4966 पेपर
यह शोध पत्र विजन-लैंग्वेज-एक्शन (VLA) मॉडल्स में मिनिमम एरर एंट्रॉपी (MEE) उद्देश्यों को एकीकृत करने का प्रस्ताव देता है ताकि एक्शन एरर डिस्ट्रीब्यूशन को नया रूप दिया जा सके, जिससे इन्फरेंस दक्षता से समझौता किए बिना विविध सेटिंग्स में रोबोटिक मैनिपुलेशन पॉलिसीज़ की मजबूती और सफलता दर को बढ़ाया जा सके।
यह अध्ययन सिस्टम प्रॉम्प्ट्स में सहायक फ्रेमिंग के विभिन्न स्तरों के माध्यम से छह लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करता है और पाता है कि जहाँ मध्यम स्तर की सहायता सहानुभूति और रचनात्मक देखभाल को बढ़ाती है बिना सुरक्षा से समझौता किए, वहीं अत्यधिक सत्यापनकारी प्रॉम्प्ट्स सुरक्षा और देखभाल की गुणवत्ता को काफी कम कर देते हैं, जो कल्याण एजेंटों (well-being agents) को तैनात करने के लिए एक महत्वपूर्ण ट्रेड-ऑफ को रेखांकित करते हैं।
यह शोध पत्र Unicomp को प्रस्तुत करता है, जो एक एकीकृत डिस्क्रीट-टाइम मॉडलिंग फ्रेमवर्क है जो मुक्त-स्थान गति (free-space motion) और जटिल घर्षण संपर्क (complex frictional contact) को एक एकल पूरकता-आधारित औपचारिकता (complementarity-based formalism) में एक दीर्घवृत्तीय सीमा सतह (ellipsoidal limit surface) के साथ एकीकृत करता है, जो संपर्क-समृद्ध रोबोटिक हेरफेर कार्यों के लिए स्थिर, वास्तविक समय के अनुकूलन-आधारित नियोजन को सक्षम बनाता है।
यह शोध पत्र एक बैक-सपोर्ट एक्सोस्केलेटन के लिए एक विजन-गेटेड कंट्रोल फ्रेमवर्क को प्रस्तुत और मान्य करता है जो वास्तविक समय में ग्रैस्प डिटेक्शन (पकड़ का पता लगाने) के आधार पर सहायता को गतिशील रूप से अनुकूलित करने के लिए एगोसेंट्रिक विजन और गेज़ ट्रैकिंग को एकीकृत करता है, जो गैर-विजन-आधारित या निष्क्रिय प्रणालियों की तुलना में उपयोगकर्ता की सहजता, विश्वास और शारीरिक मांग में कमी को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र UPPM को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त ढांचा (training-free framework) है जो डायनेमिक डिस्क्रिप्टर्स उत्पन्न करने के लिए फाउंडेशन मॉडल्स का लाभ उठाता है और उन्हें मल्टी-रेज़ोल्यूशन TSDF मैप के भीतर संलयित (fuse) करता है, जिससे ओपन-वोकैबुलरी पैनोप्टिक मैपिंग में लेबल फ्रैगमेंटेशन को हल किया जा सके और उच्च-गुणवत्ता वाला, निरंतर और प्रॉम्प्टेबल सीन अंडरस्टैंडिंग प्राप्त किया जा सके।
यह शोध पत्र LP-MPPI को प्रस्तुत करता है, जो एक नवीन नियंत्रण एल्गोरिदम है जो उच्च-आवृत्ति वाले शोर (high-frequency noise) को समाप्त करने के लिए मॉडल प्रेडिक्टिव पाथ इंटीग्रल (Model Predictive Path Integral) नियंत्रण की सैंपलिंग प्रक्रिया में लो-पास फ़िल्टरिंग को एकीकृत करता है, जिससे सैंपलिंग दक्षता बढ़ती है, नियंत्रण संकेत सुचारू होते हैं, और यह सिमुलेशन एवं वास्तविक दुनिया के स्वायत्त रेसिंग कार्यों में अत्याधुनिक वेरिएंट्स से बेहतर प्रदर्शन करता है।
यह शोधपत्र एक पत्राचार-मुक्त (correspondence-free), फलन-आधारित (function-based) सिम-टू-रियल लर्निंग फ्रेमवर्क प्रस्तुत करता है जो विरूपण फलनों (deformation functions) और आत्मविश्वास मानचित्रों (confidence maps) को सीखने के लिए न्यूरल नेटवर्क का उपयोग करता है, जिससे पूर्ण पत्राचार की आवश्यकता के बिना 3D पॉइंट क्लाउड्स या अपूर्ण मार्कर डेटा का उपयोग करके विविध विरूपणीय सॉफ्ट रोबोट्स का सुदृढ़ नियंत्रण सक्षम होता है।
यह शोध पत्र प्रदर्शित करता है कि लीकी इंटीग्रेट-एंड-फायर डायनेमिक्स (Leaky Integrate-and-Fire dynamics) को सरोगेट ग्रेडिएंट्स के साथ संयोजित करने वाले एक प्रेडिक्टिव-कंट्रोल फ्रेमवर्क के माध्यम से एंड-टू-एंड प्रशिक्षित, पूर्णतः स्पाइकिंग न्यूरल नेटवर्क, गैर-स्पाइकिंग बेसलाइनों के तुलनीय प्रदर्शन के साथ उच्च-आयामी रोबोटिक आर्म्स को प्रभावी ढंग से नियंत्रित कर सकते हैं और साथ ही काफी कम मापदंडों (parameters) का उपयोग कर सकते हैं।
यह शोध पत्र L2M-Reg का प्रस्ताव करता है, जो एक नवीन प्लेन-आधारित फाइन रजिस्ट्रेशन विधि है जो आउटडोर LiDAR पॉइंट क्लाउड्स के साथ सटीक और कुशल बिल्डिंग-स्तरीय संरेखण प्राप्त करने के लिए लेवल ऑफ डिटेल 2 (LoD2) सिमेंटिक 3D सिटी मॉडल्स में सामान्यीकरण अनिश्चितता (generalization uncertainty) को स्पष्ट रूप से संबोधित करता है।
यह शोध पत्र DrivoR को पेश करता है, जो एंड-टू-एंड स्वायत्त ड्राइविंग के लिए एक प्योर-ट्रांसफॉर्मर आर्किटेक्चर है जो मल्टी-कैमरा फीचर्स को एक संक्षिप्त प्रतिनिधित्व में संकुचित करने के लिए कैमरा-अवेयर रजिस्टर टोकन का उपयोग करता है, जिससे व्याख्यात्मक सब-स्कोर के साथ कुशल प्रक्षेपवक्र (ट्रैजेक्टरी) जनरेशन और स्कोरिंग सक्षम होती है और यह कई बेंचमार्क पर अत्याधुनिक बेसलाइन के मुकाबले बेहतर प्रदर्शन करता है या उनके बराबर रहता है।