4289 पेपर
Vid2WAM एक ऑफलाइन डिस्टिलेशन फ्रेमवर्क है जो बड़े वीडियो फाउंडेशन मॉडल्स से विजुअल डिफ्यूजन प्रायर्स को कॉम्पैक्ट वर्ल्ड एक्शन मॉडल्स में ट्रांसफर करके रोबोट पॉलिसी लर्निंग को बेहतर बनाता है, जिससे व्यापक एक्सपर्ट प्रदर्शनों पर निर्भर किए बिना जनरलाइजेशन और डेटा एफिशिएंसी में सुधार होता है।
यह शोध पत्र SysName को प्रस्तुत करता है, जो एक उत्पादन-उन्मुख (production-oriented) RAG पाइपलाइन है जो हाइब्रिड रिट्रीवल को एक ऑन्टोलॉजी-संवर्धित स्थानीय LLM और एक कठोर बहु-चरणीय सुरक्षा गेट के साथ जोड़कर औद्योगिक फील्डबस उपकरणों के एंड-टू-एंड कॉन्फ़िगरेशन को स्वचालित करता है ताकि उच्च सटीकता और शून्य असुरक्षित राइट्स (unsafe writes) प्राप्त किया जा सके।
यह शोध पत्र WA-SpecDec का प्रस्ताव करता है, जो एक वर्ल्ड-अवेयर स्पेकुलेटिव डिकोडिंग फ्रेमवर्क है जो विजन-लैंग्वेज-एक्शन मॉडल्स के प्रीफिल स्टेज में फिजिकल सीन अवेयरनेस को इंजेक्ट करता है ताकि टास्क सक्सेस रेट को महत्वपूर्ण रूप से सुधार सके और नियर-कॉन्टैक्ट विफलताओं को कम करते हुए इन्फरेंस स्पीड को तेज कर सके।
SHRIMP एक ऐसा सिस्टम है जो गैर-विशेषज्ञ उपयोगकर्ताओं को प्राकृतिक भाषा का उपयोग करके पदानुक्रमित रोबोट कार्य योजनाओं को उत्पन्न करने और उन्हें पुनरावृत्ति से परिष्कृत करने में सक्षम बनाता है, जिसमें भौतिक रोबोटों पर कार्यों को निष्पादित करने से पहले कथित नियंत्रण और पारदर्शिता में सुधार के लिए सिमुलेशन-आधारित सत्यापन शामिल है।
यह शोध पत्र टॉर्क-मुक्त गति से एक अंतरिक्ष यान के जड़त्व टेंसर (inertia tensor) का अनुमान लगाने के लिए एक गणनात्मक रूप से कुशल, केवल अभिविन्यास-आधारित (attitude-only) ढांचे को प्रस्तुत करता है जो एकल और बहु-आर्क अवलोकन परिदृश्यों में सटीकता और गति दोनों में एक्सटेंडेड कलमन फिल्टर (Extended Kalman Filters) से काफी बेहतर प्रदर्शन करने के लिए करुश-कुन-टकर (Karush-Kuhn-Tucker) इनिशियलाइजेशन और सटीक गैररेखीय परिशोधन (exact nonlinear refinement) का उपयोग करता है।
यह शोध पत्र हाईवे, अर्बन और हब डोमेन में 21 व्यवहारिक दक्षताओं के एक व्यवस्थित, मानकों-आधारित वर्गीकरण को पेश करके स्वायत्त ड्राइविंग में ऑपरेशनल डिज़ाइन डोमेन विनिर्देशों और व्यवहारिक सत्यापन के बीच के अंतर को संबोधित करता है, जो ड्राइविंग क्रियाओं को सुरक्षा, अनुपालन, आराम और दक्षता द्वारा अभिलक्षित अनुदैर्ध्य (longitudinal) और पार्श्व (lateral) नियंत्रणों में विभाजित करता है ताकि सुरक्षा आश्वासन के लिए ठोस परिदृश्य निर्माण सक्षम किया जा सके।
यह शोध पत्र इमेज-गोल नेविगेशन के लिए एक लेटेंट वर्ल्ड मॉडल पेश करता है जो विश्वसनीय एक्शन सीक्वेंस प्लानिंग सुनिश्चित करने के लिए एक फ्रोजन DINO एनकोडर और एक नवीन मोनोटोन कॉस्ट रैंकिंग लॉस का उपयोग करता है, जिससे GNM डेटासेट पर अत्याधुनिक प्रदर्शन और भौतिक रोबोटों पर सफल ज़ीरो-शॉट परिनियोजन प्राप्त होता है।
यह शोध पत्र UnsDrive को प्रस्तुत करता है, जो विशेष रूप से अनस्ट्रक्चर्ड माइनिंग वातावरण के लिए डिज़ाइन किया गया एक एंड-टू-एंड ऑटोनॉमस ड्राइविंग प्लानर है, जो एक अननोन-अवेयर ऑक्यूपेंसी रिप्रजेंटेशन और विशिष्ट सुरक्षा तंत्रों का लाभ उठाता है ताकि उन स्थानों पर मजबूत प्रक्षेपवक्र (ट्रैजेक्टरीज) उत्पन्न किए जा सकें जहाँ कमजोर सड़क संरचना और खराब दृश्यता के कारण मौजूदा विधियाँ विफल हो जाती हैं।
यह शोध पत्र मानव स्नान प्रदर्शनों को कैप्चर करने, पुनर्गठित करने और रोबोट नियंत्रण रणनीतियों में स्थानांतरित करने के लिए एक उच्च-निष्ठा (high-fidelity) फ्रेमवर्क प्रस्तुत करता है, जो संपर्क-समृद्ध मानव-मानव अंतःक्रियाओं के पहले सिंक्रनाइज़ किए गए डेटासेट द्वारा समर्थित है और एक पुतले पर सफल रोबोटिक स्नान के माध्यम से मान्य किया गया है।
यह शोध पत्र CaPTURe को प्रस्तुत करता है, जो एक ज्यामिति-जागरूक (geometry-aware) कॉन्फॉर्मल प्रेडिक्शन एल्गोरिदम है जो रोबोटिक कॉन्फ़िगरेशन के लिए संभाव्यतात्मक रूप से वैध, संपर्क-जागरूक अनिश्चितता क्षेत्रों को उत्पन्न करने के लिए कण-आधारित मॉडलों का उपयोग करता है, जिससे मौजूदा बेसलाइनों की तुलना में संपर्क-समृद्ध और संपर्करहित दोनों परिदृश्यों में कार्य सफलता दर में महत्वपूर्ण सुधार होता है।