864 articoli
Il paper presenta FlowTouch, un modello innovativo per la previsione visuo-tattile indipendente dalla vista che utilizza mesh 3D locali e Flow Matching per colmare il divario tra simulazione e realtà, permettendo di prevedere le informazioni tattili da immagini visive e migliorando la stabilità della presa.
Seed2Scale è un motore di dati auto-evolutivo che supera i colli di bottiglia nella generazione di dati per l'IA incarnata sfruttando la sinergia tra un modello leggero "SuperTiny" per la raccolta e un modello grande per la valutazione, permettendo di partire da sole quattro dimostrazioni seed per ottenere un miglioramento delle prestazioni del 131,2% attraverso iterazioni scalabili.
Il paper presenta SAIL, un framework che migliora l'apprendimento per imitazione nei robot attraverso una ricerca iterativa basata su Monte Carlo Tree Search e un modello linguistico-visivo, permettendo di aumentare il tasso di successo fino al 95% sfruttando una maggiore potenza di calcolo al momento del test.
Questo articolo dimostra che, in scenari di inseguimento ed evasione 3D asimmetrici con comunicazioni assenti, la semplificazione delle rappresentazioni degli agenti e l'uso di un'assegnazione del merito locale migliorano la robustezza e le prestazioni rispetto ai metodi che dipendono da canali di comunicazione ridondanti.
Il paper presenta EndoSERV, un innovativo sistema di navigazione robotica endoluminale basato sulla visione che combina mappatura segmento-struttura e trasferimento reale-virtuale per garantire una localizzazione precisa in ambienti anatomici complessi e deformabili, anche in assenza di etichette di posa reali.
Il paper presenta HIMoS, un framework di pianificazione gerarchica multi-modale che permette ai veicoli subacquei autonomi di cercare e campionare in modo efficiente colonie di corallo sparse mantenendo un'altitudine fissa, integrando sensori eterogenei e ottimizzando le rotte strategiche e le traiettorie tattiche per superare le inefficienze energetiche dei metodi tradizionali.
Il paper presenta PhaForce, una politica visuomotoria che coordina una pianificazione lenta basata su diffusione e una correzione rapida ad alta frequenza, gestendo dinamicamente l'integrazione delle forze di contatto attraverso fasi di task specifiche per migliorare significativamente il successo e la qualità dell'interazione nella manipolazione ricca di contatti.
Il paper presenta un metodo di coordinamento multi-robot senza comunicazione, basato su sensori LiDAR 3D anisotropi e un framework di navigazione consapevole della percezione, che garantisce la sicurezza e l'efficacia dei droni in ambienti complessi privi di segnale GNSS, come le foreste.
Il paper presenta MoMaStage, un framework visione-linguaggio strutturato che utilizza un grafo stato-abilità e un'esecuzione in ciclo chiuso per garantire coerenza logica e robustezza nella manipolazione mobile indoor a lungo raggio, eliminando la necessità di mappature esplicite dell'ambiente.
Il paper propone StructBiHOI, un framework che utilizza un modello gerarchico basato su VAE e un denoiser Mamba per generare interazioni bimanuali a lungo termine tra mani e oggetti, garantendo stabilità temporale, plausibilità fisica e coordinazione articolata.
Questo lavoro propone la normalizzazione del valore invariante alla scala (SVN) come tecnica semplice per stabilizzare la decomposizione non lineare dei valori nell'apprendimento per rinforzo multi-agente offline, fornendo una ricetta pratica che ne sblocca il pieno potenziale.
Questo studio presenta un metodo di percezione basato sull'intelligenza artificiale che permette ai robot mobili nei laboratori scientifici autonomi di prevedere le intenzioni umane e interagire in modo proattivo, migliorando così l'efficienza della collaborazione uomo-robot rispetto ai sistemi tradizionali basati sulla semplice rilevazione di ostacoli.
Il paper propone il framework AFOP-ML, una rete prototipale abilitata all'ottimizzazione automatica delle caratteristiche che utilizza l'apprendimento meta per riconoscere forme e materiali tramite segnali tattili con pochi esempi, ottenendo prestazioni superiori e una forte capacità di generalizzazione anche in scenari con dati limitati.
Il paper presenta FoMo, un dataset multi-stagionale raccolto in una foresta boreale che, grazie alla sua varietà di condizioni ambientali estreme e dati sensoriali multimodali, sfida le attuali tecniche di navigazione robotica e ne evidenzia la scarsa robustezza ai cambiamenti stagionali.
Questo studio presenta un tracciatore a filtro particellare per il monitoraggio di singole imbarcazioni che utilizza una strategia adattiva basata sull'entropia per selezionare dinamicamente tra sensori LiDAR e camera, ottimizzando così il compromesso tra accuratezza e continuità in ambienti marittimi reali.
Il paper presenta R2F, un framework privo di LLM che ripropone le frontiere dei raggi per la navigazione di oggetti open-vocabulary, trasformando le regioni frontali in ipotesi semantiche direzionali per ottenere prestazioni competitive in tempo reale senza la latenza computazionale dei modelli linguistici su larga scala.
Il paper introduce LAR-MoE, un framework a due stadi per l'apprendimento per imitazione robotica che utilizza un routing allineato a uno spazio latente appreso in modo non supervisionato per abilitare la specializzazione degli esperti senza bisogno di annotazioni delle fasi, ottenendo risultati superiori su benchmark complessi e compiti chirurgici reali.
Il paper propone STRIDE, un framework di apprendimento della dinamica robotica che combina una rete neurale lagrangiana per la meccanica conservativa con un modello di flusso condizionale per le forze di interazione stocastiche, ottenendo una riduzione significativa degli errori di previsione in ambienti incerti.
Il paper presenta 3PoinTr, un metodo che utilizza trasformatori per pre-addestrare politiche robotiche su video umani casuali prevedendo tracce di punti 3D come rappresentazione intermedia, consentendo un apprendimento efficiente e robusto con un numero ridotto di dimostrazioni robotiche.
Il paper presenta ProReFF, un modello che apprende implicitamente le distribuzioni probabilistiche delle co-occorrenze di oggetti da dati non etichettati per guidare un agente robotico nella ricerca di oggetti in ambienti sconosciuti, raggiungendo un'efficienza superiore ai metodi basati su feature e fino all'80% delle prestazioni umane.