867 articoli
Il paper presenta cuRoboV2, un framework unificato e dinamico per la generazione di movimenti su GPU che, grazie a ottimizzazioni di traiettoria B-spline, campi di distanza densi e calcoli whole-body scalabili, supera le limitazioni degli approcci attuali offrendo prestazioni superiori e affidabilità sia per manipolatori ad alto grado di libertà che per umanoidi completi.
Il paper presenta Safe-SAGE, un quadro unificato che integra la comprensione semantica dell'ambiente con il controllo critico per la sicurezza, utilizzando una funzione di sicurezza di Poisson modulata da un campo guida di Laplace per permettere ai robot di navigare in ambienti dinamici con margini di sicurezza adattivi e contestuali.
RoboPocket è un sistema portatile basato su smartphone che utilizza la realtà aumentata per visualizzare le previsioni di un robot, permettendo agli operatori di raccogliere dati mirati e aggiornare istantaneamente le politiche di apprendimento senza bisogno di un robot fisico, raddoppiando così l'efficienza dei dati rispetto alle strategie offline.
Questo articolo propone un approccio cooperativo innovativo che fonde l'odometria visivo-inerziale (VIO) di un micro-veicolo aereo con dati di localizzazione relativa LiDAR forniti da un drone più grande, permettendo una navigazione precisa e la mappatura di aree inaccessibili riducendo significativamente la deriva del VIO.
Questo articolo esamina le funzioni di ricompensa nell'apprendimento per rinforzo per la guida autonoma, evidenziando le sfide nella loro progettazione, le limitazioni attuali e proponendo future direzioni di ricerca per creare reward strutturati, contestuali e validati.
Questo articolo presenta un quadro bayesiano unificato che combina un filtro delle particelle personalizzato e una superficie implicita basata su processi gaussiani per abilitare i robot al riconoscimento attivo di oggetti, alla stima della posa e all'apprendimento e trasferimento di forme nuove attraverso l'esplorazione tattile.
Il paper introduce MIKASA, una suite di benchmark completa che include un framework di classificazione, MIKASA-Base e MIKASA-Robo, per valutare sistematicamente le capacità di memoria degli agenti di apprendimento per rinforzo in scenari complessi e nella manipolazione robotica.
Il paper propone "Evolution 6.0", un sistema robotico autonomo basato su modelli generativi di intelligenza artificiale che permette ai robot di progettare e fabbricare autonomamente gli strumenti necessari e di imparare a utilizzarli per eseguire compiti complessi su richiesta umana.
Il paper propone RoboGuard, un'architettura di sicurezza a due stadi che combina un LLM di "fiducia radice" per generare specifiche di sicurezza contestualizzate e la sintesi di controllo logico temporale per garantire che i robot abilitati ai grandi modelli linguistici (LLM) operino in modo sicuro, riducendo drasticamente l'esecuzione di piani pericolosi senza comprometterne le prestazioni.
Questo articolo propone un approccio di pianificazione della traiettoria per UAV basato sull'apprendimento auto-supervisionato e sull'ottimizzazione differenziabile, che integra la percezione della profondità e una strategia neurale di allocazione temporale per superare i limiti dei metodi tradizionali, garantendo maggiore efficienza, robustezza e generalizzabilità sia in simulazione che nel mondo reale.
Il paper propone TPK, un metodo per la previsione di traiettorie nel guida autonoma che integra conoscenze a priori specifiche per diverse classi di agenti (veicoli, pedoni, ciclisti) per garantire previsioni fisicamente fattibili e interpretabili, migliorando così l'affidabilità rispetto ai modelli esistenti.
Questo lavoro propone "Feature Mixing", un metodo semplice e veloce per la sintesi di outlier multimodali che, insieme al nuovo dataset CARLA-OOD, raggiunge prestazioni all'avanguardia nella rilevazione e segmentazione di dati fuori distribuzione con un significativo aumento di velocità rispetto alle tecniche esistenti.
Il paper presenta pyCub, un framework open-source basato su Python per la simulazione fisica del robot umanoide iCub e per l'insegnamento della robotica, che semplifica l'accesso agli studenti eliminando la necessità di C++ e YARP e offrendo esercizi scalabili su controllo, visione e interazione tattile.
Il paper propone Q-SVMPC, un metodo di controllo predittivo basato su modelli guidato da valori Q e prior di policy appresi tramite RL, che utilizza l'inferenza variazionale di Stein per preservare soluzioni multiple e migliorare efficienza, stabilità e robustezza in compiti complessi rispetto alle tecniche esistenti.
Il paper presenta VITA, un framework di apprendimento per politiche di flusso che mappano direttamente le rappresentazioni visive in azioni latenti senza rumore o condizionamento visivo iterativo, ottenendo un'inferenza più rapida e prestazioni competitive rispetto ai metodi tradizionali.
Il paper presenta Point2Act, un sistema che distilla efficientemente le conoscenze dei Modelli Linguistici Multimodali in campi di rilevanza 3D per determinare punti di azione precisi e contestualmente consapevoli, abilitando robot a eseguire compiti di presa zero-shot in ambienti non visti in meno di 20 secondi.
Questo lavoro presenta un metodo innovativo che permette a un braccio robotico rivestito di pelle sensibile di localizzare e afferrare oggetti esclusivamente tramite feedback aptico, senza alcun input visivo, ottenendo un successo dell'85,7% su robot reale e una velocità di ricerca sei volte superiore rispetto alle tecniche tradizionali basate solo sull'end-effector.
Questo articolo propone un metodo geometrico innovativo basato sull'algebra geometrica proiettiva e sul modello "tetrahedral-point" per determinare analiticamente i parametri inerziali di base dei robot, introducendo algoritmi efficienti e robusti che sono stati validati con successo su diversi manipolatori seriali e paralleli.
Il paper presenta Event-LAB, un framework unificato basato su Pixi che standardizza la valutazione e il confronto di metodi di localizzazione neuromorfica su diversi dataset, risolvendo le problematiche di compatibilità e consentendo un'analisi sistematica delle prestazioni.
Questo lavoro introduce il primo benchmark per la segmentazione video basata su azioni in presenza di rumore nelle etichette, proponendo un nuovo meccanismo parallelo per le maschere e un'analisi approfondita delle strategie di apprendimento robuste per l'intelligenza incarnata.