्स का मूल्यांकन और उपयोग करने के लिए डिज़ाइन किया गया है, जो रोबोटिक्स में ऑटोमेटेड डेटा क्यूरेशन के लिए एक टूल प्रदान करता है और ओपन-सोर्स और क्लोज्ड-सोर्स मॉडल्स के बीच एक महत्वपूर्ण प्रदर्शन अंतराल को प्रकट करता है।
यह शोध पत्र D-PDDP नामक एक पूर्णतः वितरित स्थानिक-कालिक प्रक्षेपवक्र अनुकूलन ढांचे का प्रस्ताव करता है, जो कुशल, बड़े पैमाने के UAV झुंड सर्वसम्मति को प्राप्त करने के लिए स्थानीय नियोजन हेतु पैरामीट्रिक डिफरेंशियल डायनेमिक प्रोग्रामिंग (PDDP) और एक अनुकूली दंड पैरामीटर के साथ अल्टरनेटिंग डायरेक्शन मल्टीप्लायर मेथड (ADMM) को संयोजित करने वाले दो-स्तरीय आर्किटेक्चर का उपयोग करता है।
यह शोध पत्र TacThru पेश करता है, जो एक सी-थ्रू-स्किन (see-through-skin) सेंसर है जो एक साथ दृश्य और सुदृढ़ स्पर्श धारणा (tactile perception) में सक्षम है, और TacThru-UMI, एक इमिटेशन लर्निंग फ्रेमवर्क है जो इन मल्टीमॉडल संकेतों को ट्रांसफॉर्मर-आधारित डिफ्यूजन पॉलिसी के माध्यम से एकीकृत करता है ताकि जटिल कार्यों में रोबोटिक मैनिपुलेशन प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र MomaGraph, एक एकीकृत, अवस्था-जागरूक (state-aware) सीन ग्राफ प्रतिनिधित्व और एक संगत बड़े पैमाने के डेटासेट एवं मूल्यांकन सुइट के साथ-साथ, MomaGraph-R1 का परिचय देता है, जो इन संसाधनों का लाभ उठाकर कार्य-उन्मुख सीन ग्राफ भविष्यवाणी और एम्बोडीड टास्क प्लानिंग में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए एक विजन-लैंग्वेज मॉडल है।
RoboPaint एक "Real-Sim-Real" पाइपलाइन पेश करता है जो स्पर्श-जागरूक रिटारगेटिंग (tactile-aware retargeting) और फोटोरियलिस्टिक सिमुलेशन के माध्यम से मल्टीमॉडल मानव प्रदर्शनों को रोबोट-निष्पादनीय प्रक्षेप पथों (robot-executable trajectories) में बदलकर कुशल डेक्सट्रस मैनिपुलेशन प्रशिक्षण डेटा को कुशलतापूर्वक स्केल करता है, जिससे प्रत्यक्ष रोबोट टेलीऑपरेशन की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र एक डिफरेंशिएबल वाहन-गति (vehicle-motion) फ्रेमवर्क प्रस्तावित करता है जो एक्शन-आधारित पॉलिसियों को मानक वेपॉइंट-आधारित बेंचमार्क के भीतर प्रशिक्षित और मूल्यांकित करने में सक्षम बनाकर वेपॉइंट-आधारित और एक्शन-आधारित एंड-टू-एंड ऑटोनॉमस ड्राइविंग के बीच के अंतर को पाटता है, जिससे NAVSIM पर अत्याधुनिक (state-of-the-art) प्रदर्शन प्राप्त होता है।
यह शोध पत्र CLiMRS को प्रस्तुत करता है, जो एक अनुकूलन योग्य समूह वार्ता फ्रेमवर्क है जो गतिशील उपसमूह निर्माण और धारणा-संचालित चर्चाओं के माध्यम से कुशल और सुदृढ़ विषम बहु-रोबोट सहयोग को सक्षम करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है।
KANLoc एक मोनोकुलर लोकलाइजेशन फ्रेमवर्क है जो ग्रहीय लैंडिंग के लिए डिज़ाइन किया गया है, जो विजुअल ओडोमेट्री ड्रिफ्ट को कम करने के लिए इसे एक पैरामीटर-एफिशिएंट कोल्रोगोरोव-आर्नोल्ड नेटवर्क (KAN) आधारित एब्सोल्यूट पोज़ रिग्रेसर के साथ फ्यूज करता है ताकि वैश्विक रूप से सुसंगत, रियल-टाइम 6-DoF प्रक्षेपवक्र (ट्रैजेक्टरी) प्रदान की जा सके।
यह शोध पत्र चिकित्सा ड्रोन के उड़ान गतिकी (फ्लाइट डायनेमिक्स) और मार्गदर्शन, नेविगेशन और नियंत्रण (जीएनसी) प्रणालियों पर ध्यान केंद्रित करते हुए एक व्यापक समीक्षा प्रदान करता है, विशेष रूप से इस बात का परीक्षण करता है कि मिशन की आवश्यकताएं, पेलोड डिजाइन और पर्यावरणीय चुनौतियां स्वास्थ्य सेवा वितरण के लिए इन तकनीकों के अनुकूलन को कैसे प्रभावित करती हैं।