4997 पेपर
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।
यह शोध पत्र मास्क्ड जेनेरेटिव पॉलिसी (MGP) को प्रस्तुत करता है, जो एक नवीन विसुओमोटर इमिटेशन लर्निंग फ्रेमवर्क है जो जटिल, नॉन-मार्कोवियन रोबोटिक कार्यों पर अत्याधुनिक डिफ्यूजन और ऑटोरिग्रेसिव विधियों की तुलना में काफी तेज़ इन्फरेंस और बेहतर सफलता दर प्राप्त करने के लिए समानांतर टोकन जनरेशन को तीव्र परिशोधन (रैपिड रिफाइनमेंट) के साथ जोड़ता है।
यह शोध पत्र 3D ऑब्जेक्ट डिटेक्शन के लिए एक एंड-टू-एंड ट्रांसफॉर्मर-आधारित फ्रेमवर्क प्रस्तावित करता है जो प्रोसेस्ड ऑब्जेक्ट लिस्ट को डिनोइजिंग क्वेरीज़ के रूप में और डेफोर्मेबल गौसियन मास्क को रॉ कैमरा इमेजेस के साथ एकीकृत करके क्रॉस-लेवल फ्यूजन करता है, जो एक नवीन सूडो ऑब्जेक्ट लिस्ट जनरेशन पद्धति का उपयोग करके nuScenes डेटासेट पर महत्वपूर्ण प्रदर्शन सुधार प्रदर्शित करता है।
यह शोध पत्र मोशन फ्रॉम विजन-लैंग्वेज रिप्रेजेंटेशन (MoVLR) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो अमूर्त प्राकृतिक भाषा लक्ष्यों और अंतर्निहित शारीरिक गति रणनीतियों के बीच के अंतर को पाटकर, उच्च-आयामी मस्कुलोस्केलेटल नियंत्रण के लिए रिवॉर्ड फंक्शनों की पुनरावृत्ति से खोज और परिशोधन करने के लिए विजन-लैंग्वेज मॉडलों का लाभ उठाता है।
यह शोध पत्र एक स्टोकेस्टिक डिफरेंशियल इक्वेशन फ्रेमवर्क के भीतर एक्सपेक्टेशन-मैक्सिमाइजेशन एल्गोरिदम का उपयोग करके क्रेजीफ्लाई क्वाडकॉप्टर के लिए एक ऑनलाइन पैरामीटर एस्टीमेशन विधि प्रस्तुत करता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण स्टेट एस्टीमेशन के लिए एक एक्सटेंडेड कलमन फिल्टर और कंट्रोल के लिए एक लीनियर क्वाड्रेटिक गॉसियन कंट्रोलर का उपयोग करते हुए, ऑफलाइन एस्टीमेशन की तुलना में थोड़ा व्यापक अभिसरण रेंज (कन्वर्जेंस रेंज) प्राप्त करता है।
यह शोध पत्र "ध्वनिक क्षेत्र वीडियो" (acoustic field video) का परिचय देता है, जो एक नवीन मल्टीमॉडल प्रतिनिधित्व है जो विज़न-लैंग्वेज मॉडल्स को बेहतर बनाने के लिए स्थानिक ध्वनि तीव्रता को दृश्य रूप में प्रस्तुत करता है, और प्रयोगों के माध्यम से यह प्रदर्शित करता है कि इस डेटा को एकीकृत करने से पारंपरिक वीडियो और ऑडियो इनपुट की तुलना में दृश्य समझ की सटीकता 38.3% से बढ़कर 67.4% हो जाती है।
यह शोध पत्र एक छह-स्तरीय वर्गीकरण और अनुसंधान रोडमैप प्रस्तावित करके निर्माण उद्योग की अनुकूलन योग्य मानव-रोबोट सहयोग की आवश्यकता को संबोधित करता है, जो तात्कालिकता (इम्प्रोवाइजेशन) क्षमताओं में वर्तमान सीमाओं की पहचान करता है और वास्तविक सहयोगात्मक समस्या-समाधान प्राप्त करने के लिए उन्नत संचार इंटरफेस, एआई एकीकरण और क्लाउड-आधारित ज्ञान प्रणालियों से जुड़े भविष्य के दिशा-निर्देशों को रेखांकित करता है।
यह शोध पत्र EMPM को प्रस्तुत करता है, जो एक नवीन ढांचा है जो रोबोटिक हेरफेर के लिए विरूपणीय वस्तुओं (deformable objects) के भौतिक रूप से प्रशंसनीय, डेटा-कुशल और अनुकूलन योग्य मॉडल बनाने के लिए डिफरेंशिएबल मटेरियल पॉइंट मेथड सिमुलेशन को मल्टी-व्यू RGB-D वीडियो पुनर्निर्माण और ऑनलाइन पैरामीटर अनुकूलन के साथ जोड़ता है।
यह शोध पत्र एक ओपन-सोर्स, आई-ट्रैकिंग-संचालित नियंत्रण ढांचे को प्रस्तुत करता है जो सहायक रोबोटिक भुजाओं के लिए कार्य पिक्टोग्राम और फीचर मैचिंग का उपयोग करता है ताकि गंभीर शारीरिक अक्षमताओं वाले व्यक्तियों को 97.9% सटीकता के साथ दैनिक कार्यों को स्वतंत्र रूप से करने में सक्षम बनाया जा सके, जो उपयोगकर्ता की स्थिति के ज्ञान की आवश्यकता के बिना 3D गेज़ एस्टीमेशन और कार्य विभेदन की चुनौतियों को दूर करता है।
यह शोध पत्र MC+QUBO का प्रस्ताव करता है, जो एक मोंटे कार्लो सुदृढीकरण शिक्षण (reinforcement learning) विधि है जो QUBO फॉर्मूलेशन के माध्यम से एपिसोड चयन को अनुकूलित करने के लिए क्वांटम-प्रेरित सॉल्वर का उपयोग करती है, जिससे विरल पुरस्कारों (sparse rewards) और बड़े स्टेट स्पेस वाले वातावरण में अभिसरण गति (convergence speed) और नीति की गुणवत्ता में सुधार होता है।