864 articoli
Questo articolo propone l'utilizzo di mini-auto in scala 1:10 basate su software open-source e conformi agli standard ETSI come soluzione economica ed efficace per colmare il divario tra simulazione e test reali di veicoli autonomi, cooperativi e connessi, dimostrando la fattibilità della piattaforma attraverso la validazione di un sistema di avviso di collisione agli incroci.
Questo articolo presenta un framework di controllo distribuito che garantisce il consenso e la sicurezza nella manipolazione cooperativa tramite funzioni barriera di controllo gerarchiche attivate da eventi, riducendo i costi computazionali e di comunicazione rispetto ai metodi tradizionali.
Questo studio dimostra che, per migliorare il trasferimento cross-embodiment nei robot, l'uso di "analogie di dati" (dimostrazioni accoppiate che allineano scenari e traiettorie tra diversi corpi robotici) è più efficace dell'aumento indiscriminato della diversità dei dati, specialmente quando si affrontano cambiamenti morfologici, portando a un incremento medio del 22,5% nel successo del trasferimento rispetto ai dataset non accoppiati.
Il paper propone un framework di pruning dei token visivi spaziotemporali basato sulla storia, privo di riaddestramento, che riduce significativamente la latenza computazionale nei modelli Vision-Language-Action per la navigazione robotica, mantenendo un'alta accuratezza e permettendo un'implementazione in tempo reale su robot reali.
Questo articolo introduce il concetto di "corridoi di barriera di controllo" che unifica le funzioni di barriera di controllo e i corridoi di movimento sicuri, trasformando le funzioni di sicurezza in regioni obiettivo locali per garantire una selezione persistente e verificabilmente sicura degli obiettivi durante l'esplorazione autonoma di ambienti sconosciuti.
Questo lavoro introduce un'embedding di progettazione unificata a bassa dimensionalità che, modellando forma, materiali e attuazione attraverso funzioni base condivise, permette un'ottimizzazione congiunta efficiente e scalabile dei robot soffici, superando le strategie sequenziali e le baselines neurali.
Il paper presenta CFEAR-TR, un sistema di localizzazione robusto e leggero basato esclusivamente su radar che, allineando gli scansioni in tempo reale a una mappa precedentemente acquisita e a un finestra scorrevole di frame recenti, raggiunge un'accuratezza superiore allo stato dell'arte (fino al 63% di miglioramento) in condizioni meteorologiche avverse, colmando il divario con le prestazioni del LiDAR.
Il paper presenta SG-DOR, un framework relazionale che utilizza un'architettura di grafo neurale consapevole della direzione per inferire scene grafiche con ragionamento sull'occlusione, migliorando la pianificazione della raccolta robotica in colture di peperoni densi attraverso la previsione dell'occlusione e l'inferenza delle connessioni fisiche tra organi.
Il documento presenta un robot monopodalico sottoposto a 0,33 m e 1,25 kg, dotato di due ruote reattive e un attuatore, in grado di rotolare, saltare in modo mirato e riorientarsi in aria per l'esplorazione multimodale di corpi celesti a bassa gravità.
Il paper presenta una procedura di calibrazione spaziale per LiDAR diffusivi che stima il footprint e la sensibilità spaziale di ciascun pixel su un'immagine RGB, permettendo l'allineamento e la fusione cross-modale superando le limitazioni dei metodi di calibrazione tradizionali.
Questo lavoro presenta un approccio unificato che apprende sia le relazioni temporali simboliche che i parametri di timing subsimbolici da dimostrazioni umane, integrandoli in un sistema di pianificazione ottimizzata per generare piani eseguibili e sincronizzati per la manipolazione bimanuale dei robot.
Questo articolo presenta un nuovo quadro di dinamica adattiva consapevole dell'incertezza per robot sottomarini con bracci manipolatori, che integra vincoli di coerenza fisica e stima a orizzonte mobile per ottenere modelli dinamici accurati e affidabili, come dimostrato sperimentalmente su un sistema BlueROV2 Heavy.
Il paper presenta Fly360, un sistema di evitamento degli ostacoli omnidirezionale per droni che, sfruttando una pipeline di percezione-decisione basata su osservazioni RGB panoramiche e una strategia di addestramento con imbardata casuale fissa, supera i limiti dei metodi tradizionali a campo visivo limitato garantendo una consapevolezza spaziale completa in scenari di volo complessi.
Il paper presenta BEVLM, un framework che colma il divario tra la ricchezza semantica dei Large Language Models e la coerenza spaziale delle rappresentazioni Bird's-Eye View, migliorando significativamente sia il ragionamento nelle scene di guida che le prestazioni di guida autonoma end-to-end in scenari critici per la sicurezza.
Questo articolo propone una tecnica di controllo distribuito per formazioni di UAV che, decomponendo e modificando il comando di discesa del gradino in base al rumore sensoriale stimato, garantisce un'implementazione affidabile in scenari reali riducendo oscillazioni e derive rispetto agli algoritmi esistenti.
Il paper presenta FEP-Nav, un framework ispirato al Principio dell'Energia Libera che garantisce una navigazione visiva robusta e adattiva in tempo reale minimizzando l'energia variazionale attraverso un meccanismo duale di decodifica top-down e normalizzazione adattiva, permettendo così ai sistemi autonomi di mantenere prestazioni elevate anche in presenza di corruzioni sensoriali.
Il paper propone il Multi-feature Implicit Model (MIMO), un nuovo metodo di apprendimento per imitazione che utilizza una rappresentazione neurale implicita per migliorare la ricostruzione di oggetti da osservazioni parziali e l'esecuzione di compiti di afferramento e riordino sia in simulazione che nel mondo reale.
Questo articolo propone un metodo per la guida autonoma che bilancia i rischi di collisione e le violazioni delle regole stradali, estendendo una metrica di rischio umano tramite specifiche di logica temporale lineare (LTL) formulate come problemi di raggiungibilità risolvibili mediante programmazione lineare e validati nel simulatore Carla.
Il paper presenta GenTact Toolbox, una pipeline computazionale che genera proceduralmente pelli artificiali tattili intere per robot, adattando forma e distribuzione dei sensori al contesto operativo specifico tramite simulazione e stampa 3D multi-materiale.
Questa lettera propone un modello di diffusione guidato dalle condizioni di contatto che mappa immagini RGB e dati di forza in immagini tattili ad alta fedeltà, superando i limiti delle simulazioni tradizionali e ottenendo una significativa riduzione dell'errore rispetto agli approcci esistenti.