864 papers
FlowTouch is een nieuw model dat visuele informatie omzet in voorspelde tactiele patronen via een object's lokale 3D-mesh, waardoor het de beperkingen van camera-afhankelijkheid overbrugt, de sim-naar-real-kloof dicht en toepasbaar is voor het voorspellen van grijpstabiliteit.
Het paper introduceert Seed2Scale, een zelfevoluerend data-engine dat de beperkingen van bestaande methoden voor Embodied AI overwint door een synergie tussen een kleine verzamelmodel, een groot bewerkingsmodel en multimodale evaluatie, waardoor het met slechts vier seed-demonstraties een robuuste prestatieverbetering van 131,2% bereikt.
Het paper introduceert SAIL, een framework dat robot-imitatielering omvormt tot een iteratief verfijningsproces met Monte Carlo Tree Search en visueel-taalmodellen, waardoor het verhogen van de rekentijd tijdens het testen de succespercentages aanzienlijk verbetert.
Dit paper toont aan dat het elimineren van redundante communicatiekanalen en het toepassen van representatieve parsimonie, gecombineerd met Contribution-Gated Credit Assignment, leidt tot robuustere en succesvollere 3D-vervolging in complexe omgevingen vergeleken met methoden die afhankelijk zijn van rijkere inter-agent koppelingen.
Dit paper introduceert EndoSERV, een op visie gebaseerd robotsysteem voor endoluminale navigatie dat door middel van segment-naar-structuur en real-naar-virtueel mapping nauwkeurige lokalisatie bereikt in complexe anatomische structuren, zelfs zonder echte pose-labels.
Dit paper introduceert HIMoS, een hiërarchisch multi-modaal planningskader voor autonome onderwatervoertuigen dat een vaste hoogte handhaaft om energie-efficiënt koraal op de zeebodem te lokaliseren en te bemonsteren door strategische routeplanning te combineren met lokale, differentieerbare trajectgeneratie.
PhaForce is een nieuw visueel-krachtbeleid dat contactrijke manipulatie verbetert door lage-frequentie planning en hoge-frequentie correctie te coördineren via een faseschema, wat resulteert in een succespercentage van 86% en superieure aanpassing aan geometrische variaties.
Dit artikel presenteert een communicatievrije methode voor veilige coördinatie van meerdere drones in complexe, GNSS-loze omgevingen zoals bossen, waarbij een anisotrope 3D-LiDAR-sensor wordt gebruikt voor gelijktijdige SLAM, obstakeldetectie en het lokaliseren van naburige robots binnen een nieuw perceptiebewust navigatiekader.
Het artikel introduceert MoMaStage, een gestructureerd visueel-taalframework dat een hiërarchische vaardigheidsbibliotheek en een topologiebewuste vaardigheids-staatgrafiek combineert om langdurige binnenlandse mobiele manipulatie-taken zonder expliciete kaartmapping logisch consistent en robuust uit te voeren via gesloten-lus herplanning.
Het paper introduceert StructBiHOI, een hiërarchisch framework dat een Mamba-gebaseerde diffusion denoiser en gescheiden VAE-modellen combineert om stabiele, fysiek plausibele en semantisch uitgelijnde bimanuele hand-object interacties over lange tijdsperiodes te genereren.
Dit paper analyseert de oorzaken van instabiliteit in niet-lineaire waarde-decompositie voor offline multi-agent versterkingslering en stelt een praktische recept voor dat scale-invariante waarde-normalisatie (SVN) gebruikt om het actor-critic-leren te stabiliseren en de prestaties te maximaliseren.
Dit artikel introduceert een AI-gedreven waarnemingsmethode voor mobiele robotchemici in zelfrijdende laboratoria die, door menselijke intenties te voorspellen, proactieve interactie mogelijk maakt en zo de inefficiëntie van passief wachten oplost.
Deze paper introduceert het AFOP-ML-framework, een meta-leerbenadering met automatische feature-optimalisatie die robots in staat stelt om met weinig trainingsdata zowel vormen als materialen nauwkeurig te herkennen via tactiele sensoren, zelfs in uitdagende scenario's met onbekende objecten of verstoringen.
Dit paper introduceert de FoMo-dataset, een uitgebreide verzameling van multi-seizoensdata uit een boreaal bos die is ontworpen om de robuustheid van robotnavigatiesystemen te testen onder extreme seizoensgebonden omstandigheden zoals sneeuw en vegetatiegroei.
Dit artikel presenteert een adaptieve, entropie-gedreven sensorselectiemethode binnen een camera-LiDAR deeltjesfilter voor robuuste tracking van een enkel vaartuig, die in een realistische maritieme testomgeving in Cyprus een gunstige afweging tussen nauwkeurigheid en continuïteit bereikt door dynamisch te schakelen tussen sensormodi op basis van informatiewinst.
Dit paper introduceert R2F, een framework voor objectnavigatie dat zonder grote taalmodellen (LLMs) of visueel-taalmodellen (VLMs) werkt door ray frontiers te herinterpreteren als semantische hypotheses, waardoor real-time prestaties worden bereikt met een tot zes keer snellere uitvoering dan bestaande VLM-gebaseerde methoden.
Dit paper introduceert LAR-MoE, een tweestapskader voor imitatielearning dat ongelabelde demonstraties gebruikt om een latente ruimte te leren die de expert-routing reguleert, waardoor robots effectief kunnen leren van heterogene taken zonder handmatige vaardigheidsannotaties.
Het paper introduceert STRIDE, een dynamisch leerframework dat Lagrangiaanse neurale netwerken combineert met conditionele flow matching om robuuste voorspellingen te maken voor robotica in ongestructureerde omgevingen door conservatieve mechanica te scheiden van stochastische interactie-effecten.
Het artikel introduceert 3PoinTr, een methode die robotbeleid pretraint met behulp van casual menselijke video's door 3D-puntenbanen te voorspellen als een embodiment-agnostische tussenrepresentatie, waardoor robuuste robotmanipulatie mogelijk wordt met slechts 20 gelabelde demonstraties.
Deze paper presenteert een open-source, robot-onafhankelijk platform voor autonome laparoscopische chirurgie dat een deterministische RCM-controller en stereoscopische 3D-perceptie integreert om sub-millimeter precisie en robuustheid te garanderen in teleoperatie, datacollectie en het trainen van autonome beleidsstrategieën.