864 papers
Dit paper introduceert MuxGel, een visuo-tactiele sensor die via een schaakbordpatroon en diepe reconstructie gelijktijdig hoge-resolutie externe visie en contactgevoelige tactiele signalen vastlegt, waardoor de beperkingen van traditionele optische tactiele sensoren worden opgeheven zonder de hardwarecompatibiliteit te schaden.
Dit paper introduceert TIMID, een nieuw architectuur voor video-anomaliedetectie die zwak toezicht en simulatiegebaseerde data gebruikt om tijdsafhankelijke fouten in robotuitvoeringen van complexe taken te identificeren.
Dit artikel presenteert een lichtgewicht LiDAR-gebaseerd systeem voor het volgen van UAV's met een adaptieve Extended Kalman-filter, dat nauwkeurige relatieve positiebepaling mogelijk maakt in GPS-ontzegde omgevingen door effectief om te gaan met schaarse en ruisgevoelige puntwolkdata.
Deze paper introduceert het Dynamics-Aware Policy Learning (DAPL)-framework, dat door het leren van contactgedreven dynamica via wereldmodelleren en versterkende leer, extrinsieke dexteriteit in rommelige omgevingen mogelijk maakt zonder handmatige heuristieken, met een succespercentage dat tot 50% reikt in real-world tests.
Deze studie vergelijkt vijf methoden voor cooperatieve lokalisatie in GPS-ontzegde omgevingen en concludeert dat Covariance Intersection (CI) de meest evenwichtige aanpak biedt, terwijl StCL en Standard-CL ondanks hoge nauwkeurigheid ongeschikt zijn voor veiligheidskritieke toepassingen vanwege filterinconsistentie.
Dit paper introduceert NanoBench, een open-source benchmarkdataset voor de Crazyflie 2.1 nano-quadcopter die gesynchroniseerde actuator- en sensordata biedt voor het bestuderen van systeemidentificatie, besturing en schatting op nano-schaal, waar bestaande benchmarks ontoereikend zijn.
Dit paper introduceert KDMR, een nieuw raamwerk voor het dynamisch herpositioneren van menselijke bewegingen naar humanoiden via multi-contact trajectoptimalisatie, dat fysiek consistente bewegingen genereert door rigide lichaamsdynamica en contactkrachten te integreren, wat leidt tot superieure prestaties en stabiliteit in vergelijking met bestaande kinematische methoden.
Dit paper introduceert BEACON, een methode die taalgeconditioneerde navigatie onder obstructie verbetert door in plaats van 2D-beeldvoorspellingen een vogelvluchtaanzicht (BEV) van toegankelijkheidskansen te genereren die ook verborgen gebieden omvat, wat resulteert in een aanzienlijke prestatieverbetering ten opzichte van bestaande beeldgebaseerde methoden.
Dit paper introduceert TiPToP, een modulaire en open-vocabulaire planningssysteem dat voorgeprente visiemodellen combineert met een TAMP-planner om robotmanipulatie taken direct op te lossen vanuit RGB-beelden en natuurlijke taal, zonder dat er robotdata nodig is voor training.
Dit artikel biedt een overzicht van cognitieve modellering in robotica op basis van utiliteitstheorie, waarbij de evolutie van gedragsgebaseerde robotica naar waardenystemen wordt besproken en de toepassing daarvan in enkel- en multi-agent systemen, vertrouwen en mens-robotinteractie wordt geanalyseerd, om tenslotte veelbelovende onderzoeksrichtingen en open problemen te identificeren.
Dit artikel introduceert een methode die Transfer Entropy gebruikt om de invloed tussen agenten te moduleren via beloning, waardoor robots in mens-robotinteracties effectief impliciete communicatie kunnen ontwikkelen zonder expliciete intentiemodellering.
Dit artikel introduceert een nieuw model voor gekoppelde oscillator-netwerken dat de wiskundige structuur van fysische systemen behoudt en globale stabiliteit garandeert, waardoor effectieve modelgebaseerde regeling in een latente ruimte mogelijk wordt, zelfs wanneer alleen ruwe beelden als feedback worden gebruikt.
Dit paper introduceert xTED, een framework dat een speciaal ontworpen diffusion-model gebruikt om bron-domein trajecten direct op data-niveau aan te passen aan het doel-domein, waardoor complexe domein-specifieke modellen worden vermeden en de prestaties van beleidsleer worden verbeterd.
Dit artikel introduceert een expliciete variatiële formulering voor niet-holonomische en door ongelijkheden beperkte mechanische systemen, die de Lagrange-d'Alembert-vergelijkingen herleeft en nieuwe analytische en computationele middelen biedt voor geconstrueerde dynamica.
Deze studie introduceert een optimalisatiestrategie voor locomotorische taaksets die, door middel van clusteranalyse, een minimale maar representatieve set taken identificeert om biologische heupmomenten nauwkeurig te schatten met minder data en zonder in te leveren op prestaties.
Dit artikel presenteert een gezamenlijke optimalisatie van sensoren, communicatie en exploratiesnelheid om het energieverbruik van robots voor levenslange SLAM-toepassingen te minimaliseren, waarbij ruwe LiDAR- en odometriegegevens draadloos naar een datacentrum worden verzonden voor real-time kaartreconstructie met onbeheerde deep learning.
Deze paper introduceert een methode die voorgeprende vision-language modellen gebruikt om symbolische wereldmodellen te leren uit korte demonstraties, waardoor robots in staat zijn om via planning complexe, lange-horizon taken in nieuwe omgevingen en met nieuwe doelen op te lossen.
Dit artikel introduceert Generative Predictive Control (GPC), een leerframework dat een generatieve diffusiebeleid combineert met een voorspellend wereldmodel om online planning te verbeteren, wat resulteert in superieure prestaties ten opzichte van gedragskloning bij diverse robotmanipulatietaken in zowel simulatie als de echte wereld.
Dit paper introduceert ViLAM, een methode die visueel-taalredenering distilleert naar ruimtelijke attentiekaarten om sociale robotnavigatie te verbeteren, wat resulteert in een aanzienlijke stijging van het succespercentage in vergelijking met bestaande methoden.
Dit paper introduceert IMPACT, een nieuw bewegingsplanningskader dat Vision-Language Models gebruikt om veilige contacttrajecten in rommelige omgevingen te genereren door objecteigenschappen te analyseren en een anisotrope kostenkaart te combineren met een contactbewuste A*-planner.