694 articoli
Questo articolo presenta un framework di co-progettazione annidata basato su gradienti che ottimizza congiuntamente la forma aerodinamica e il pianificatore di controllo per robot alati, utilizzando un modello surrogato neurale per gestire condizioni di flusso complesse e migliorare le prestazioni in compiti dinamici come l'atterraggio e l'aggancio rispetto ai metodi sequenziali tradizionali.
Il lavoro propone un metodo innovativo che combina una ricerca stile RRT con un MPC basato sul campionamento e un nuovo schema di campionamento guidato dalla stabilità per generare, tramite simulazione, strategie di manipolazione robotica diversificate e a lungo orizzonte senza necessità di dimostrazioni umane o guide specifiche per il compito.
Il paper introduce HybridMimic, un framework che combina apprendimento per rinforzo e controllo basato sul modello centroidale per migliorare la robustezza e la precisione del mimetismo del movimento umano su robot umanoidi, riducendo significativamente l'errore di tracciamento rispetto alle soluzioni RL tradizionali.
Questo lavoro presenta un framework multi-livello che utilizza la realtà virtuale per addestrare modelli di controllo basati sullo sguardo, permettendo di selezionare e personalizzare strategie di comando efficaci per un esoscheletro cervicale assistivo destinato a pazienti affetti da sindrome della testa cadente.
Questo studio presenta NetFI, un nuovo strumento di iniezione di guasti, per analizzare in modo esaustivo come la perdita di pacchetti, il ritardo e l'interruzione della comunicazione influenzino le prestazioni e il carico di lavoro dei chirurghi durante la telesurgery, fornendo dati quantitativi fondamentali per definire i limiti operativi e sviluppare strategie di mitigazione robuste.
Il paper propone un approccio di controllo robotico basato sul principio di energia libera e sulla robustezza distribuzionale per unificare l'esplorazione e la gestione delle incertezze epistemiche, permettendo una manipolazione affidabile e ripetibile in scenari reali senza necessità di affinamento specifico del compito.
Questo lavoro propone una strategia di allocazione del controllo basata sull'ottimizzazione dello spazio nullo a orizzonte scorrevole che, integrando le dinamiche asimmetriche degli attuatori nei droni UAV omnidirezionali, riduce significativamente le oscillazioni dei comandi dei motori e migliora il tracciamento della traiettoria rispetto ai metodi convenzionali.
Il paper presenta RoboCritics, un approccio che integra critiche informate da esperti nel processo di programmazione robotica tramite LLM per rilevare e correggere automaticamente violazioni di sicurezza, migliorando così l'affidabilità e l'usabilità per gli utenti finali.
Il paper introduce MotionBits, un nuovo concetto di segmentazione video basato sull'equivalenza del twist spaziale cinematico per i corpi rigidi, accompagnato dal benchmark MoRiBo e da un metodo di segmentazione senza apprendimento che supera le tecniche esistenti per supportare compiti di ragionamento e manipolazione incarnata.
Questo studio introduce il testbed LAVT per analizzare la degradazione non lineare della stabilità nella teleoperazione visiva, rivelando un crollo critico delle prestazioni di mantenimento della corsia quando la latenza di percezione supera i 150 ms.
Il paper presenta Robodimm, un framework software che automatizza la scelta degli attuatori per robot modulari scalabili con catene cinematiche chiuse, integrando dinamica, cinematica inversa e una procedura di validazione a due fasi per gestire l'effetto del peso proprio e le accoppiature cinematiche.
Il paper propone CAR, un nuovo framework basato su Transformer che utilizza uno spazio latente condiviso per trasferire rapidamente le conoscenze cinodinamiche tra veicoli eterogenei, riducendo significativamente l'errore di previsione con dati minimi.
Questo articolo propone un framework che utilizza materiali, colori e texture come segnali interattivi per rendere i robot più spiegabili e allineare le aspettative degli utenti alle loro reali capacità, applicando tale approccio all'analisi di sei robot.
Il paper presenta VertiAdaptor, un nuovo framework di adattamento online che integra elevazione e rappresentazioni semantiche per modellare la cinematica e la dinamica dei veicoli in tempo reale, migliorando significativamente precisione e velocità di adattamento nella navigazione autonoma su terreni off-road complessi.
Il paper propone CoPCS, un approccio basato sull'apprendimento che utilizza trasformatori eterogenei per abilitare la pianificazione collaborativa e sincronizzata in tempo reale tra squadre di droni (UAV) e veicoli terrestri (UGV), superando i vincoli operativi di energia e traversabilità per migliorare le prestazioni complessive della missione.
Il paper presenta SysNav, un sistema di navigazione a tre livelli che integra modelli linguistici-visivi e strategie di pianificazione gerarchica per abilitare una navigazione efficiente e robusta verso oggetti specifici in ambienti reali complessi su diverse piattaforme robotiche.
Il paper presenta T2Nav, un sistema di navigazione zero-shot che integra topologia algebrica, memoria temporale su grafi e rilevamento di cicli per permettere ad agenti autonomi di esplorare ambienti sconosciuti e raggiungere obiettivi visivi specifici senza necessità di riaddestramento.
Il paper presenta SurgSync, un framework e un dataset multi-modale sincronizzati per la robotica chirurgica, che integra sensori avanzati e strumenti di post-elaborazione per raccogliere dati realistici su tessuti ex-vivo e supportare lo sviluppo di sistemi di intelligenza artificiale autonomi.
Il paper propone il CN-CBF, un metodo di controllo neurale composito che combina più funzioni di barriera addestrate tramite la raggiungibilità di Hamilton-Jacobi per garantire una navigazione robotica sicura ed efficace in ambienti dinamici, superando le prestazioni dei metodi esistenti sia in simulazione che in esperimenti hardware.
Il paper introduce LIPP, un approccio di pianificazione di percorsi informativi che generalizza i metodi classici considerando l'accoppiamento tra il guadagno informativo e i costi di attraversamento dipendenti dal carico fisico, permettendo di ottimizzare il campionamento e il percorso sotto vincoli energetici per massimizzare la riduzione dell'incertezza.