864 articoli
Il paper introduce LIPP, un approccio di pianificazione di percorsi informativi che generalizza i metodi classici considerando l'accoppiamento tra il guadagno informativo e i costi di attraversamento dipendenti dal carico fisico, permettendo di ottimizzare il campionamento e il percorso sotto vincoli energetici per massimizzare la riduzione dell'incertezza.
Il paper propone un nuovo framework di segmentazione della percorribilità indoor basato su RGB e dati di profondità laser sparsi, che utilizza l'apprendimento contrastivo negativo e l'attenzione a due stadi per migliorare la rilevazione degli ostacoli in scenari few-shot, superando le prestazioni degli stati dell'arte.
Questo studio analizza i meccanismi di fallimento e stima i rischi della locomozione di robot esapodi su pendii granulari, sviluppando un modello fisico che identifica lo scorrimento posteriore e il ritardo nell'ancoraggio come cause principali delle prestazioni ridotte e che permette di costruire diagrammi di fase per la previsione quantitativa dei fallimenti.
Questo articolo propone un quadro unificato a due stadi che ripristina la fattibilità di specifiche STL conflittuali mediante rilassamento minimo e raffinamento Pareto-ottimale, permettendo ai sistemi di controllo predittivo di evitare situazioni di stallo e di prendere decisioni interpretabili in scenari critici per la sicurezza come la guida autonoma.
Questo tutorial offre una revisione critica delle applicazioni pratiche delle Funzioni di Barriera di Controllo (CBF) nella robotica, evidenziando il divario tra le garanzie teoriche e la realizzazione concreta in presenza di vincoli di ingresso e sistemi privi di sicurezza passiva, fornendo al contempo linee guida pratiche e una dimostrazione interattiva open-source.
Il documento propone un metodo di trasporto collaborativo di carichi sospesi tramite cavi basato su un equilibrio rotazionale, che sfrutta le forze centrifughe per permettere ai droni di generare spinta puramente verticale, riducendo così il consumo energetico fino al 20% rispetto alle tecniche statiche convenzionali.
Il documento presenta la VSL-Skin, un sistema innovativo di pelle robotica a voxel individualmente indirizzabili basato su materiali a cambiamento di fase che consente un controllo morfologico preciso, una modulazione della rigidità su scala centimetrica, la creazione di giunti virtuali programmabili e l'autorigenerazione, colmando così il divario tra robotica morbida e rigida.
Questo lavoro presenta un modello del mondo fondazionale che, sfruttando l'incertezza predittiva in uno spazio latente compresso, rileva con maggiore precisione ed efficienza computazionale i fallimenti nei manipolatori bimanuali rispetto alle tecniche esistenti, introducendo al contempo un nuovo dataset per la manutenzione dei data center.
Questo articolo presenta un framework di pianificazione in due fasi per manipolatori mobili che combina una ricerca su grafo ridotta dimensionalmente con un'ottimizzazione numerica continua per garantire percorsi efficienti, lisci e cinematicamente validi.
Il paper propone il framework SSP, che garantisce la sicurezza nelle procedure chirurgiche robotiche assistite combinando modelli di dinamica incerta basati su Neural ODE con un controllore a barriera di controllo (CBF) per imporre vincoli comportamentali e spaziali, riducendo le violazioni a quasi zero mantenendo un'alta efficacia operativa.
Il paper presenta TacDexGrasp, un approccio che utilizza feedback tattile e un controller basato sulla programmazione conica di secondo ordine per garantire una presa robusta e compliant su oggetti sconosciuti, prevenendo lo scivolamento traslazionale e rotazionale senza richiedere modelli espliciti di coppia o rilevamento dello scivolamento.
Il paper introduce GuideTWSI, un nuovo dataset diversificato di indicatori tattili di camminata (TWSI) derivato da immagini sintetiche e reali, progettato per colmare le lacune geografiche e tipologiche dei dataset esistenti e migliorare la navigazione sicura per persone non vedenti o ipovedenti.
Questo articolo presenta un metodo di imitazione delle espressioni facciali indipendente dalla morfologia, basato su un modulo di decoupling e un robot umanoide personalizzato chiamato Pengrui, che permette ai robot di riprodurre espressioni realistiche eliminando l'influenza delle differenze anatomiche.
Il paper presenta "Artoo", un sistema di comunicazione acustica robot-robot basato su reti neurali co-allenate che, eliminando la necessità di preservare caratteristiche paralinguistiche, ottimizza l'accuratezza di decodifica in ambienti rumorosi con un modello leggero ed efficiente da 2,1 milioni di parametri.
Il paper presenta VLN-Cache, un framework di caching dei token che supera i limiti delle metodologie esistenti nei modelli di Navigazione Visivo-Linguistica (VLN) adattandosi alle dinamiche visive e semantiche attraverso un rimappaggio allineato alla vista e un filtro di rilevanza, ottenendo un significativo aumento della velocità di inferenza senza compromettere il successo della navigazione.
Il documento propone un framework di controllo predittivo distribuito basato sul metodo ADMM che permette a un team di robot quadrupedi con bracci manipolatori di trasportare collaborativamente carichi pesanti in ambienti complessi, garantendo scalabilità e prestazioni in tempo reale superando i limiti dei metodi centralizzati e decentralizzati tradizionali.
Il paper propone un framework scalabile basato su Processi Gaussiani per la previsione probabilistica del movimento umano a corpo intero, che garantisce un'accuratezza competitiva e stime di incertezza affidabili con un numero ridotto di parametri, rendendolo ideale per la collaborazione sicura tra uomo e robot in tempo reale.
Il paper propone FEMA (Failure Episodic Memory Alert), un metodo che migliora l'efficienza del campione nell'apprendimento per rinforzo robotico memorizzando e sfruttando le esperienze di fallimento per evitare stati instabili e guidare il policy verso traiettorie a lungo termine, ottenendo significativi risultati sia in simulazione che su un robot bipede reale.
Questo articolo propone una strategia di inizializzazione basata sull'apprendimento da dati reali di Formula 1, che utilizza una rete neurale per prevedere una traiettoria esperta da geometrie locali e accelerare significativamente l'ottimizzazione del percorso nelle corse autonome senza compromettere i tempi finali.
Il paper presenta DexKnot, un framework che combina l'affordance dei punti chiave con le politiche di diffusione per apprendere una strategia generalizzabile e robusta per l'annodamento di borse di plastica da parte di robot, superando le sfide poste dalle infinite gradi di libertà e dalle deformazioni complesse.