4289 पेपर
यह शोध पत्र भीड़भाड़ वाली कक्षाओं में स्वायत्त उपग्रह टकराव बचाव के लिए एक प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) आधारित सुदृढीकरण शिक्षण (reinforcement learning) ढांचे का प्रस्ताव करता है, जो नियतात्मक GEO परिदृश्यों में 97.5% सफलता दर प्राप्त करता है, जो पारंपरिक नियम-आधारित और इम्पल्सिव डेल्टा-वी योजनाकारों से काफी बेहतर प्रदर्शन करता है।
RynnValue एक ओपन-सोर्स रोबोटिक वैल्यू फाउंडेशन मॉडल है जो टेम्पोरल डिस्टेंस (temporal distance) को सुपरविजन टारगेट के रूप में उपयोग करके लाखों इंस्ट्रक्शन-कंडीशन्ड क्लिप्स तक स्केल करता है, जो मूल्यांकन में प्रेफरेंस-आधारित तरीकों से बेहतर प्रदर्शन करता है और बिना किसी स्पष्ट रिवॉर्ड या प्रोग्रेस एनोटेशन के वास्तविक दुनिया की पॉलिसी सफलता को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र एक तीन-चरणीय मोशन प्लानिंग एल्गोरिदम प्रस्तावित करता है जो स्टेटिक बाधाओं के माध्यम से सुरक्षित रूप से नेविगेट करने के लिए कॉन्फ़िगरेशन स्पेस के टोपोलॉजिकल मॉडलिंग को होमोटोपी-प्रतिबंधित (homotopy-constrained) ट्रैजेक्टरी ऑप्टिमाइज़ेशन के साथ एकीकृत करके ढीले टेदर वाले टेदर वाले मोबाइल रोबोटों के लिए डायनामिकली व्यवहार्य और एंटैंगलमेंट-मुक्त प्रक्षेपवक्र (trajectories) उत्पन्न करता है।
यह शोध पत्र TAPAS को प्रस्तुत करता है, जो एक मल्टी-एजेंट फ्रेमवर्क है जो जटिल कार्य नियोजन (टास्क प्लानिंग) के लिए डोमेन मॉडल को स्वचालित रूप से उत्पन्न करने और अनुकूलित करने के लिए लार्ज लैंग्वेज मॉडल्स को सिम्बोलिक प्लानिंग के साथ जोड़ता है, जिसमें मैन्युअल एनवायरनमेंट डेफिनिशन की आवश्यकता नहीं होती है, और बेंचमार्क एवं सिम्युलेटेड रियल-वर्ल्ड एनवायरनमेंट्स दोनों में मजबूत प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र पक्षी-स्तर के फ्लैपिंग-विंग एमएवी (MAV) के लिए सटीक स्वायत्त प्रक्षेपवक्र ट्रैकिंग प्राप्त करने हेतु एक संक्षिप्त, अवकलनीय (differentiable) एरोडायनामिक मॉडल का उपयोग करते हुए एक रियल-टाइम मॉडल प्रिडिक्टिव कॉन्टूरिंग कंट्रोल फ्रेमवर्क प्रस्तुत करता है, जो पूर्व-निर्धारित गति प्रोफाइल की आवश्यकता को समाप्त करके पूर्ववर्ती विधियों की तुलना में ट्रैकिंग त्रुटि में 8.5 गुना सुधार प्रदर्शित करता है।
यह शोध पत्र RTCF को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त, कम-विलंबता वाला टेस्ट-टाइम सुधार ढांचा है जो सफल प्रक्षेप पथों (trajectories) के साथ निष्पादन इतिहास को कारणवत रूप से संरेखित करके और केवल निम्न-आवृत्ति वाले मोशन अवशेषों (low-frequency motion residuals) को स्थानांतरित करके फ्रोजन विजन-लैंग्वेज-एक्शन पॉलिसियों को बढ़ाता है, जिससे बिना किसी मॉडल पुनप्रशिक्षण या अतिरिक्त GPU संसाधनों की आवश्यकता के दीर्घकालिक हेरफेर सफलता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एनवायरनमेंट-अवेयर मॉडल सिलेक्शन (EMS) का प्रस्ताव करता है, जो एक एडेप्टिव वीएलए (VLA) इन्फरेंस फ्रेमवर्क है जो वास्तविक समय के फीडबैक के आधार पर पूरी तरह से डिकपल्ड बड़े पैमाने के डेलिब्रेटिव और लाइटवेट रिएक्टिव सिस्टम्स के बीच गतिशील रूप से स्विच करता है, जिससे बिना किसी एंड-टू-एंड जॉइंट ट्रेनिंग के हाई-फ्रीक्वेंसी क्लोज्ड-लूप कंट्रोल और रोबस्ट टास्क सक्सेस प्राप्त होता है।
यह शोधपत्र SyncSBC को प्रस्तुत करता है, जो एक पूर्णतः विकेंद्रीकृत ढांचा है जो रोबोट झुंडों (robot swarms) को मशीन लर्निंग और वितरित सर्वसम्मति (distributed consensus) का उपयोग करके स्थानीय धारणा से सामूहिक व्यवहारों का अनुमान लगाने में सक्षम बनाता है, जिससे केंद्रीय नियंत्रण के बिना वास्तविक समय में विसंगति का पता लगाने और स्वायत्त समन्वय की सुविधा मिलती है।
SoRoMoX एक नवीन, पूर्णतः डिफरेंशिएबल (differentiable) और GPU-समानांतर (parallelized) JAX फ्रेमवर्क है जो सॉफ्ट रोबोट मॉडलिंग के लिए है, जो मौजूदा कोसेराट-रॉड (Cosserat-rod) कार्यान्वयन की कम्प्यूटेशनल सीमाओं को दूर करके सिमुलेशन को महत्वपूर्ण रूप से त्वरित करता है और उन्नत नियंत्रण वर्कफ़्लो—जैसे कि सिस्टम आइडेंटिफिकेशन, रिइन्फोर्समेंट लर्निंग और सुरक्षा-बाधित नियंत्रण—को सक्षम बनाता है।
CrossTracer एक पदानुक्रमित ढांचा (hierarchical framework) है जो एक VLA-आधारित ट्रेस प्रपोजर को ऑटोमेटेड CE-RRT* के माध्यम से प्रशिक्षित एक एम्बॉडमेंट-कंडीशन्ड रेसिडुअल एडैप्टर के साथ जोड़कर क्रॉस-एम्बॉडमेंट रोबोट नेविगेशन को सक्षम बनाता है, जिससे भौतिक रूप से व्यवहार्य, पिक्सेल-स्पेस नेविगेशन प्लान उत्पन्न होते हैं जो अत्याधुनिक बेसलाइनों की तुलना में काफी बेहतर प्रदर्शन करते हैं।