4966 पेपर
DreamDojo एक फाउंडेशन वर्ल्ड मॉडल है जिसे 44,000 घंटों के एगोसेंट्रिक मानव वीडियो पर प्रशिक्षित किया गया है जो निरंतर लेटेंट एक्शन्स के माध्यम से विविध दक्ष इंटरैक्शन सीखता है, जिससे ओपन-वर्ल्ड, कॉन्टैक्ट-रिच वातावरण में जनरलइस्ट रोबोट्स के लिए रियल-टाइम सिमुलेशन, सटीक एक्शन कंट्रोलेबिलिटी और प्रभावी पॉलिसी प्लानिंग सक्षम होती है।
यह शोध पत्र एक नवीन अनुकूलन-आधारित ढांचे को प्रस्तुत करता है जो केवल एक एकल आंशिक एगोसेंट्रिक (स्व-केंद्रित) अवलोकन का उपयोग करके गतिशील एआर (AR) वातावरण में समान वस्तुओं की सुदृढ़ पुन: पहचान करने में सक्षम बनाता है, जो पहनने योग्य उपकरणों पर मार्कर रहित भौतिक-आभासी इंटरैक्शन को सुगम बनाने के लिए पूर्णांक प्रोग्रामिंग और वोरोनोई-आधारित छंटनी के माध्यम से उच्च सटीकता और गणनात्मक दक्षता प्राप्त करता है।
यह शोध पत्र एंडोस्कोपिक एंडोनासल सर्जरी में उपयोग किए जाने वाले एक लघु, चुंबकीय रूप से निर्देशित सॉफ्ट सक्शन उपकरण के लिए एक लर्निंग-आधारित मॉडलिंग फ्रेमवर्क प्रस्तुत करता है, जो चुंबकीय सक्रियण मापदंडों से रोबोट के 3D आकार की सटीक भविष्यवाणी करने के लिए एम्बेडेड फाइबर ब्रैग ग्रेटिंग सेंसर और रैंडम फॉरेस्ट एल्गोरिदम का उपयोग करके सब-मिलीमीटर त्रुटि प्राप्त करता है।
यह शोध पत्र रोबोटिक जोड़ों में डिस्क्रीट-टाइम PID नियंत्रकों के लिए एक बाधा-जागरूक (constraint-aware) ट्यूनिंग वर्कफ़्लो प्रस्तुत करता है जो एक्चुएटर सैचुरेशन और सिस्टम अनिश्चितताओं के तहत मजबूत प्रदर्शन और कम ओवरशूट प्राप्त करने के लिए विश्लेषणात्मक स्थिरता स्क्रीनिंग को बायेसियन ऑप्टिमाइज़ेशन के साथ जोड़ता है।
यह शोध पत्र रेजिडुअल फ्लो स्टीयरिंग (RFS) का प्रस्ताव करता है, जो एक डेटा-कुशल सुदृढीकरण अधिगम (रिनफोर्समेंट लर्निंग) ढांचा है जो स्थानीय त्रुटि सुधार और वैश्विक अन्वेषण के बीच संतुलन बनाने के लिए अवशिष्ट क्रियाओं (रेसिडुअल एक्शन्स) और लेटेंट नॉइज़ वितरणों को संयुक्त रूप से अनुकूलित करके पूर्व-प्रशिक्षित फ्लो-मैचिंग नीतियों को दक्ष हेरफेर (डेक्सट्रस मैनिपुलेशन) के लिए अनुकूलित करता है।
49 प्रतिभागियों वाले एक कॉफी रोबोट के सार्वजनिक क्षेत्र में किए गए परिनियोजन के माध्यम से, यह अध्ययन प्रकट करता है कि वास्तविक दुनिया के परिवेश में रोबोट की त्रुटियों के प्रति मानवीय सामाजिक संकेत समृद्ध और सूचनात्मक तो हैं, लेकिन वे अत्यधिक परिवर्तनशील और "शोरपूर्ण" भी हैं, विशेष रूप से समूह की अंतःक्रियाओं के दौरान।
यह शोध पत्र एक डिफरेंशिएबल न्यूरो-ग्राफिक्स मॉडल प्रस्तुत करता है जो न्यूरल फाउंडेशन मॉडल्स को भौतिकी-आधारित डिफरेंशिएबल रेंडरिंग के साथ जोड़कर, व्यापक प्रशिक्षण डेटा या टेस्ट-टाइम सैंपल्स की आवश्यकता को समाप्त करते हुए, एक एकल RGBD इमेज से ज़ीरो-शॉट, भौतिक रूप से सुसंगत दृश्य पुनर्निर्माण और रोबोट ग्रैस्पिंग को सक्षम बनाता है।
यह अध्ययन एक मास्क्ड प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) सुदृढीकरण शिक्षण ढांचे का प्रस्ताव करता है जो मल्टी-डेब्रिस एक्टिव रिमूवल मिशनों में संलग्न छोटे उपग्रहों के लिए ईंधन-कुशल, अनुकूलन योग्य टकराव बचाव और रिफ्यूलिंग रणनीतियों को अनुकूलित करता है, जो जटिल कक्षीय वातावरण में पारंपरिक ह्यूरिस्टिक दृष्टिकोणों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोधपत्र स्वायत्त आपातकालीन ब्रेकिंग के लिए एक न्यूरो-सिम्बोलिक सुदृढीकरण शिक्षण (reinforcement learning) ढांचे का प्रस्ताव करता है जो नीति की मजबूती को बढ़ाने और निर्णय लेने को मानवीय सुरक्षा मूल्यों के साथ संरेखित करने के लिए दृश्य संदर्भ के वेक्टर सिमेंटिक निरूपणों को एक सॉफ्ट फर्स्ट-ऑर्डर लॉजिक रिवॉर्ड फंक्शन के साथ एकीकृत करता है।
यह शोध पत्र सक्रिय मलबे को हटाने के लिए तीन मिशन नियोजन दृष्टिकोणों का मूल्यांकन करता है, जो यह प्रदर्शित करता है कि जहाँ डोमेन-रैंडमाइज्ड सुदृढीकरण शिक्षण (reinforcement learning) गति और अनुकूलन क्षमता के बीच एक मजबूत संतुलन प्रदान करता है, वहीं मोंटे कार्लो ट्री सर्च (Monte Carlo Tree Search) काफी अधिक गणनात्मक समय की लागत पर बेहतर बाधा प्रबंधन (constraint handling) प्रदान करता है, जो सीखे गए नीतिगत दक्षता (learned policy efficiency) और खोज-आधारित लचीलेपन (search-based flexibility) के बीच एक महत्वपूर्ण समझौते को रेखांकित करता है।