4996 पेपर
SCOPE एक तेज़ और कुशल फ्रेमवर्क है जो विरूपणीय रैखिक वस्तुओं (deformable linear objects) को मॉडल और हेरफेर करने के लिए स्मूथ कॉनवेक्स ऑप्टिमाइज़ेशन का उपयोग करता है, जो वास्तविक समय के अनुप्रयोगों के लिए भौतिक सुसंगतता बनाए रखते हुए पारंपरिक ऊर्जा-आधारित विधियों के एक कम्प्यूटेशनल रूप से हल्के विकल्प के रूप में कार्य करता है।
यह शोधपत्र एक ऐसे नवीन ढांचे का प्रस्ताव करता है जो व्यापक उपयोगकर्ता प्राथमिकताओं को मॉडल करने और मॉड्यूलर, नैतिक रूप से जिम्मेदार एवं सक्रिय इंटरैक्शन अनुकूलन को सक्षम करने के माध्यम से वर्तमान वैयक्तिकरण विधियों की सीमाओं को दूर करने के लिए सोशल रोबोट्स में रिकमेंडर सिस्टम तकनीकों को एकीकृत करता है।
201 प्रतिभागियों का यह मिश्रित-पद्धति वाला अध्ययन यह प्रदर्शित करता है कि जबकि रोबोटों में मानवीकरण का स्तर यह निर्धारित करता है कि लोग उनके दुर्व्यवहार के प्रति नैतिक विचार प्रस्तुत करते हैं या नहीं, व्यक्तिगत नैतिक आधार—विशेष रूप से राजनीतिक प्रगतिवाद—ऐसे शोषण का मूल्यांकन करने के लिए उपयोग किए जाने वाले विशिष्ट तर्क पैटर्न को आकार देते हैं।
यह शोध पत्र एक वास्तविक संग्रहालय में दृष्टिबाधित प्रतिभागियों के साथ नेविगेशन-सहायक रोबोट का उपयोग करते हुए एक बार-बार एक्सपोज़र (repeated exposure) अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि उपयोगकर्ता रोबोट पर निर्भरता और स्वतंत्र क्रिया के बीच संतुलन बनाने के लिए अपनी रणनीतियों को समय के साथ परिष्कृत करते हैं, जिससे स्पष्ट प्राथमिकताएं विकसित होती हैं, और इस प्रकार अनुकूलन योग्य रोबोटिक प्रणालियों के डिज़ाइन को सूचित किया जाता है।
InteLiPlan एक संवादात्मक, हल्का और रोबोट-अज्ञेय (robot-agnostic) LLM-आधारित ढांचा है जो वास्तविक समय की ऑनबोर्ड कंप्यूटिंग और मानव-इन-द-लूप हस्तक्षेप के माध्यम से घरेलू रोबोट स्वायत्तता को बढ़ाता है, जो सिमुलेशन और वास्तविक दुनिया दोनों प्लेटफॉर्म पर विफलता रिकवरी के साथ जटिल कार्यों में 95% सफलता दर प्राप्त करता है।
यह शोध पत्र अवरुद्ध पैदल यात्री क्रॉसिंग (occluded pedestrian crossings) के लिए एक नवीन ऑफलाइन सुदृढीकरण शिक्षण (offline reinforcement learning) ढांचे का प्रस्ताव करता है जो सिमेंटिक सेगमेंटेशन से प्राप्त एक अनुकूलन योग्य सुरक्षा घटक का उपयोग करके मानव-संरेखित रिवॉर्ड लेबल उत्पन्न करता है, जिससे प्रभावी रूप से सुरक्षित नीतियों को प्रशिक्षित किया जाता है और उन सुरक्षा-महत्वपूर्ण अवस्थाओं की पहचान की जाती है जिन्हें मानव एनोटेटर अनदेखा कर सकते हैं।
यह शोध पत्र एक बहु-मोडल रोबोट प्रणाली प्रस्तुत करता है जो पैरों और कपड़ों की अवस्थाओं का अनुमान लगाने के लिए सिमेंटिक-आधारित दृश्य ध्यान (विजुअल अटेंशन) और स्पर्श फीडबैक का लाभ उठाता है, जो सफलतापूर्वक अनदेखे मानव विषयों के लिए मौजूदा विधियों की तुलना में उच्च सफलता दर के साथ सुरक्षित और सामान्यीकृत क्लोज-फिटिंग ड्रेसिंग सहायता सक्षम करता है।
यह शोध पत्र लो-रिज़ॉल्यूशन नेक्स्ट बेस्ट व्यू (LR-NBV) एल्गोरिदम प्रस्तुत करता है, जो रोबोट पैकिंग के लिए एक लागत प्रभावी और स्केलेबल दृष्टिकोण है जो उच्च-परिशुद्धता 3D सेंसिंग के बजाय उपयोगिता को प्राथमिकता देकर मानक विधियों की तुलना में कम पोज के साथ कुशल ऑब्जेक्ट पुनर्निर्माण प्राप्त करता है।
यह शोधपत्र DecompGAIL का प्रस्ताव करता है, जो एक अपघटित (decomposed) मल्टी-एजेंट जनरेटिव एडवरसेरियल इमिटेशन लर्निंग फ्रेमवर्क है जो स्पष्ट यथार्थवाद अपघटन (explicit realism decomposition) और एक सोशल PPO ऑब्जेक्टिव के माध्यम से अप्रासंगिक इंटरेक्शन मिसगाइडेंस से होने वाली अस्थिरता को हल करता है, और WOMD Sim Agents 2025 बेंचमार्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करता है।
PointMapPolicy एक नवीन मल्टी-मोडल इमिटेशन लर्निंग फ्रेमवर्क पेश करता है जो रोबोटिक मैनिपुलेशन कार्यों में स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करने के लिए विस्तृत ज्यामितीय संरचना और समृद्ध सिमेंटिक संदर्भ दोनों का लाभ उठाने हेतु xLSTM बैकबोन और डिफ्यूजन पॉलिसीज़ का उपयोग करके स्ट्रक्चर्ड, नॉन-डाउनसैम्पल्ड पॉइंट क्लाउड्स को RGB छवियों के साथ फ्यूज करता है।