4289 पेपर
यह शोध पत्र Attune को प्रस्तुत करता है, जो एक स्व-एनोटेशन टूल है जो ऑपरेटर की दृष्टि (आई गेज़) का विश्लेषण करने और अटेंशन प्रोफाइल उत्पन्न करने के लिए एआई का लाभ उठाता है, जिससे मल्टी-रोबोट पर्यवेक्षण परिदृश्यों में मानव ध्यान को प्रभावी ढंग से प्रबंधित करने के लिए रोबोट व्यवहारों को कैलिब्रेट करने हेतु अनुभवजन्य मार्गदर्शन प्राप्त होता है।
यह शोध पत्र FUSE को प्रस्तुत करता है, जो सक्रिय कार्यात्मक सामर्थ्य ग्राउंडिंग (active functional affordance grounding) के लिए एक नवीन ढांचा है जो एम्बोडीड एजेंटों को अनिश्चितता-संचालित अन्वेषण रणनीति और एक सीखे हुए एमोर्टाइज्ड प्लानर (amortized planner) के माध्यम से अनुकूल रूप से सिमेंटिक-जियोमेट्रिक साक्ष्य प्राप्त करके कार्य के आधार पर वस्तुओं को कुशलतापूर्वक पहचानने और स्थानिक रूप से ग्राउंड करने में सक्षम बनाता है, जिसे एक नए हैबिटेट-आधारित बेंचमार्क द्वारा मान्य किया गया है।
यह शोध पत्र HumanoidVLN को प्रस्तुत करता है, जो NVIDIA Isaac Sim पर निर्मित एक भौतिकी-आधारित (physics-grounded) सिम्युलेटर और बेंचमार्क है जो विविध मानव सदृश रोबोटों (humanoid robots) के लिए विजन-लैंग्वेज नेविगेशन की अनूठी चुनौतियों का समाधान करता है, जिसमें कई एम्बॉडीमेंट्स (embodiments) का समर्थन करना, कोलिजन-अवेयर (collision-aware) निर्देश डेटासेट उत्पन्न करना और मजबूत सिम-टू-रियल ट्रांसफर क्षमताओं का प्रदर्शन करना शामिल है।
टेम्पोरल GRPO, स्टेज-विशिष्ट एडवांटेज अलाइनमेंट के माध्यम से ट्राजेक्टरी-लेवल क्रेडिट एलियासिंग को कम करके विजन-लैंग्वेज-एक्शन सुदृढीकरण शिक्षण (reinforcement learning) को उन्नत करता है, जिससे पारंपरिक रोलआउट-लेवल विधियों की तुलना में कार्य सफलता और सैंपल दक्षता में सुधार होता है।
यह अध्ययन जटिल वायुरोधी सॉफ्ट न्यूमैटिक एक्ट्यूएटर्स के लिए विभिन्न निर्माण विधियों का मूल्यांकन और अनुकूलन करता है, जिसमें फ्यूज्ड डिपोजिशन मॉडलिंग (FDM) को सबसे अनुकूलनीय मार्ग के रूप में पहचाना गया है और एक व्यावहारिक डिज़ाइन-फॉर-मैन्युफैक्चरिंग फ्रेमवर्क स्थापित किया गया है जो ज्यामितीय सटीकता, संरचनात्मक अखंडता और वायुरोधी क्षमता सुनिश्चित करने के लिए विशिष्ट प्रक्रिया बाधाओं के साथ एक्ट्यूएटर आर्किटेक्चर को संरेखित करता है।
नेस्टडेक्स (NestDex) एक नेस्टेड पॉलिसी-लर्निंग फ्रेमवर्क है जो ऑपरेटरों को रोबोटिक आर्म्स को नियंत्रित करने और क्लच के माध्यम से उच्च-स्तरीय हैंड स्किल्स चुनने की अनुमति देकर डेक्सट्रस मैनिपुलेशन डेटा संग्रह को सरल बनाता है, जिससे स्वायत्त विज़ुओमोटर पॉलिसियों को प्रशिक्षित करने के लिए विश्वसनीय प्रदर्शन (demonstrations) उत्पन्न होते हैं।
यह शोध पत्र डेलिब्रेट प्रैक्टिस (DP) को प्रस्तुत करता है, जो एक सक्रिय कौशल शिक्षण एल्गोरिदम है जो अभ्यास समय के प्रमाणित बजट-इष्टतम आवंटन की गणना करने के लिए एक द्विपद प्रोग्राम (bilinear program) का उपयोग करता है, जिससे रोबोट सीमित संसाधनों के तहत दीर्घ-अवधि वाले क्रमिक कार्यों के लिए अपेक्षित संचयी पुरस्कार को अधिकतम करने वाले कौशल स्वायत्त रूप से प्राप्त कर सकते हैं।
कॉन्टैक्टगार्ड (ContactGuard) एक प्री-कॉन्टैक्ट निष्पादन निगरानी प्रणाली है जो अनलेबल डेटा पर प्रशिक्षित एक्शन-कंडीशन्ड लेटेंट वर्ल्ड मॉडल का उपयोग करती है ताकि नियोजित कार्यों के लघु-क्षितिज वाले दृश्य परिणामों की भविष्यवाणी की जा सके, जिससे अंतर्निहित पॉलिसी को संशोधित किए बिना कॉन्टैक्ट-रिच मैनिपुलेशन कार्यों के लिए वास्तविक समय में विफलता का पता लगाना और अबॉर्ट सिग्नल देना संभव हो सके।
यह शोध पत्र एक्सप्लिसिट डिसेंटैंगलमेंट डुअल-ब्रांच (EDD) फ्रेमवर्क प्रस्तुत करता है, जो सामाजिक रोबोटों को विनाशकारी विस्मृति (कैटास्ट्रोफिक फॉरगेटिंग) को कम करने के लिए पर्यावरणीय और सामाजिक संकेतों को स्पष्ट रूप से अलग करके विविध वातावरणों में संदर्भ-उपयुक्त कार्यों को निरंतर सीखने में सक्षम बनाता है।
यह शोध पत्र प्रदर्शित करता है कि विजन-लैंग्वेज-एक्शन (VLAs) में कार्य की प्रगति उनके आंतरिक सक्रियणों (internal activations) से रैखिक रूप से पठनीय है, जो प्रभावी, लेबल-मुक्त आउट-ऑफ-डिस्ट्रीब्यूशन डिटेक्शन और तैनात रोबोटिक नीतियों की रनटाइम निगरानी के लिए सरल प्रोब्स के उपयोग को सक्षम बनाता है।