677 articoli
Il paper presenta NaviGait, un framework gerarchico che combina l'ottimizzazione di traiettoria con l'apprendimento per rinforzo per generare politiche di locomozione bipede robuste e intuitive, selezionando e adattando dinamicamente i passi da una libreria offline pre-calcolata.
Il paper presenta RL-100, un framework di apprendimento per rinforzo nel mondo reale basato su politiche visuo-motorie a diffusione, che unifica imitazione e rinforzo per ottenere un controllo robotico ad alta frequenza, stabile e robusto, raggiungendo il 100% di successo in 1000 episodi su otto compiti diversi e dimostrando capacità di adattamento zero-shot e few-shot in scenari dinamici complessi.
Il lavoro presenta FALCON, un nuovo paradigma che colma il divario di ragionamento spaziale nei modelli Vision-Language-Action integrando token 3D ricchi di informazioni geometriche direttamente nel modulo di azione, ottenendo così prestazioni all'avanguardia su numerosi compiti reali e simulati senza richiedere sensori specializzati o modifiche architetturali.
Questo articolo dimostra che il ri-pianificazione incrementale in ambienti dinamici può essere risolta più efficientemente trattando ogni richiesta come un problema indipendente utilizzando algoritmi di pianificazione quasi-sicuramente asintoticamente ottimali (ASAO), come EIT* e AORRTC, che trovano percorsi globali coerenti senza la necessità di aggiornare esplicitamente i piani esistenti.
Il paper presenta SynHLMA, un nuovo framework che genera sequenze di manipolazione delle mani per oggetti articolati basandosi su istruzioni linguistiche, utilizzando una rappresentazione discreta delle interazioni e un modello linguistico allineato per garantire grappi realistici e funzionali.
Il paper presenta EgoMI, un framework che colma il divario di incarnazione tra umani e robot semi-umanoidi apprendendo la manipolazione attiva e la coordinazione testa-mano da dimostrazioni umane in prima persona, utilizzando una politica potenziata da memoria per gestire i cambiamenti dinamici del punto di vista.
Il paper propone PACS, un metodo di filtraggio della sicurezza basato sulla consistenza del percorso che garantisce il rispetto dei vincoli di sicurezza in tempo reale senza degradare le prestazioni dei modelli di diffusione, mantenendo la coerenza con la distribuzione di addestramento e superando gli approcci reattivi tradizionali.
Il paper introduce AFRO, un framework auto-supervisionato che apprende rappresentazioni 3D consapevoli della dinamica robotica senza supervisione sulle azioni o sulla ricostruzione geometrica, migliorando significativamente il successo nelle attività di manipolazione rispetto ai metodi di pre-addestramento esistenti.
Il paper presenta UniBYD, un framework unificato che supera i limiti dell'imitazione umana nelle manipolazioni robotiche combinando una rappresentazione morfologica unificata e un algoritmo di reinforcement learning dinamico per adattare le politiche di controllo alle diverse morfologie robotiche, ottenendo un miglioramento significativo delle prestazioni rispetto allo stato dell'arte.
Questo articolo presenta la progettazione e l'implementazione di un sistema di localizzazione relativa per SnailBot, un robot modulare auto-ricostituibile, che integra il riconoscimento di marcatori ArUco, l'analisi del flusso ottico e i dati IMU in un framework unificato per garantire un posizionamento preciso e robusto in tempo reale.
Questo studio presenta un microsciatore elastico a tre sfere azionato magneticamente che sfrutta il collasso isterico reversibile per generare un movimento netto non reciproco a basso numero di Reynolds, consentendo il controllo indipendente di più microrobot tramite un unico campo magnetico e aprendo nuove prospettive per interventi medici microinvasivi.
Il paper presenta AirPulse, un robot volante autonomo di 26 grammi ispirato alle farfalle che, grazie a un'architettura di controllo gerarchica e ali compliant, realizza per la prima volta un volo stabile e guidato in regime tailless a bassa frequenza, aprendo nuove prospettive per il monitoraggio ecologico e l'ispezione in spazi confinati.
Questo lavoro presenta un approccio ibrido che combina sensori tattili multimodali e ottimizzazione delle forze interne per realizzare un controllo reattivo dello scorrimento in prese robotiche multifinger, consentendo una stabilizzazione chiusa in meno di 50 millisecondi.
Questo lavoro propone il Multimodal Adversarial Quality Policy (MAQP), un framework che garantisce una presa robotica sicura in ambienti di interazione uomo-robot attraverso l'ottimizzazione congiunta di patch avversarie RGB e di profondità, risolvendo le discrepanze distributive e gli squilibri di ottimizzazione tipici delle modalità multimodali.
Il paper introduce Pri4R, un approccio semplice ed efficace che potenzia i modelli Vision-Language-Action con una comprensione implicita delle dinamiche del mondo attraverso l'addestramento su rappresentazioni 4D privilegiate, migliorando significativamente le prestazioni nei compiti di manipolazione fisica senza aggiungere overhead computazionale durante l'inferenza.
Il paper presenta SPARC, un metodo di pianificazione dei percorsi per robot multipli che utilizza un meccanismo di attenzione potenziato dalle relazioni spaziali (RMHA) per migliorare la comunicazione decentralizzata e ottenere prestazioni superiori in ambienti ad alta densità rispetto alle tecniche esistenti.
Il paper introduce SPREAD, un framework per l'apprendimento per imitazione lifelong che utilizza la decomposizione ai valori singolari per allineare le rappresentazioni delle politiche in sottospazi a basso rango preservando la geometria intrinseca dei compiti, combinato con una strategia di distillazione guidata dalla confidenza, ottenendo così prestazioni all'avanguardia nel benchmark LIBERO mitigando l'oblio catastrofico.
Questo studio esamina come le differenze legate all'età influenzino la percezione dello sguardo deittico da parte di anziani e giovani nell'interazione con robot sociali, al fine di guidare la progettazione di segnali non verbali adattivi.
Il paper presenta Scale-Plan, un framework scalabile che combina modelli linguistici e pianificazione simbolica per generare rappresentazioni compatte di compiti multi-robot eterogenei, superando le limitazioni di allucinazione e scalabilità degli approcci esistenti attraverso la filtrazione delle informazioni irrilevanti e la validazione su un nuovo benchmark MAT2-THOR.
Questo lavoro presenta HMR-1, un sistema robotico di massaggio gerarchico basato su modelli linguistici visivi che, grazie al nuovo dataset multimodale MedMassage-12K, identifica con precisione i punti di agopuntura e pianifica traiettorie di controllo per applicazioni pratiche nella riabilitazione fisica.