864 articoli
Il paper introduce NeuralRemaster, un metodo di diffusione che preserva la fase dei segnali per generare contenuti strutturati e allineati geometricamente, migliorando significativamente il trasferimento sim-to-real senza costi aggiuntivi o modifiche architetturali.
Questo lavoro presenta un metodo efficiente basato sulla mollificazione per generare percorsi robotici lisci e differenziabili con garanzie di curvatura, colmando il divario tra le uscite non differenziabili dei pianificatori e i requisiti di controllo in tempo reale.
Questo articolo propone un quadro di atterraggio cooperativo bi-direzionale che, trasformando la piattaforma mobile in un agente attivo che inclina la propria superficie per facilitare l'approccio, supera il paradigma tradizionale "insegui poi scendi" per abilitare atterraggi autonomi di droni più agili, precisi ed efficienti in scenari dinamici.
Il paper presenta EmboTeam, un nuovo framework per la collaborazione tra robot eterogenei che integra il ragionamento dei modelli linguistici di grandi dimensioni con la pianificazione classica PDDL e alberi comportamentali reattivi, dimostrando su un nuovo benchmark (MACE-THOR) un significativo miglioramento del successo nei compiti complessi rispetto alle soluzioni esistenti.
Il paper presenta MOSAIC, un framework di autonomia scalabile per squadre eterogenee di robot che, basato su punti di interesse e livelli di autonomia multipli, ha permesso a un singolo operatore di supervisionare con successo una missione di esplorazione lunare simulata, completando l'82,3% dei compiti nonostante il guasto di un robot e mantenendo un carico di lavoro ridotto.
Il paper introduce DDP-WM, un modello del mondo efficiente basato sulla previsione dinamica disaccoppiata che, decomponendo l'evoluzione degli stati in dinamiche primarie e aggiornamenti contestuali, supera i limiti computazionali dei modelli densi ottenendo notevoli miglioramenti sia nella velocità di inferenza che nel successo della pianificazione robotica.
Questo lavoro introduce il nuovo problema della Manipolazione Esplorativa e Focalizzata (EFM), presentando il benchmark EFM-10 e una strategia di Percezione Attiva Bimanuale (BAP) che utilizza un braccio per la visione attiva e l'altro per la manipolazione, validati attraverso un dataset e apprendimento per imitazione.
Il paper presenta MAE-Select, un nuovo framework che ottimizza dinamicamente la selezione delle viewpoint nei sistemi robotici a singola telecamera sfruttando un masked autoencoder pre-addestrato, migliorando così le prestazioni dell'apprendimento per imitazione e superando in alcuni casi anche le configurazioni multi-camera.
Questo lavoro propone un nuovo algoritmo di cinematica inversa in anello chiuso per robot soffici, formulato nel dominio infinito-dimensionale e basato su operatori neurali differenziabili, che permette di controllare l'intera forma del robot superando le limitazioni dei metodi tradizionali a dimensioni finite.
Il documento presenta un framework di cooperazione tra un rover e uno scout a zampe che, sfruttando le interazioni locomotorie per mappare online la resistenza del terreno, permette di stimare i rischi di attraversamento e pianificare percorsi sicuri in ambienti planetari analoghi caratterizzati da regolite deformabile.
Questo lavoro presenta LACE, un framework di apprendimento basato su reti neurali che garantisce stabilità esponenziale e dinamiche di covarianza GNSS lisce e adattive all'ambiente per migliorare la localizzazione nelle corse autonome ad alta velocità.
Questo articolo presenta un framework multimodale interpretabile per il telecontrollo di droni e robot mobili che, integrando dati inerziali e capacitivi tramite fusione log-likelihood ratio, supera i limiti della visione artificiale offrendo un riconoscimento gestuale robusto, efficiente e adatto ad ambienti pericolosi.
Questo articolo presenta un metodo basato sull'apprendimento per rinforzo che utilizza mappatura armonica UV e convoluzioni raggruppate scalate per pianificare percorsi di copertura efficienti per la manipolazione di oggetti deformabili su superfici 3D, validato sperimentalmente su un braccio robotico Kinova Gen3.
Il documento propone un framework data-driven che combina l'operatore di Koopman con l'algoritmo Safe Set per controllare in tempo reale sistemi robotici non lineari ad alta dimensionalità, garantendo sicurezza e tracciamento tramite un unico problema di ottimizzazione quadratica.
Questo articolo propone la strategia DIACC, basata sull'apprendimento per rinforzo multi-agente, per migliorare l'efficienza del traffico misto agli ingorghi attraverso un controllo cooperativo che distingue le interazioni tra veicoli automatizzati da quelle con veicoli guidati da umani, integrando un meccanismo di sicurezza proattiva.
Il paper presenta GAIDE, un campionatore neurale informato che utilizza mascheramento dell'attenzione su grafi per sfruttare la struttura spaziale e l'incarnazione del robot, migliorando così l'efficienza e il successo della pianificazione del movimento rispetto alle tecniche esistenti.
Il paper presenta Act-Observe-Rewrite (AOR), un framework in cui un agente multimodale basato su LLM migliora autonomamente le politiche di manipolazione robotica riscrivendo il codice di controllo tra un'esecuzione e l'altra, basandosi sulle osservazioni visive e sui risultati degli episodi senza necessità di gradienti, dimostrazioni o ingegneria delle ricompense.
Questo articolo presenta una pila di navigazione autonoma per un robot quadrupede Boston Dynamics Spot, progettata per operare in miniere sotterranee su hardware edge a basso consumo senza GPU o connettività di rete, ottenendo un successo del 100% in 20 prove sul campo attraverso l'integrazione di odometria LiDAR-inerziale, localizzazione, segmentazione del terreno e pianificazione globale.
Il paper presenta PTLD, un metodo innovativo di distillazione di latenti tattili privilegiati che supera la necessità di simulazioni tattili realistiche permettendo di addestrare politiche di manipolazione destrezza in simulazione e trasferirle con successo nella realtà, ottenendo miglioramenti significativi nelle prestazioni rispetto all'uso esclusivo della propriocettione.
Il paper propone Many-RRT*, un'estensione dell'algoritmo RRT*-Connect che pianifica in parallelo verso molteplici soluzioni di cinematica inversa per garantire la convergenza asintomatica e ottenere traiettorie di qualità superiore con un tasso di successo significativamente più elevato nella pianificazione del movimento per manipolatori seriali ad alto grado di libertà.