864 papers
Deze studie biedt een uitgebreid overzicht van robotische foundation-modellen voor industriële toepassingen en introduceert een beoordelingsframework dat aantoont dat de huidige modellen nog onvoldoende zijn voor industriële inzet, omdat ze vooral beperkte pieken vertonen in plaats van een geïntegreerde dekking van veiligheids-, real-time en integratie-eisen.
Dit artikel introduceert een algemeen, op gradiënten gebaseerd, genesterd co-designkader dat aerodynamische vormgeving en besturing voor vleugelrobots gelijktijdig optimaliseert door gebruik te maken van een neuronaal surrogaatmodel voor complexe stroming, wat leidt tot superieure prestaties bij taken als perchen en kort landen in vergelijking met bestaande methoden.
Deze paper introduceert een nieuwe methode die RRT-achtige zoekalgoritmen combineert met sampling-based MPC en een stabiele manifeest-samplingstrategie om via zwarte-bak-simulatie diverse en langdurige robotmanipulatiestrategieën te genereren zonder menselijke demonstraties of taakspecifieke begeleiding.
Dit paper introduceert HybridMimic, een hybride RL-centroïdale besturingsframework dat een geleerd beleid gebruikt om dynamisch contacttoestanden en gewenste snelheden te voorspellen, waardoor robuustere en fysiek haalbare bewegingsnabootsing voor humanoïde robots wordt bereikt, zoals aangetoond door een 13% lagere trackingfout op de Booster T1.
Dit artikel presenteert een multi-layer Sim-to-Real-raamwerk dat virtuele realiteit gebruikt om gazedriven modellen te trainen en te evalueren voor een assistieve nekexoskelet, waarmee gepersonaliseerde besturingsstrategieën voor patiënten met een 'dropped head syndrome' effectief kunnen worden geïdentificeerd.
Deze studie analyseert de impact van netwerkdegradaties op robotische teleschirurgie door middel van een nieuw fault-injectietool (NetFI) en een gebruikersstudie, waarmee kwantitatieve inzichten worden verkregen over de operationele grenzen en kwetsbare bewegingsprimitieven voor het ontwikkelen van robuuste besturingsstrategieën.
Dit artikel introduceert een op het vrije-energieprincipe gebaseerd model voor robuuste robotbesturing dat omgeving-dynamica en beloningen gezamenlijk leert om epistemische onzekerheid te overwinnen, waardoor een nauwe sim-naar-real-kloof wordt bereikt en betrouwbare, aanpassingsvrije manipulatie in de echte wereld mogelijk wordt.
Dit artikel presenteert een receding-horizon optimalisatiestrategie die de asynchrone dynamiek van motoren en de redundantie van volledig geactueerde omnidirectionele UAV's benut om motorcommando-oscillaties te onderdrukken en zo de trajectvolging te verbeteren.
Het artikel presenteert RoboCritics, een systeem dat Large Language Models voor robotprogrammering aanvult met expert-informed critics die bewegingsfouten detecteren en transparante feedback bieden, waardoor de veiligheid en betrouwbaarheid van door niet-experts gegenereerde robotcode aanzienlijk worden verbeterd.
Dit paper introduceert MotionBits, een semantiek-onafhankelijk concept voor het segmenteren van bewegende stijve lichamen op basis van kinematische twist-equivalentie, en presenteert het MoRiBo-benchmark en een leervrije grafische methode die de staat-der-techniek overtreft voor robuuste fysieke interactie-analyse in robotica.
Dit onderzoek introduceert het LAVT-testbed en onthult dat visuele teleoperatie voor voertuigen een niet-lineaire stabiliteitsinstorting ondergaat bij een eenrichtingsnetwerkvertraging tussen 150 en 225 ms, wat leidt tot een drastische daling van de routevoltooiing.
Dit artikel introduceert Robodimm, een softwareframework dat geautomatiseerde actuatordimensionering mogelijk maakt voor schaalbare modulaire robots door gebruik te maken van KKT-gebaseerde omgekeerde dynamica en een tweestapsvalidatieproces om de complexiteit van gekoppelde kinematische ketens en massa-effecten aan te pakken.
Dit paper introduceert CAR, een raamwerk dat via een gedeelde latente ruimte en een Transformer-encoder snelle kinodynamische aanpassing mogelijk maakt voor heterogene autonome voertuigen met minimale data, waardoor de voorspellingsfout aanzienlijk wordt verminderd.
Dit voorlopige paper stelt een raamwerk voor waarin materialen, kleuren en texturen niet als decoratie maar als interactiesignalen worden gebruikt om de verwachtingen van gebruikers over de rol en capaciteiten van robots te verduidelijken en zo de legibiliteit te vergroten.
Het paper introduceert VertiAdaptor, een online adaptief raamwerk dat hoogtedata en semantische informatie combineert om autonome voertuigen in staat te stellen hun kinodynamische modellen in real-time aan te passen aan ongestructureerd terrein, wat leidt tot een aanzienlijke verbetering in voorspellingnauwkeurigheid en aanpassingssnelheid.
Dit paper introduceert CoPCS, een leer-gebaseerde aanpak die een heterogeen graftransformator en een transformer-decoder combineert om gelijktijdige en gesynchroniseerde planning voor UAV-UGV teams mogelijk te maken, waardoor operationele beperkingen zoals energie en terrein worden overwonnen en de teamprestaties aanzienlijk worden verbeterd.
Dit paper introduceert SysNav, een drie-niveau systeem dat Vision-Language Models en hiërarchische planning combineert om robuuste, cross-embodiment objectnavigatie in complexe real-world omgevingen mogelijk te maken.
T2Nav is een zero-shot navigatiesysteem dat algebraïsche topologie en tijdsgebonden grafgeheugen combineert om autonome agenten in staat te stellen zich zonder extra training aan te passen aan onbekende omgevingen, waarbij het robuuste obstakelontwijking, betrouwbare lusdetectie en efficiënte padplanning mogelijk maakt op basis van visuele referentieafbeeldingen.
Dit paper introduceert SurgSync, een tijdgesynchroniseerd raamwerk en dataset voor chirurgische robotica dat multi-modale data verzamelt via een dVRK-platform met geavanceerde sensoren en post-processing tools om de ontwikkeling van AI voor geautomatiseerde chirurgie te ondersteunen.
Dit paper introduceert CN-CBF, een effectieve methode die compositie en residuale neurale netwerken combineert met Hamilton-Jacobi-reachability om veilige robotnavigatie in dynamische omgevingen te garanderen met een tot 18% hogere succesratio dan bestaande methoden.