4264 पेपर
यह शोध पत्र एक नवीन ऑटोमेटा-आधारित दृष्टिकोण प्रस्तावित करता है जो सिग्नल टेम्पोरल लॉजिक विशिष्टताओं से एक टाइमड अल्टरनेटिंग ऑटोमेटा का निर्माण करता है ताकि सुदृढीकरण लर्निंग (रिनफोर्समेंट लर्निंग) के लिए मार्कोवियन पुरस्कार उत्पन्न किए जा सकें, जो पारंपरिक रोबस्टनेस-आधारित विधियों की स्टेट स्पेस विस्तार संबंधी समस्याओं को प्रभावी ढंग से दूर करता है और उच्च नीति संतुष्टि दर प्राप्त करता है।
यह शोध पत्र एक अनुकूलन योग्य विफलता खोज पद्धति प्रस्तावित करता है जो नियंत्रण-चर (control-variate) से प्रेरित जोखिम भविष्यवाणी और समर्थन-जागरूक पारस्परिक सूचना के माध्यम से लक्ष्य प्रणाली परीक्षण को निर्देशित करने के लिए प्रॉक्सी सिस्टम मूल्यांकन का लाभ उठाती है, जो स्वायत्त ड्राइविंग, हेरफेर (manipulation) और क्वाड्रुपेड कार्यों में रैंडम सैंपलिंग या एक्टिव लर्निंग बेसलाइन की तुलना में काफी अधिक विविध और गंभीर विफलताओं को प्रभावी ढंग से उजागर करती है।
यह शोध पत्र नॉलेज-डेटा ड्यूल-ड्रिवन रीइन्फोर्समेंट लर्निंग (KDDRL) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो इरादा-जागरूक प्रक्षेप पथों (intention-aware trajectories) को संश्लेषित करता है और भौतिक बाधाओं के साथ संभाव्य डेटा को संलयित करता है ताकि एसिंक्रोनस मल्टी-टाइमस्केल अनुकूलन को सक्षम किया जा सके, जिससे मिश्रित यातायात में स्वायत्त वाहन नियंत्रण की सुरक्षा, दक्षता और आराम को बढ़ाया जा सके।
यह शोध पत्र Onto-EV-WM प्रस्तुत करता है, जो एक ऑन्टोलॉजी-ग्राउंडेड इंटरफ़ेस है जो मौजूदा वर्ल्ड मॉडल्स को स्पष्ट रूप से अपूर्ण कार्य प्रेडिकेट्स (task predicates) को ट्रैक करके और उन्हें सुधार तंत्रों से जोड़कर उन्नत बनाता है, जिससे LIBERO और PointMaze जैसे विविध फिजिकल AI बेंचमार्क में क्लोज्ड-लूप विफलता निदान और मरम्मत में उच्च सफलता दर प्राप्त होती है।
OpenBelief-Nav एक साक्ष्य-संरक्षण (evidence-preserving) ऑब्जेक्ट मेमोरी सिस्टम पेश करता है जो लचीले, उच्च-प्रदर्शन वाले ओपन-वोकेबुलरी नेविगेशन को सक्षम करने के लिए विविध अवलोकन-स्तरीय परिकल्पनाओं और स्रोत (provenance) को बनाए रखता है, जो कई डेटासेट और वास्तविक रोबोट परीक्षणों में सिमेंटिक मैपिंग सटीकता और कार्य सफलता दर दोनों में अर्ली-कमिटमेंट बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र FlatLab को प्रस्तुत करता है, जो एक एकीकृत ढांचा और उच्च-सटीकता वाला सिमुलेशन बेंचमार्क है जो रणनीति निर्माण को क्रिया निष्पादन से अलग करके विविध सपाट वस्तुओं के सुदृढ़ रोबोटिक हेरफेर को सक्षम बनाता है, और मौजूदा विधियों की तुलना में अनदेखी वस्तुओं के प्रति बेहतर सामान्यीकरण प्रदर्शित करता है।
यह शोध पत्र एक कंट्रोल बैरियर फंक्शन फ्रेमवर्क के भीतर एम्बेडेड एडवर्सरियल टाइम-टू-कोलिजन (aTTC) मीट्रिक को प्रस्तुत करता है, जो पारंपरिक दूरी-आधारित विधियों की तुलना में स्वायत्त हवाई वाहनों को गतिशील वातावरण में टकराव का पूर्वानुमान लगाने और उनसे बचने में अधिक कुशलता से सक्षम बनाने के लिए एक डिफरेंशिएबल न्यूरल नेटवर्क सरोगेट का उपयोग करता है।
यह शोध पत्र फ्यूजन रिएक्टर रखरखाव जैसी भारी संरचनाओं के लिए इसकी प्रभावशीलता को प्रदर्शित करने वाले सैद्धांतिक स्थिरता प्रमाणों और प्रयोगात्मक सत्यापन के साथ, गति के दौरान बड़े, लचीले पेलोड में अनुप्रस्थ कंपनों को प्रभावी ढंग से दबाने के लिए पैसिव फोर्स कंट्रोल और एडमिटेंस-आधारित कंप्लायंस का उपयोग करते हुए एक लीडर-फॉलोअर सहयोगात्मक नियंत्रण रणनीति प्रस्तावित करता है।
यह शोध पत्र एक एकीकृत ढांचे को प्रस्तुत करता है जो व्यवस्थित खतरा विश्लेषण और रनटाइम प्रवर्तन को खतरा-सूचित सुरक्षा आवरणों (hazard-informed safety envelopes) के माध्यम से जोड़कर विषम रोबोटिक प्रणालियों के लिए सुरक्षित शहरी गतिशीलता सुनिश्चित करता है, जो प्रतीकात्मक, स्थानिक और गतिशील विश्व मॉडलों को रूपांतरित करते हैं।
1.3 मिलियन से अधिक सॉफ्ट रोबोटों के मॉर्फोलॉजी-फिटनेस लैंडस्केप का व्यापक रूप से मानचित्रण करते हुए, यह अध्ययन प्रकट करता है कि जबकि विकासवादी ब्रेन-बॉडी सह-अनुकूलन (co-optimization) लक्ष्य-परिवर्तन (goal-switching) के माध्यम से अद्वितीय प्रदर्शन लाभ प्रदान कर सकता है, यह रूपात्मक क्षमता (morphological potential) के चयन में लगातार विफल रहता है क्योंकि यह अक्सर आशाजनक नए उत्परिवर्तित शरीरों को कम आंकता है और उन्हें समाप्त कर देता है।