4223 पेपर
Zero-WAM एक कॉज़ल वीडियो-एक्शन मॉडल है जो इन-कॉन्टेक्स्ट मानव वीडियो को कार्य विशिष्टताओं (task specifications) के रूप में उपयोग करके रोबोटिक मैनिपुलेशन में ज़ीरो-शॉट क्रॉस-टास्क जनरलाइजेशन प्राप्त करता है, जिसे 74.2K मानव-रोबोट जोड़ों के सिंथेटिक डेटासेट और विजुअल प्रॉम्प्ट्स पर निर्भरता सुनिश्चित करने के लिए एक फ्यूचर चंक प्रेडिक्शन ऑब्जेक्टिव द्वारा समर्थित किया गया है।
VGGT-DP एक सामान्यीकरण योग्य रोबोट नियंत्रण ढांचा है जो एक पूर्व-प्रशिक्षित 3D धारणा मॉडल से ज्यामितीय पूर्वाग्रहों को प्रोप्रियोसेप्टिव फीडबैक के साथ एकीकृत करके विज़ुओमोटर पॉलिसी प्रदर्शन को बढ़ाता है, जबकि स्थानिक ग्राउंडिंग, मजबूती और अनुमान दक्षता में सुधार के लिए फ्रेम-वार टोकन पुन: उपयोग और रैंडम टोकन प्रूनिंग का उपयोग करता है।
यह शोध पत्र L1-augumented Dynamical Systems (L1-DS) का प्रस्ताव करता है, जो एक सुदृढ़ टास्क-लेवल कंट्रोल आर्किटेक्चर है जो डायनामिकल सिस्टम-आधारित लर्निंग फ्रॉम डिमॉन्स्ट्रेशनेशन से उत्पन्न मोशन प्लानिंग में टास्क-एग्जीक्यूशन मिसमैच और टेम्पोरल मिसअलाइनमेंट को प्रभावी ढंग से संबोधित करने के लिए एक नोमिनल स्टेबलाइजिंग कंट्रोलर, एक L1 एडेप्टिव कंट्रोलर और एक विंडोड डायनेमिक टाइम वार्पिंग-आधारित टार्गेट सेलेक्टर को संयोजित करता है।
यह शोध पत्र E2HiL का प्रस्ताव करता है, जो वास्तविक दुनिया के ह्यूमन-इन-द-लूप सुदृढीकरण लर्निंग (reinforcement learning) के लिए एक एंट्रॉपी-गाइडेड सैंपल सिलेक्शन फ्रेमवर्क है, जो केवल उन नमूनों को बनाए रखने के लिए शोर वाले और शॉर्टकट नमूनों को सक्रिय रूप से फ़िल्टर करके पॉलिसी एंट्रॉपी पर मध्यम प्रभाव वाले नमूनों को चुनता है, जिससे सैंपल दक्षता और सफलता दर में सुधार होता है।
यह शोध पत्र एक द्वि-परतीय (bi-layer) एंट कॉलोनी ऑप्टिमाइज़ेशन एल्गोरिदम प्रस्तावित करता है जो कार्य आवंटन और रूटिंग को एक एकल अनुकूलन समस्या में एकीकृत करता है, जो मल्टी-रोबोट डिलीवरी अनुप्रयोगों में MILP और PSO बेसलाइन की तुलना में कुल यात्रा दूरी को 17.7% तक कम करके और पूर्णता समय को लगभग 20% कम करके बेहतर दक्षता और स्केलेबिलिटी प्रदर्शित करता है।
यह शोधपत्र एक ऐसे ढांचे का प्रस्ताव करता है जो ड्रोन-विज़न एनोटेशन स्ट्रीम को इंटरसेप्शन और सस्टेनेबिलिटी ऑडिट करने के लिए मल्टी-स्केल वर्चुअल स्वार्म-गेम स्टेट्स में परिवर्तित करता है, जो यह प्रदर्शित करता है कि स्केल-नॉर्मलाइज्ड एनकोडिंग और बजट-एडेप्टिव नीतियां फिक्स्ड-पिक्सेल दृष्टिकोणों की तुलना में लोकलाइजेशन सटीकता और मजबूती में महत्वपूर्ण सुधार करती हैं।
यह शोध पत्र एक 'कॉन्सेप्ट-फर्स्ट', वितरित आर्किटेक्चर का प्रस्ताव करता है जहाँ कमरों और दरवाजों जैसे स्थानिक अवधारणाओं के लिए स्वायत्त एजेंट पदानुक्रमित बाधा प्रसार (hierarchical constraint propagation) और भविष्यवाणी-मिलान लूप्स (prediction-matching loops) के माध्यम से सहयोगात्मक रूप से निरंतर, क्रियाशील सीन ग्राफ (scene graphs) का निर्माण करते हैं, जिससे रोबोट पूर्व-मौजूद वैश्विक मीट्रिक मानचित्रों पर निर्भर किए बिना इनडोर लेआउट को समझने में सक्षम होते हैं।
यह शोध पत्र एडेप्टिव रोबोट पॉलिसियों से इंटरनल कंट्रोल लेटेंट्स को फिजिकल मॉडल्स के वितरण में डिकोड करने के लिए कंडीशनल फ्लो मैचिंग का उपयोग करने का प्रस्ताव करता है, जिससे मूल कंट्रोलर को संशोधित किए बिना फ्रीज की गई पॉलिसियों के ऑनलाइन प्रेडिक्टिव ट्यूनिंग और रोबस्टनेस विश्लेषण को सक्षम बनाया जा सके।
यह शोध पत्र Safety-aware-STL-MPPI को प्रस्तुत करता है, जो एक गणनात्मक रूप से कुशल सैंपलिंग-आधारित रिसीडिंग-होरिज़ोन कंट्रोल फ्रेमवर्क है, जो जटिल और समय-महत्वपूर्ण वातावरणों में सुरक्षित और कुशल मोशन प्लानिंग प्राप्त करने के लिए सिग्नल टेम्पोरल लॉजिक बाधाओं को टाइम-वेरिंग कंट्रोल बैरियर फंक्शन्स के माध्यम से मॉडल प्रिडिक्टिव पाथ इंटीग्रल कंट्रोल में एकीकृत करता है।
यह शोध पत्र एक सेंसरलेस ग्रैस्पिंग कंट्रोलर प्रस्तुत करता है जो केवल एनकोडर और मोटर-एफर्ट डेटा का उपयोग करके वस्तु के विरूपण (deformation) को उपयोगकर्ता द्वारा निर्दिष्ट स्ट्रेन सीमा तक सीमित करके, रोबोटिक फल कटाई को क्षति-सुरक्षित सुनिश्चित करता है, जिससे स्पर्शनीय सेंसर (tactile sensors) की आवश्यकता समाप्त हो जाती है और विभिन्न कठोरता स्तरों में ग्रैस्प सफलता और क्षति न्यूनीकरण दोनों में फिक्स्ड-फोर्स बेसलाइन की तुलना में बेहतर प्रदर्शन करता है।