686 articoli
Uno studio controllato dimostra che, in un'interazione uomo-robot, i fallimenti dovuti a errori di scelta sono percepiti come meno dannosi per l'affidabilità rispetto a scivolamenti o blocchi, e che la fiducia può essere ripristinata semplicemente attraverso esecuzioni di successo successive, senza necessità di riparazioni sociali esplicite.
Questo articolo presenta un nuovo framework gerarchico di pianificazione e controllo che integra un controllo predittivo del modello (MPC) con una legge adattiva indiretta per garantire una robusta trasporto di carichi da parte di robot quadrupedi, validato sperimentalmente su terreni accidentati con carichi fino al 109% della massa del robot.
Questo articolo presenta il SEP-NMPC, un framework di controllo predittivo non lineare che garantisce stabilità e sicurezza per il trasporto di carichi sospesi da UAV in ambienti complessi, integrando vincoli di passività e funzioni di barriera di controllo ad alto ordine per prevenire oscillazioni e collisioni.
Il paper propone APPLV, un metodo che utilizza modelli visione-linguaggio-azione per apprendere in modo adattivo i parametri di pianificatori classici, migliorando così la navigazione autonoma e la generalizzazione in ambienti complessi rispetto alle tecniche esistenti.
Il documento propone un metodo innovativo che integra l'identificazione del sistema basata sui dati SINDy con un controllo adattivo RLS per migliorare il rifiuto delle perturbazioni del vento e la precisione nel tracciamento di traiettorie complesse di droni UAV in ambienti turbolenti, superando le prestazioni dei controllori PID e INDI tradizionali.
Uno studio sperimentale su una rete 5G privata dimostra che i modelli basati esclusivamente sulle caratteristiche del canale sovrastimano sistematicamente la velocità di trasmissione a causa di errori nella previsione dei livelli MIMO, mentre un approccio basato su dati reali tramite regressione a processi gaussiani offre previsioni di throughput end-to-end significativamente più accurate.
Il documento presenta PSANE, un quadro di navigazione attiva sicura che utilizza le misurazioni propriocettive delle interazioni tra gambe e terreno per permettere ai robot a zampe di esplorare in sicurezza e raggiungere obiettivi in ambienti planetari sconosciuti e deformabili, superando i limiti della rilevazione remota.
Il documento presenta un sistema di localizzazione magnetica senza infrastrutture che consente a un UAV leggero di atterrare autonomamente con precisione centimetrica su un robot quadrupede mobile, integrando sensori magnetici, inerziali e ottici per il teaming eterogeneo in ambienti sconosciuti.
Questo articolo propone un metodo distribuito di previsione conformale adattiva e consapevole della formazione, basato su Risk-Aware Mondrian CP, che quantifica in modo dinamico l'incertezza percepita per garantire la sicurezza e il mantenimento del campo visivo nei sistemi multi-robot leader-follower, migliorando le prestazioni di tracciamento rispetto alle tecniche non adattive.
Il paper presenta FAME, un framework di apprendimento per rinforzo adattivo alle forze che permette a un umanoide full-scale di mantenere l'equilibrio e manipolare carichi bimanuali in modo robusto, stimando le forze di interazione direttamente dalla dinamica del robot senza sensori di coppia al polso.
Il paper presenta SurgCalib, un framework automatico e senza marcatori basato su Gaussian Splatting per la calibrazione mano-occhio del robot chirurgico da Vinci, che risolve le sfide delle misurazioni imprecise dei robot a cavo attraverso un'ottimizzazione differenziabile sotto vincolo RCM, ottenendo errori di riproiezione e di distanza 3D ridotti sul benchmark dVRK.
Questo articolo presenta tre miglioramenti per trasformare la mano robotica Inspire RH56DFX da dispositivo commerciale a strumento di ricerca: una caratterizzazione hardware, un modello MuJoCo validato per la pianificazione della presa e un controller ibrido velocità-forza, che insieme hanno dimostrato successi significativi in compiti di inserimento e presa su oggetti diversificati.
Questo lavoro propone l'algoritmo CMA-ES-IG, che migliora l'apprendimento delle preferenze degli utenti non esperti per i robot incorporando considerazioni sull'esperienza utente nella generazione di query, ottenendo risultati superiori rispetto alle tecniche esistenti in termini di scalabilità, robustezza al rumore e gradimento degli utenti.
Il paper presenta PlayWorld, un sistema autonomo e scalabile che apprende modelli di mondo video ad alta fedeltà attraverso l'auto-gioco robotico non supervisionato, superando i limiti dei dati umani per prevedere interazioni fisiche complesse e migliorare le prestazioni delle politiche di controllo robotico nel mondo reale.
Il paper presenta ImpedanceDiffusion, un framework gerarchico che combina pianificazione globale basata su modelli di diffusione, controllo reattivo con campi potenziali artificiali e un modulo semantico per la regolazione adattiva dell'impedenza, permettendo a sciami di droni di navigare in modo sicuro ed efficiente in ambienti interni affollati e non strutturati.
Questo articolo presenta GF-BiLSTM, un modello di fusione profonda che sfrutta sia l'ampiezza che la fase delle informazioni sullo stato del canale Wi-Fi per migliorare significativamente il riconoscimento delle attività robotiche e la robustezza rispetto alla velocità, colmando la lacuna delle ricerche precedenti che si basavano principalmente sull'ampiezza.
Questo lavoro presenta un manipolatore mobile bimanuale a basso costo (sotto i 1300 dollari) basato su XLeRobot e NVIDIA Jetson Orin Nano, dotato di un design meccanico ottimizzato e di un'architettura di alimentazione avanzata per garantire autonomia e manipolazione basata sulla visione senza dipendenze esterne.
Il paper propone "Quality over Quantity" (QoQ), un metodo sistematico che utilizza le funzioni di influenza per identificare e selezionare automaticamente le dimostrazioni di addestramento più efficaci nel robot learning, migliorando le prestazioni della politica rispetto ai metodi di selezione dati precedenti sia in simulazione che nel mondo reale.
Questo lavoro presenta un nuovo framework che stima le traiettorie 3D e classifica i droni direttamente da video internet su larga scala senza annotazioni manuali, utilizzando un approccio basato su modelli linguistici e ragionamento visivo per generare dati di addestramento che, una volta raffinati con vincoli fisici, permettono di ottenere prestazioni state-of-the-art in compiti di rilevamento anti-droni tramite trasferimento zero-shot.
Questo articolo propone un framework di controllo a elevato scorrimento per veicoli automatizzati che, sfruttando operazioni a vuoto e una strategia di controllo vincolato, attiva la regione di attrito massimo per stimare con precisione e sicurezza il coefficiente di attrito pneumatico-strada, superando i limiti dei dati di guida naturale.