4969 पेपर
यह शोध पत्र एक संयुक्त शिक्षण ढांचे (joint learning framework) को प्रस्तुत करता है जो अनकैलिब्रेटेड वीडियो से बड़े पैमाने पर, फोटो-यथार्थवादी मोनोकुलर 3D पुनर्निर्माण प्राप्त करने के लिए मेट्रिक-स्केल विजन-ट्रांसफॉर्मर डेप्थ एस्टीमेशन, ड्रिफ्ट-फ्री पोज़ रिफाइनमेंट के लिए मल्टी-स्केल फीचर बंडल-एडजस्टमेंट, और एक इंक्रीमेंटल लोकल रेडिएंस फील्ड पदानुक्रम को एकीकृत करता है।
TwinBrainVLA एक एसिमेट्रिक मिक्सचर-ऑफ-ट्रांसफॉर्मर्स आर्किटेक्चर पेश करके रोबोटिक फाइन-ट्यूनिंग में कैटास्ट्रोफिक फॉरगेटिंग (विस्मृति) को संबोधित करता है, जो एक फ्रोजन जनरलिस्ट VLM ("बायां मस्तिष्क") को एक ट्रेन करने योग्य स्पेशलिस्ट ("दायां मस्तिष्क") के साथ समन्वयित करता है ताकि सटीक एम्बोडीड कंट्रोल के लिए अक्षुण्ण सिमेंटिक ज्ञान को प्रोप्रियोसेप्टिव स्टेट्स के साथ गतिशील रूप से संलयित किया जा सके।
यह शोध पत्र TaF-VLA प्रस्तुत करता है, जो एक नवीन ढांचा है जो स्पर्श-दृष्टि संरेखण (tactile-vision alignment) से एक विशिष्ट एडेप्टर और एक बड़े पैमाने के सिंक्रोनाइज़्ड डेटासेट के माध्यम से स्पष्ट स्पर्श-बल संरेखण (tactile-force alignment) की ओर स्थानांतरित होकर विज़न-लैंग्वेज-एक्शन मॉडल्स को संपर्क-समृद्ध रोबोटिक हेरफेर के लिए उन्नत करता है, जिससे मजबूत, बल-जागरूक भौतिक तर्क सक्षम होता है।
PocketDP3 एक अत्यधिक कुशल, पॉकेट-स्केल 3D विसुओमोटर (visuomotor) पॉलिसी पेश करता है जो भारी U-Net डिकोडर्स को एक हल्के डिफ्यूजन मिक्सर (Diffusion Mixer) से बदल देता है, जिससे पिछले तरीकों के 1% से भी कम पैरामीटर्स के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है और तेज़, दो-चरणीय वास्तविक समय (real-time) अनुमान सक्षम होता है।
यह शोधपत्र पहला व्यवस्थित बेंचमार्क प्रस्तुत करता है जो यह प्रदर्शित करता है कि अत्याधुनिक ओपन-वोकैबुलरी ऑब्जेक्ट डिटेक्टर, सिमेंटिक कन्फ्यूजन के कारण हवाई इमेजरी में स्थानांतरित होने पर गंभीर प्रदर्शन गिरावट और उच्च फाल्स पॉजिटिव दरों से ग्रस्त होते हैं, जिससे यह स्पष्ट होता है कि वर्तमान मॉडलों में इस डोमेन में ज़ीरो-शॉट डिटेक्शन के लिए आवश्यक सुदृढ़ता का अभाव है।
यह शोध पत्र कृषि परिवेशों में LiDAR-आधारित स्थान पहचान (place recognition) पर पहला व्यापक सर्वेक्षण प्रस्तुत करता है, जो अत्याधुनिक डीप लर्निंग तकनीकों का विश्लेषण करता है, अव्यवस्थित परिवेशों द्वारा उत्पन्न अनूठी चुनौतियों का समाधान करता है, और स्वायत्त कृषि रोबोटिक्स को आगे बढ़ाने के लिए मौजूदा डेटासेट, मेट्रिक्स और भविष्य की अनुसंधान दिशाओं की समीक्षा करता है।
PoSafeNet एक विभेद्य न्यूरल सुरक्षा परत (differentiable neural safety layer) पेश करता है जो विषम सुरक्षा बाधाओं (heterogeneous safety constraints) को एक आंशिक क्रम समुच्चय (partially ordered set - poset) के रूप में मॉडल करता है ताकि क्रमिक क्लोज्ड-फॉर्म प्रोजेक्शन (sequential closed-form projections) के माध्यम से अनुकूली, संरचनात्मक रूप से गारंटीकृत सुरक्षा प्रवर्तन को सक्षम किया जा सके, जिससे मौजूदा समान या निश्चित-प्राथमिकता वाले दृष्टिकोणों की तुलना में सुरक्षा-महत्वपूर्ण रोबोटिक प्रणालियों में व्यवहार्यता और मजबूती में सुधार होता है।
यह शोध पत्र लैन्टर्न (Lantern) को प्रस्तुत करता है, जो एक कम लागत वाला, ओपन-सोर्स मिनिमलिस्ट रोबोटिक ऑब्जेक्ट प्लेटफॉर्म है जिसे सरल रूपों को सामाजिक अर्थ प्रदान करने की मानवीय प्रवृत्तियों का लाभ उठाकर मानव-रोबोट इंटरेक्शन अनुसंधान की बाधाओं को कम करने के लिए डिज़ाइन किया गया है, जो को-डिज़ाइन कार्यशालाओं से लेकर सार्वजनिक प्रदर्शनों तक विविध अनुप्रयोगों के माध्यम से अपनी बहुमुखी प्रतिभा और जुड़ाव की क्षमता को प्रदर्शित करता है।
'रिसर्च थ्रू डिज़ाइन' पद्धति का उपयोग करते हुए, यह शोध पत्र मानव-रोबोट संपर्क (ह्यूमन-रोबोट इंटरैक्शन) में मानवोन्मुखी प्रतिमानों के विकल्प के रूप में पादप-प्रेरित रूपकों का प्रस्ताव करता है, जो काल्पनिक प्रोटोटाइप और डिज़ाइन अंतर्दृष्टि प्रस्तुत करता है जो यह पता लगाते हैं कि कैसे सूक्ष्म, परिवेशी रोबोटिक उपस्थितियाँ सामयिक लय और प्राकृतिक रूपों के माध्यम से मानव-रोबोट संबंधों को नया आकार दे सकती हैं।
यह शोध पत्र एक पार्टिकल फ़िल्टर-आधारित मल्टी-मोडल फ्यूजन सिस्टम प्रस्तुत करता है जो GNSS, RoNIN इनर्शियल डेटा और स्थानिक मानचित्र पूर्वग्रहों (spatial map priors) को संयोजित करके शहरी घाटियों (urban canyons) में पैदल यात्रियों के स्थानीयकरण की सटीकता और फुटपाथ असाइनमेंट में महत्वपूर्ण सुधार करता है, विशेष रूप से दृष्टिबाधित या कम दृष्टि वाले उपयोगकर्ताओं के लिए जहाँ GNSS सिग्नल बाधित होते हैं।