864 papers
Dit paper presenteert GLIDE, een gecoördineerd zoek- en reddingsframework waarbij twee drones een terreinvoertuig begeleiden via real-time slachtofferdetectie en terreinverkenning om snellere en veiligere navigatie in onbekende omgevingen te waarborgen.
Dit artikel presenteert een visie-gestuurde aanpak voor legrobots die door middel van betrouwbaarheidsgekalibreerde semantische waarneming en topologische subdoelselectie effectieve beslissingen neemt voor semantische objectverkenning zonder afhankelijk te zijn van dichte geometrische reconstructie.
Dit paper introduceert GPHDM, een nieuw model dat hyperbolische variëteiten en taxonomische inductieve bias combineert om robotbewegingen te genereren die zowel de hiërarchische structuur van bewegingen als fysieke consistentie behouden.
Dit paper introduceert ROSflight 2.0, een lichtgewicht en open-source autopilotsysteem voor drones dat is gemigreerd naar ROS 2 om de overgang van simulatie naar hardware te versnellen en onderzoek te ondersteunen, met succesvolle demonstraties van volledige besturingslussen op een companion computer via een seriële verbinding.
ROSplane 2.0 is een lichtgewicht, open-source autopilot voor onderzoekers die, gebaseerd op ROS 2, de integratie van geavanceerde besturings- en schattingstechnieken versnelt en de overgang van simulatie naar echte vluchttesten vereenvoudigt door een efficiënt aerodynamisch modelleringstraject.
Het artikel introduceert Phys2Real, een robuuste sim-naar-real aanpak die visueel-taalmodel-priors combineert met interactieve online aanpassing en onzekerheidsbewuste fusie om robotten te laten leren complexe manipulatietaakken in de echte wereld uit te voeren met hoge nauwkeurigheid.
Dit artikel presenteert een op steekproeven gebaseerde hybride modusbesturingsmethode die als een integer-optimatieprobleem wordt geformuleerd om asymptotisch optimale schakelingen tussen niet-differentieerbare en algoritmische besturingsmodi te realiseren voor complexe robotica-taken.
Dit artikel introduceert C3+, een verbeterd contact-impliciet MPC-algoritme dat real-time, robuust duwen van één of meerdere objecten met onbekende eigenschappen mogelijk maakt, met een succespercentage van 98% op hardware.
Dit artikel introduceert AURASeg, een op ResNet gebaseerd segmentatiekader dat middels een Residual Boundary Refinement Module en een Attention Progressive Upsampling Decoder de precisie van randen en regio's verbetert voor het detecteren van berijdbare gebieden door robots, met succesvolle validatie op een Jetson Nano.
Dit artikel presenteert een online raamwerk dat gebruikmaakt van een gewijzigde Hankel-DMD met sliding-window en Cadzow-projectie om in real-time ruwe, gedeeltelijke waarnemingen van dynamische obstakels te ontdoen van ruis en te voorspellen voor robuuste robotbewegingsplanning.
Dit onderzoek presenteert augmented reality-indicatoren en fysieke aanpassingen om de mentale modellen van mensen over het gezichtsveld van robots te verbeteren, wat leidt tot hogere nauwkeurigheid en vertrouwen tijdens mens-robot samenwerkingstaken.
ExpReS-VLA is een methode die Vision-Language-Action-modellen zoals OpenVLA snel aanpast aan specifieke omgevingen door gebruik te maken van opgeslagen embeddings voor geheugenherinnering en een hybride verliesfunctie, waardoor prestaties op robotische taken aanzienlijk verbeteren zonder dat het model vergeet wat het eerder heeft geleerd.
Dit paper introduceert CAVER, een robot die door middel van een nieuw eind-effector, een audiovisuele representatie en een nieuwsgierigheidsgestuurd exploratie-algoritme efficiënt audiovisuele kennis opbouwt om materialen te classificeren en audio-only demonstraties te imiteren.
Dit paper introduceert een contactveilig en energiebewust reinforcement learning-framework voor robotmanipulatie in de taakruimte, dat Proximal Policy Optimization combineert met bewegingsprimitieven en een impedantiecontroller om veilige en soepele interacties op diverse oppervlakken te garanderen.
Dit artikel introduceert WNumMPC, een hiërarchische navigatiemethode die symmetrie-geïnduceerde deadlocks in gedistribueerde multi-agent systemen oplost door een topologische invariant (het winding number) te combineren met versterkingslering voor het plannen van samenwerking en een modelgebaseerde regelaar voor veilige beweging.
Dit paper introduceert Bi-AQUA, het eerste framework voor bilaterale imitatielearning dat lichtbewuste actie-chunking met transformers integreert om robuuste onderwatermanipulatie te bereiken ondanks variërende zichtbaarheid en verkleuring.
Dit paper introduceert EchoVLA, een geheugenbewust Vision-Language-Action-model voor mobiele manipulatie dat door middel van een synergetisch declaratief geheugen (bestaande uit een ruimtelijk-semantische kaart en episodisch geheugen) en het nieuwe MoMani-benchmark, de prestaties van agents aanzienlijk verbetert ten opzichte van bestaande baselines.
Dit artikel presenteert een geïntegreerde trajectplanningspipeline voor autonoom rijstrokenwisselen die dynamische risicovelden combineert met tijdvariabele convexe ruimtegeneratie en een iLQR-oplosser om veilige, efficiënte en comfortabele trajecten te garanderen in complexe verkeerssituaties.
Dit artikel introduceert het concept van afhankelijke bereikbare verzamelingen voor twee agenten die een feedbackstrategie volgen, waarbij de geometrie van deze verzameling voor de constante draagwijdte-vervolgingsstrategie wordt gekarakteriseerd via theoretische grenzen en simulaties.
Dit artikel introduceert XR-DT, een Extended Reality-gebaseerd Digital Twin-framework dat een hiërarchische architectuur combineert met een mensbewust Model Predictive Path Integral-besturingssysteem en een Transformer-model voor menselijke trajectvoorspelling, om veilige, efficiënte en interpreteerbare interactie tussen mobiele robots en mensen in gedeelde ruimtes te garanderen.