4997 पेपर
यह शोध पत्र एक स्केलेबल, दो-चरणीय ढांचे को प्रस्तुत करता है जो केवल मानव डेटा का उपयोग करके विविध ह्यूमनाइड रोबोटों में सुदृढ़, ज़ीरो-शॉट क्रॉस-एम्बॉडमेंट कंट्रोल सक्षम करने के लिए कंट्रास्टिव लर्निंग और गोल-कंडीशन्ड पॉलिसियों के माध्यम से एक एकीकृत लेटेंट स्पेस सीखता है।
यह शोध पत्र 100 ग्राम से कम वजन वाले क्वाड्रोटर्स के लिए एक स्रोत-खोज प्रणाली (source-seeking system) प्रस्तुत करता है जो एक संशोधित "कास्ट एंड सर्ज" (Cast and Surge) एल्गोरिदम को लागू करने के लिए एक कस्टम एयरफ्लो सेंसर का उपयोग करता है, जिससे पारंपरिक रासायनिक प्लम ट्रैकिंग (chemical plume tracking) के पूरक के रूप में प्रवाह स्रोतों का विश्वसनीय पता लगाने और उनकी ओर नेविगेट करने में सक्षम बनाया जा सके।
यह शोध पत्र GNSS-रहित वातावरणों में संचालित होने वाले स्वायत्त मानव रहित अंडरवाटर व्हीकल्स (UUVs) के लिए ड्रोन द्वारा तैनात ध्वनिक बीकन के एक समूह और एक पदानुक्रमित योजनाकार (hierarchical planner) का उपयोग करते हुए, सतह पर आए बिना सटीक और गुप्त तटीय मिशनों को सक्षम करने के लिए एक बीकन-आधारित नेविगेशन प्रणाली प्रस्तावित करता है।
TeNet एक ऐसा फ्रेमवर्क है जो प्राकृतिक भाषा के निर्देशों से कॉम्पैक्ट, हाई-फ्रीक्वेंसी रोबोट नीतियों को तुरंत संश्लेषित करने के लिए LLM-जनरेटेड टेक्स्ट एम्बेडिंग्स द्वारा कंडिशन्ड एक हाइपरनेटवर्क का लाभ उठाता है, जिससे बिना इन्फरेंस के समय प्रदर्शन (demonstrations) की आवश्यकता के मजबूत प्रदर्शन और सामान्यीकरण प्राप्त होता है।
यह शोध पत्र एक नवीन कीफ्रेम-आधारित फीड-फॉरवर्ड विजुअल ओडोमेट्री पद्धति प्रस्तावित करता है जो एक अनुकूलन योग्य कीफ्रेम चयन नीति प्राप्त करने के लिए सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) का उपयोग करता है, जिससे फाउंडेशन मॉडल-आधारित दृष्टिकोणों में बिना सोचे-समझे अनुक्रम प्रसंस्करण की कम्प्यूटेशनल अतिरेकता और प्रदर्शन सीमाओं को दूर किया जा सके।
यह शोध पत्र एक सुदृढ़ द्विपाद चालन (bipedal locomotion) ढांचे का प्रस्ताव करता है जो एक मॉडल-आधारित नियंत्रक को सुदृढीकरण लर्निंग-आधारित अवशिष्ट नीति (reinforcement learning-based residual policy) के साथ जोड़ता है, जिसे वास्तविक दुनिया की अनिश्चितताओं की भरपाई करने और सिम-टू-रियल ट्रांसफर में सुधार करने के लिए एक विशेषाधिकार प्राप्त मॉडल-आधारित ओरेकल (privileged model-based oracle) से सुपरवाइज्ड लर्निंग के माध्यम से कुशलतापूर्वक प्रशिक्षित किया गया है।
कॉसमॉस पॉलिसी (Cosmos Policy) एक सरल, एकल-चरण फाइन-ट्यूनिंग दृष्टिकोण पेश करती है जो एक बड़े प्रीट्रेन्ड वीडियो मॉडल को एक अत्याधुनिक रोबोट पॉलिसी में अनुकूलित करती है जो प्रभावी विसुओमोटर नियंत्रण और टेस्ट-टाइम प्लानिंग के लिए सीधे क्रियाएं, भविष्य की अवस्थाएं और वैल्यू अनुमान उत्पन्न करने में सक्षम है, जो बिना किसी आर्किटेक्चरल संशोधन के सिमुलेशन और वास्तविक दुनिया दोनों बेंचमार्क पर बेहतर प्रदर्शन प्राप्त करती है।
यह शोध पत्र एक पहिये वाले तीन-लिंक वाले स्नैक रोबोट के प्रयोगात्मक और सैद्धांतिक विश्लेषणों को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि मानक नॉन-होलोनोमिक मॉडल महत्वपूर्ण व्हील स्किड और घर्षण को समझाने में विफल रहते हैं, और विभिन्न एक्चुएशन इनपुट के तहत लोकोमोशन प्रदर्शन की सटीक भविष्यवाणी करने के लिए इन कारकों को सम्मिलित करने वाले संशोधित डायनेमिक मॉडलों का प्रस्ताव करता है।
यह शोध पत्र EDEN का प्रस्ताव करता है, जो एक तेज़ और गणनात्मक रूप से कुशल द्वि-स्तरीय नियोजन पद्धति है जो बड़े पैमाने के 3-D वातावरण में UAV स्वायत्त अन्वेषण की गति और दक्षता को महत्वपूर्ण रूप से बढ़ाने के लिए अनुमानित दीर्घकालिक क्षेत्र रूटिंग को वक्रता-अनुकूलित स्थानीय दृश्य बिंदु चयन और आक्रामक प्रक्षेपवक्र पीढ़ी के साथ जोड़ता है।
यह शोध पत्र मूवमेंट-प्रिमिटिव मेटा-मेशग्राफनेट (M3GN) को प्रस्तुत करता है, जो एक प्रक्षेपवक्र-स्तरीय (trajectory-level) मेटा-लर्निंग फ्रेमवर्क है जो कंडीशनल न्यूरल प्रोसेसेज और मूवमेंट प्रिमिटिव्स का उपयोग करता है, जो मौजूदा ग्राफ नेटवर्क सिम्युलेटर्स की टेम्पोरल कॉन्टेक्स्ट सीमाओं और त्रुटि संचय (error accumulation) पर विजय प्राप्त करने के लिए तेज़, अधिक सटीक और अनुकूलनीय मेश-आधारित विरूपण सिमुलेशन प्राप्त करता है।