4289 पेपर
LooperMuscle एक संरचित मिक्सचर-ऑफ-एक्सपर्ट्स फ्रेमवर्क पेश करता है जो लगभग 45 मिनट के प्रशिक्षण में PPO के करीब सटीकता प्राप्त करके ह्यूमनॉइड होल-बॉडी ट्रैकिंग में स्पीड-परफॉर्मेंस गैप को प्रभावी ढंग से पाटता है, जो FastSAC जैसे तेज़ तरीकों से काफी बेहतर प्रदर्शन करते हुए मानक PPO की तुलना में कहीं अधिक कुशल है।
यह शोध पत्र RIT* प्रस्तुत करता है, जो एक ऐसा मोशन प्लानिंग फ्रेमवर्क है जो यूक्लिडियन प्रिमिटिव्स को रीमानियन समकक्षों से बदल देता है और उच्च-आयामी, स्थानिक रूप से परिवर्तनशील वातावरण में BIT* जैसे मौजूदा बेसलाइन्स की तुलना में काफी कम लागत वाले समाधान प्राप्त करने के लिए एक कोलिजन-एडेप्टिव मेट्रिक रिफाइनमेंट पेश करता है।
यह शोध पत्र एक ऐसे लर्निंग फ्रेमवर्क को प्रस्तुत करता है जो एक हाई-थ्रूपुट वेक्टराइज्ड सिम्युलेटर के साथ टास्क-शेपिंग-रेगुलराइजेशन रिवॉर्ड सिस्टम को जोड़कर मिनटों के भीतर प्रभावी माइक्रोरोबोट नेविगेशन प्राप्त करता है, जिससे तीव्र प्रशिक्षण और विविध परिदृश्यों में ज़ीरो-शॉट परिनियोजन सक्षम होता है।
यह शोध पत्र VertiAKD प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो स्वायत्त रोबोटों को न्यूनतम नए डेटा का उपयोग करके विविध वाहनों और जटिल ऑफ-रोड भूभागों के बीच काइनोडायनामिक ज्ञान को अनुकूल रूप से स्थानांतरित और परिष्कृत करने में सक्षम बनाता है, जिससे ग्रेडिएंट-आधारित पुनरप्रशिक्षण की आवश्यकता के बिना भविष्यवाणी त्रुटियों को काफी कम किया जाता है और नेविगेशन विश्वसनीयता में सुधार होता है।
यह शोध पत्र MixedComplementarityProblems.jl को प्रस्तुत करता है, जो मिश्रित पूरकता समस्याओं (mixed complementarity problems) के लिए एक ओपन-सोर्स जूलिया (Julia) सॉल्वर है, जो क्लोज्ड-सोर्स PATH सॉल्वर की विश्वसनीयता से मेल खाता है और साथ ही CPU एवं GPU पर बैच किए गए, समानांतर प्रसंस्करण (parallel processing) के नेटिव सपोर्ट और कुशल ऑटोमैटिक डिफरेंशिएशन (automatic differentiation) के माध्यम से काफी तेज़ प्रदर्शन प्रदान करता है।
FreqNav एक हल्का, अनुकूलन योग्य धारणा ढांचा (perception framework) है जो ऑब्जेक्ट-ओरिएंटेड हवाई विजन-लैंग्वेज नेविगेशन के लिए है, जो नेविगेशन चरणों के आधार पर फ्रीक्वेंसी घटकों में विजुअल टोकन को गतिशील रूप से पुनर्वितरण करता है—शुरुआत में स्थानिक संरचना (spatial structure) को प्राथमिकता देता है और बाद में लक्ष्य के विवरणों को—ताकि मौजूदा तरीकों की तुलना में बेहतर प्रदर्शन और तेज़ इन्फरेंस प्राप्त किया जा सके।
यह शोध पत्र प्रदर्शित करता है कि सुदृढीकरण शिक्षण (reinforcement learning) बिना किसी एम्बॉडिमेंट-विशिष्ट प्रदर्शन डेटा के, एक नवीन केबल-ड्रिवन पैरेलल रोबोट के लिए प्रीट्रेंड OpenVLA-OFT पॉलिसी को सफलतापूर्वक बूटस्ट्रैप कर सकता है, जो दो-चरणीय PPO और GRPO प्रशिक्षण प्रक्रिया के माध्यम से बेहतर दिशात्मक गति और ऑब्जेक्ट-टारगेटिंग क्षमताओं को प्राप्त करता है।
यह शोध पत्र VisPRM और VisRRT को प्रस्तुत करता है, जो दो नवीन सैंपलिंग-आधारित टास्क एंड मोशन प्लानिंग एल्गोरिदम हैं, जिन्हें विशेष रूप से पदानुक्रमित अपघटन (hierarchical decomposition) और विशिष्ट इन्वर्स किनेमैटिक्स का लाभ उठाकर स्पष्ट लाइन-ऑफ-साइट को कुशलतापूर्वक उत्पन्न करने के लिए डिज़ाइन किया गया है, ताकि विज़िबिलिटी-आधारित उपकरणों को संभालने में पारंपरिक विधियों की सीमाओं को दूर किया जा सके।
VespaSeg एक संसाधन-कुशल, मॉड्यूलर पाइपलाइन है जो रिफरिंग एक्सप्रेशन सेगमेंटेशन के लिए कॉम्पैक्ट विजन-लैंग्वेज ग्राउंडर्स (जैसे कि एडेप्टेड Florence-2-base) को MobileSAM के साथ जोड़ती है ताकि बड़े मोनोलिथिक मॉडलों की तुलना में उच्च सटीकता और गति प्राप्त करते हुए कम्प्यूटेशनल लागत को काफी कम किया जा सके।
CAAT एक हल्का ढांचा (lightweight framework) है जो अटेंशन स्केलिंग और डायनेमिक टैक्टाइल मास्किंगिंग के माध्यम से कॉन्टैक्ट प्रायर्स (contact priors) को स्पष्ट रूप से शामिल करके डेटा-कुशल कॉन्टैक्ट-रिच मैनिपुलेशन को बढ़ाता है, जो सिमुलेशन और वास्तविक दुनिया के प्रयोगों दोनों में विविध ट्रांसफॉर्मर-आधारित विज़ुओ-टैक्टाइल पॉलिसियों के प्रदर्शन में महत्वपूर्ण सुधार करता है।