4223 पेपर
यह शोध पत्र जटिल कार्य स्थितियों के तहत ट्यूनिंग की चुनौतियों को संबोधित करने के लिए पावर स्पेक्ट्रल डेंसिटी और एलन वेरिएंस के बीच संबंध का लाभ उठाते हुए, कलमन फ़िल्टरिंग फ्रेमवर्क के भीतर IMU पैरामीटर सेट करने के लिए एक विधि प्रस्तावित करता है, जो दो विशिष्ट सेंसर फ्यूजन प्रणालियों के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र Geo-VLA को प्रस्तुत करता है, जो एक प्लग-एंड-प्ले फ्रेमवर्क है जो Geo-QA नामक एक नए डेटासेट के माध्यम से सड़क की ज्यामिति (road geometry) को आत्मसात करके स्वायत्त ड्राइविंग के लिए विजन-लैंग्वेज-एक्शन मॉडल्स को उन्नत करता है, और बिना HD मैप्स के इन्फरेंस के दौरान NAVSIM v1 पर अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह स्थिति पत्र तर्क देता है कि सुरक्षा-महत्वपूर्ण मल्टी-ड्रोन प्रणालियों में एजेंटिक एआई (agentic AI) का सफल एकीकरण करने के लिए एक सामाजिक-तकनीकी डिजाइन दृष्टिकोण की आवश्यकता है जो एल्गोरिदम विकास के साथ-साथ मानव-केंद्रित इंटरफेस, निगरानी तंत्र और पुनरावृत्ति हितधारक जुड़ाव को प्राथमिकता देता है।
यह शोध पत्र एक्सट्रीमम सीकिंग कंट्रोल (Extremum Seeking Control) पर आधारित एक मॉडल-फ्री एडेप्टिव पैरामीटर ट्यूनिंग फ्रेमवर्क प्रस्तुत करता है जो रियल-टाइम में मल्टी-रोबोट वेयरहाउस डिगआउट रणनीतियों को निरंतर अनुकूलित करता है, जिससे बदलते हुए सुविधा विन्यास और परिचालन स्थितियों के अनुसार गतिशील रूप से समायोजित होकर फिक्स्ड पॉलिसी की तुलना में महत्वपूर्ण थ्रूपुट सुधार प्राप्त होता है।
यह शोध पत्र MAGIC-HRI मल्टीमॉडल डेटासेट का परिचय देता है और यह प्रदर्शित करता है कि जबकि मानव-रोबोट इंटरेक्शन के लिए EMG-IMU आधारित गतिविधि पहचान विषय निर्भरता (subject dependence) से ग्रस्त है, नए उपयोगकर्ताओं से थोड़े से व्यक्तिगत डेटा को शामिल करने से सामान्यीकरण और मजबूती में उल्लेखनीय सुधार होता है।
यह शोध पत्र एक संरचनात्मक ढांचे (compositional framework) को प्रस्तुत करता है जो रोबोटिक प्रणालियों को एक सममित मोनॉइडल श्रेणी (symmetric monoidal category) के भीतर अमूर्त सर्किट के रूप में मानता है, जिससे गतिशील वातावरण में आजीवन रोबोट पुनर्गठन और एकीकृत कार्य-संचालित सह-डिज़ाइन, सत्यापन और नियोजन प्राप्त करने के लिए एक SMT-आधारित सॉल्वर के माध्यम से हार्डवेयर, सॉफ्टवेयर और व्यवहार का एक साथ संश्लेषण संभव हो जाता है।
यह शोध पत्र Ludi को प्रस्तुत करता है, जो एक एजेंटिक सिस्टम है जो एक फाइन-ट्यून्ड विजन-लैंग्वेज मॉडल को विशिष्ट नेविगेशन और मैनिपुलेशन टूल्स के साथ जोड़ता है ताकि सामाजिक रूप से बुद्धिमान रोबोट्स को संदर्भ-जागरूक तर्क और अनुकूलन योग्य व्यवहार के माध्यम से अस्पष्ट, बहु-चरण मानवीय अंतःक्रियाओं को संभालने में सक्षम बनाया जा सके।
यह शोध पत्र Meta-Ctrl का प्रस्ताव करता है, जो एक नियंत्रित-डिकोडिंग ढांचा है जो "मेटा-टोकन" के एक संक्षिप्त शब्दावली का उपयोग करके सिंटैक्टिक और सिमेंटिक बाधाओं को अलग करता है, जिससे छोटे भाषा मॉडलों को गारंटीकृत शुद्धता और अत्याधुनिक प्रदर्शन के साथ रोबोट योजनाएं उत्पन्न करने में सक्षम बनाया जा सके और साथ ही मेमोरी की आवश्यकताओं को भारी रूप से कम किया जा सके।
यह शोध पत्र सेमैंटिकली रिच वर्ल्ड मॉडल (SR-WM) को प्रस्तुत करता है, जो एक कार्य-सशर्त ढांचा (task-conditioned framework) है जो विविध सिमुलेशन वातावरणों में कार्य-संगत भविष्यों की भविष्यवाणी करने और सुदृढ़ भौतिक इंटरेक्शन प्लानिंग को सक्षम करने के लिए दृश्य संस्थाओं (visual entities) को कार्यात्मक भूमिकाओं (ग्रिपर, लक्ष्य, गोल, संबंध और चरण) में मैप करता है।
यह शोध पत्र WAM-OPD को प्रस्तुत करता है, जो एक पोस्ट-ट्रेनिंग विधि है जो वीडियो-फर्स्ट वर्ल्ड एक्शन मॉडल्स (World Action Models) को सुधारने के लिए ऑन-पॉलिसी डिस्टिलेशन का उपयोग करती है, जिसमें उन्हें सघन शिक्षक पर्यवेक्षण (dense teacher supervision) के साथ उनके अपने जनरेट किए गए इतिहास पर प्रशिक्षित किया जाता है, जिससे बिना स्पार्स-रिवॉर्ड सुदृढीकरण शिक्षण (sparse-reward reinforcement learning) की आवश्यकता के कार्य सफलता दरों में महत्वपूर्ण सुधार होता है।