4982 पेपर
यह शोध पत्र ALRM को प्रस्तुत करता है, जो एक एजेंटिक LLM फ्रेमवर्क है जो प्राकृतिक भाषा तर्क और रोबोटिक हेरफेर के बीच के अंतर को एक मॉड्यूलर ReAct-शैली के लूप के माध्यम से पाटता है जो Code-as-Policy और Tool-as-Policy निष्पादन मोड दोनों का समर्थन करता है, जिसे 56 भाषाई रूप से विविध कार्यों के एक नए बेंचमार्क द्वारा मान्य किया गया है।
यह शोध पत्र स्किल मिक्सचर-ऑफ-एक्सपर्ट्स पॉलिसी (SMP) प्रस्तुत करता है, जो एक डिफ्यूजन-आधारित ढांचा है जो एक कॉम्पैक्ट ऑर्थोगोनल स्किल बेसिस सीखता है और केवल कार्य-प्रासंगिक विशेषज्ञों को गतिशील रूप से सक्रिय करने के लिए स्टिकी रूटिंग का उपयोग करता है, जिससे बड़े पैमाने के डिफ्यूजन बेसलाइन की तुलना में बेहतर मल्टी-टास्क मैनिपुलेशन प्रदर्शन और काफी कम इन्फरेंस लागत प्राप्त होती है।
IROS एक वास्तविक समय का इनडोर नेविगेशन फ्रेमवर्क है जो तेज़, हल्के रिफ्लेक्सिव निर्णयों को ऑन-डिमांड, डेलिब्रेटिव विज़न-लैंग्वेज मॉडल रीजनिंग के साथ संयोजित करने के लिए एक डुअल-प्रोसेस आर्किटेक्चर का लाभ उठाता है, जिससे कम लागत वाले हार्डवेयर पर काफी कम विलंबता और बेहतर सटीकता के साथ मजबूत मानव-समान नेविगेशन प्राप्त होता है।
यह शोध पत्र प्रदर्शित करता है कि एक मिश्रित-सिग्नल न्यूरोमॉर्फिक प्रोसेसर पर चलने वाला एक कॉम्पैक्ट स्पाइकिंग न्यूरल नेटवर्क, सुदृढीकरण सीखने (रिनफोर्समेंट लर्निंग) के माध्यम से एक एयर हॉकी रोबोट को वास्तविक समय में नियंत्रित करने के लिए प्रशिक्षित किया जा सकता है, जो सह-डिज़ाइन किए गए एल्गोरिदम और हार्डवेयर के माध्यम से मस्तिष्क-प्रेरित हार्डवेयर को तेज़ गति वाले रोबोटिक नियंत्रण के साथ सफलतापूर्वक जोड़ता है।
यह शोध पत्र GAZELOAD को प्रस्तुत करता है, जो एक नियंत्रित औद्योगिक परिवेश में सहयोगात्मक रोबोट के साथ परस्पर क्रिया करने वाले 26 प्रतिभागियों से एकत्र किया गया एक मल्टीमॉडल डेटासेट है, जो मानव-रोबोट सहयोग के लिए मानसिक कार्यभार अनुमान एल्गोरिदम के विकास और बेंचमार्किंग को सुगम बनाने हेतु उच्च-रिज़ॉल्यूशन आई-ट्रैकिंग मेट्रिक्स को पर्यावरणीय और कार्य संदर्भ डेटा के साथ सिंक्रोनाइज़ करता है।
MetaVLA एक एकीकृत, बैकबोन-अज्ञेय (backbone-agnostic) पोस्ट-ट्रेनिंग फ्रेमवर्क है जो विजन-लैंग्वेज-एक्शन मॉडल्स के कुशल, स्केलेबल अनुकूलन को सक्षम करने के लिए कॉन्टेक्स्ट-अवेयर मेटा को-ट्रेनिंग और एक लाइटवेट अटेंटिव न्यूरल प्रोसेसेज मैकेनिज्म का उपयोग करता है, जो लॉन्ग-होरिजन कार्यों पर बेसलाइन्स से काफी बेहतर प्रदर्शन करते हुए प्रशिक्षण चरणों और GPU लागत को नाटकीय रूप से कम करता है।
यह शोध पत्र REMAC को प्रस्तुत करता है, जो मास्क्ड एक्शन चंकिंग और प्रीफिक्स-प्रिजर्व्ड सैंपलिंग के माध्यम से इंट्रा-चंक इनकंसिस्टेंसी (intra-chunk inconsistency) को संबोधित करके रियल-टाइम रोबोट निष्पादन को बढ़ाता है, जिससे बिना किसी अतिरिक्त विलंबता के मजबूत और तेज़ कार्य पूर्णता सक्षम होती है।
यह शोधपत्र FAEA को प्रस्तुत करता है, जो एक प्रदर्शन-मुक्त (demonstration-free) रोबोटिक नियंत्रण ढांचा है जो मैनिपुलेशन बेंचमार्क पर उच्च सफलता दर प्राप्त करने के लिए मूल रूप से सॉफ्टवेयर इंजीनियरिंग के लिए डिज़ाइन की गई पुनरावृत्ति तर्क रणनीतियों (iterative reasoning strategies) को लागू करके अपरिवर्तित सामान्य-उद्देश्य वाले LLM एजेंटों का लाभ उठाता है, जिससे यह डेटा-गहन विजन-लैंग्वेज-एक्शन मॉडलों के लिए एक स्केलेबल विकल्प प्रदान करता है।
यह शोध पत्र ग्रोइंग पॉलिसी ऑप्टिमाइज़ेशन (GPO) को पेश करता है, जो एक प्रशिक्षण ढांचा है जो टॉर्क-आधारित लेग्ड रोबोट नियंत्रण में अन्वेषण चुनौतियों से निपटने के लिए एक समय-परिवर्तनीय एक्शन स्पेस को प्रगतिशील रूप से विस्तारित करता है, जिससे स्थिर शिक्षण और उत्कृष्ट ज़ीरो-शॉट हार्डवेयर परिनियोजन प्रदर्शन सुनिश्चित होता है।
यह शोध पत्र MemCtrl का प्रस्ताव करता है, जो एक नवीन फ्रेमवर्क है जो एक प्रशिक्षण योग्य मेमोरी हेड (trainable memory head) से सुसज्जित मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (MLLMs) का उपयोग करके सक्रिय रूप से ऑनलाइन मेमोरी को छाँटने और प्रबंधित करने के लिए काम करता है, जो सख्त संसाधन सीमाओं के तहत एम्बॉडीड एजेंट्स (embodied agents) के कार्य पूरा करने के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।