864 articoli
Il paper presenta FindAnything, un framework di mappatura open-vocabulary che integra informazioni visive e linguistiche in sottomappe volumetriche centrate sugli oggetti, consentendo una comprensione semantica efficiente e scalabile in tempo reale anche su dispositivi con risorse limitate come i MAV.
Questo articolo presenta un metodo consapevole della robustezza che integra la selezione degli strumenti e la pianificazione della manipolazione, utilizzando una metrica basata sull'energia per generare traiettorie resilienti alle perturbazioni in compiti di manipolazione complessi.
Questo articolo propone una metodologia strutturata basata sul metamodello MeROS e sul modello a V per integrare l'ingegneria dei sistemi basata su modelli (MBSE) con il Robot Operating System (ROS), al fine di migliorare la tracciabilità e la coordinazione affidabile di sistemi robotici eterogenei complessi.
Questo lavoro propone un nuovo framework studente-insegnante basato sull'apprendimento per rinforzo multi-agente che genera automaticamente un curriculum di comportamenti di traffico diversificati e adattivi, permettendo a un agente di guida autonoma di superare le limitazioni degli scenari basati su regole e di acquisire una guida più robusta, assertiva e bilanciata.
Questo articolo presenta un framework interattivo senza codice per la generazione di scenari di guida autonoma in CARLA, che utilizza un'interfaccia grafica e una rappresentazione basata su grafi per democratizzare l'accesso alla validazione simulata, consentendo sia la creazione manuale che quella automatizzata di scenari complessi senza richiedere competenze di programmazione.
VEGA è un sistema di navigazione per veicoli elettrici che combina un operatore neurale informato dalla fisica per la stima dei parametri del veicolo e un agente di apprendimento per rinforzo basato su PPO per pianificare percorsi e fermate di ricarica, dimostrando un'efficienza superiore e una rapida generalizzazione su reti stradali globali.
Questo articolo presenta un framework multimodale che integra la comprensione del linguaggio naturale con il ragionamento spaziale per migliorare l'accuratezza della previsione degli obiettivi degli aeromobili nello spazio aereo senza torre di controllo, riducendo significativamente l'errore di previsione rispetto ai metodi basati esclusivamente sulla storia del movimento.
Il paper presenta GLIDE, un framework cooperativo di ricerca e soccorso che coordina due droni (uno per la rilevazione delle vittime e uno per la ricognizione del terreno) con un veicolo terrestre per ottimizzare la pianificazione del percorso e la sicurezza in ambienti sconosciuti.
Questo lavoro propone un approccio basato sulla visione per l'esplorazione semantica di oggetti da parte di robot a zampe, che utilizza un'arbitratura delle evidenze semantiche calibrata sulla confidenza, una memoria topologica a crescita controllata e una selezione di sottobiettivi guidata dall'utilità semantica per prendere decisioni di esplorazione stabili ed eseguibili senza dipendere da ricostruzioni geometriche dense.
Questo articolo presenta il GPHDM, un nuovo approccio che genera movimenti robotici fisicamente coerenti e strutturati gerarchicamente apprendendo rappresentazioni latenti su varietà iperboliche che integrano le dinamiche temporali con le tassonomie dei movimenti.
ROSflight 2.0 è un ecosistema di autopilota open-source basato su ROS 2, progettato per ricercatori per accelerare la transizione dalla simulazione all'hardware, offrendo un codice modulare e documentato che permette il controllo di droni a 400 Hz tramite un computer companion.
ROSplane 2.0 è una pila di autonomia open-source per velivoli ad ala fissa basata su ROS 2, progettata per accelerare la ricerca sui droni grazie a un'architettura modulare, una documentazione estesa e un nuovo processo di modellazione aerodinamica che semplifica il passaggio dalla simulazione alla realtà.
Il paper presenta Phys2Real, un approccio che fonde le stime dei parametri fisici derivate da modelli visione-linguaggio con l'adattamento online basato sull'incertezza per migliorare il trasferimento sim-to-real nelle operazioni di manipolazione robotica.
Questo articolo presenta un approccio basato su campioni per il controllo ibrido che risolve un problema di ottimizzazione intera per selezionare dinamicamente il modo di controllo, il momento di commutazione e la durata, garantendo prestazioni asintoticamente ottimali e permettendo la sintesi di comportamenti complessi in compiti robotici reali.
Questo lavoro presenta C3+, un algoritmo di controllo MPC che ignora i contatti, in grado di eseguire con successo e in tempo reale compiti di spinta planare su un'ampia varietà di oggetti singoli e multipli, raggiungendo un tasso di successo del 98% su hardware reale.
Il paper presenta AURASeg, un framework di segmentazione per aree percorribili progettato per robot autonomi che combina un modulo di raffinamento dei bordi assistito da residui e un decodificatore di upscaling guidato dall'attenzione per migliorare la precisione dei contorni e l'efficienza su dispositivi edge.
Questo articolo presenta un framework online che utilizza una variante della decomposizione modale dinamica di Hankel con finestre scorrevoli per denoisare e prevedere in tempo reale le dinamiche di agenti ostacolo, permettendo una pianificazione del movimento robotico più sicura e adattiva.
Questo studio propone e valuta quattro indicatori di campo visivo robotico in realtà aumentata, dimostrando che le visualizzazioni allocentriche nello spazio del compito e quelle egocentriche sugli occhi del robot migliorano l'accuratezza dei modelli mentali umani senza aumentare il carico cognitivo, fornendo al contempo linee guida pratiche per l'implementazione.
Il paper presenta ExpReS-VLA, un metodo che specializza i modelli Vision-Language-Action pre-addestrati per ambienti specifici tramite un efficiente replay di esperienze compresso e generazione aumentata dal recupero, prevenendo l'oblio catastrofico e migliorando significativamente le prestazioni sia in simulazione che su robot fisici con un adattamento rapido e a basso costo di memoria.
Il paper presenta CAVER, un robot innovativo dotato di un nuovo attrezzo per eccitare le risposte acustiche degli oggetti e di un algoritmo di esplorazione guidato dalla curiosità, che apprende rappresentazioni audiovisive per migliorare la classificazione dei materiali e l'imitazione di dimostrazioni basate solo sull'audio.