864 articoli
Questo articolo presenta Safe MPD, un pianificatore di diffusione privo di addestramento che integra un modello basato su dati con uno scudo di sicurezza per generare in tempo reale traiettorie sicure e cinematicamente fattibili per sistemi robotici complessi, superando i limiti delle strategie di correzione post-processo.
Il paper presenta SORS, un simulatore modulare ad alta fedeltà basato sul metodo degli elementi finiti e ottimizzazione vincolata, progettato per superare le sfide della modellazione fisica dei robot soffici e colmare il divario tra simulazione e realtà attraverso validazione sperimentale e ottimizzazione del controllo.
Il paper presenta VISO, un sistema SLAM robusto per ambienti sottomarini che fonde dati stereo, inerziali e sonar con calibrazione online e rendering fotometrico per ottenere una localizzazione precisa e una ricostruzione 3D densa in tempo reale, superando le prestazioni degli algoritmi esistenti.
Il paper presenta InsSo3D, un sistema SLAM 3D che combina sonar tridimensionale e navigazione inerziale per eseguire ispezioni accurate e prive di deriva in ambienti sottomarini torbidi, come dimostrato da test in vasca e in una cava allagata.
Il paper propone (MGS)-Net, un framework innovativo che unifica l'adattamento della scala micro-geometrica e il filtraggio della struttura macro-geometrica per superare le sfide di allineamento nella geo-localizzazione cross-view, ottenendo prestazioni state-of-the-art su dataset come University-1652 e SUES-200.
Il paper presenta APEX, un sistema basato sull'apprendimento per rinforzo profondo che permette a un umanoide di arrampicarsi autonomamente su piattaforme alte fino al 114% della lunghezza delle gambe, superando i limiti delle soluzioni di salto tradizionali grazie a una politica unificata che combina percezione LiDAR, ricompense di progresso adattive e transizioni fluide tra diverse abilità motorie.
Il paper introduce MiDAS, un sistema open-source e agnostico per l'acquisizione non invasiva di dati multimodali sincronizzati nella chirurgia robotica minimamente invasiva, che supera le barriere delle interfacce proprietarie e fornisce nuovi dataset annotati per la ricerca.
Questo articolo propone un framework di co-addestramento sim-reale basato sul reinforcement learning (RL-Co) che, combinando un avvio con supervised fine-tuning su dati reali e simulati con un affinamento tramite RL in simulazione e una perdita supervisionata sui dati reali, supera i limiti dei metodi esistenti ottenendo significativi miglioramenti nel successo delle manipolazioni robotiche reali, nella generalizzazione e nell'efficienza dei dati.
Questo articolo presenta un nuovo framework che, attraverso un ambiente di simulazione 3D ad alta fedeltà, un algoritmo TD3 modificato con randomizzazione del dominio e un layer di mappatura per il trasferimento sim-to-reale, permette ai robot blimp in miniatura di apprendere politiche di controllo robuste per raggiungere e mantenere pose invertite nel mondo reale.
Il paper introduce ROSER, un framework di recupero few-shot leggero che risolve la scarsità di dati etichettati nell'apprendimento robotico estraendo segmenti di task pertinenti da log di interazione non etichettati utilizzando solo pochi esempi di riferimento, superando i metodi esistenti in accuratezza ed efficienza.
Il paper presenta "Companion", un sistema artistico che integra un robot disegnatore con modelli linguistici di grandi dimensioni per trasformare la collaborazione uomo-macchina in una co-creazione sinergica di narrazioni visive, la cui qualità estetica e valore espositivo sono stati validati da esperti del settore.
Il paper introduce RoboLayout, un'estensione di LayoutVLM che genera scene 3D semanticamente coerenti e fisicamente fattibili per agenti incarnati, integrando vincoli di raggiungibilità differenziabili e una fase di raffinamento locale per ottimizzare la disposizione degli oggetti in base alle capacità fisiche specifiche dell'agente.
Il paper presenta ProFocus, un framework training-free che unisce percezione proattiva e ragionamento focalizzato tramite la collaborazione tra LLM e VLM, ottenendo risultati state-of-the-art nelle navigazioni visione-linguaggio su R2R e REVERIE.
Questo articolo presenta una pipeline di previsione delle traiettorie guidata dal gemello digitale per incroci urbani V2X, che combina un generatore Bi-LSTM con una funzione di perdita innovativa per garantire previsioni accurate, sicure e conformi alle regole del traffico riducendo le violazioni critiche.
Il paper presenta TEGA, un sistema di teleoperazione assistiva che fonde l'inferenza dell'intento muscolare con la sensorizzazione visuotattile per fornire feedback aptico in tempo reale, migliorando così la stabilità e il successo della presa per utenti con disabilità.
Il paper presenta PRISM, un metodo che combina apprendimento per imitazione e rinforzo guidato da istruzioni umane per affinare le politiche di manipolazione robotica, migliorandone la robustezza e l'efficienza dei dati attraverso correzioni intermedie e la generazione iterativa di funzioni di ricompensa.
Questo articolo propone un nuovo approccio di apprendimento congiunto basato sull'inversione dei compiti che, sfruttando dimostrazioni forward in configurazioni nuove, permette ai robot di generalizzare con precisione e senza supervisione diretta a condizioni non viste durante l'addestramento, superando le limitazioni dei metodi di apprendimento per imitazione e trasferimento tradizionali.
Questo lavoro propone il primo framework di verifica robusta accoppiata per i rilevatori di punti chiave basati su heatmap, che utilizza un programma lineare intero misto per garantire la stabilità congiunta di tutti i punti chiave, superando i limiti conservativi dei metodi decoupled precedenti.
Il paper presenta RACAS, un'architettura agente basata su modelli linguistici che permette il controllo a ciclo chiuso di robot eterogenei tramite descrizioni in linguaggio naturale, eliminando la necessità di riaddestramento o modifiche al codice sorgente quando si cambia piattaforma.
Questo articolo presenta un quadro di controllo generale che garantisce la stabilità e la precisione nel task-space per robot soffici sottoposti a vincoli di attuatori e sotto-attuazione, utilizzando funzioni di Lyapunov come vincoli convessi per superare le limitazioni delle strategie non lineari tradizionali.