864 papers
Dit paper introduceert AnyCamVLA, een zero-shot raamwerk dat de viewpoint-robuustheid van Vision-Language-Action-modellen verbetert door testtijd-cameraobservaties virtueel aan te passen aan de trainingsconfiguratie zonder extra data of fijnafstemming.
Dit artikel presenteert een systematische evaluatie van synthetische nieuwe weergaven voor video-locatieherkenning, waarbij wordt geconcludeerd dat hoewel kleine toevoegingen de prestaties verbeteren, bij grotere toevoegingen het aantal toegevoegde beelden en het type dataset belangrijker zijn dan de grootte van het gezichtspuntverschil.
Dit paper presenteert een eenvoudige, op een veer-massa-model gebaseerde aanpak voor kleine hoprobots die door het aanpassen van de landingshoek en het toepassen van een corrigerend koppel, stabiel blijft op hellingen zonder complexe sensoren of berekeningen.
Dit paper introduceert een iteratief convex optimalisatiekader dat Control Barrier Functions combineert met exacte polytoop-afstanden om veilige en snelle obstakelontwijking voor polytopale robots in complexe omgevingen mogelijk te maken.
FTSplat is een feed-forward framework dat directe, simulatieklare driehoeksoppervlakken voorspelt uit meervoudige beelden, waardoor de noodzaak voor tijdrovende per-scene optimalisatie wordt weggenomen en de integratie met grafische en robotische simulatoren wordt vergemakkelijkt.
Dit paper introduceert Swooper, een diep versterkingsleringsbenadering die een enkel lichtgewicht neuronaal netwerk gebruikt om een drone in staat te stellen tot hoge snelheid te vliegen en objecten te grijpen met een simpele grijper, wat resulteert in een succesgraad van 84% in echte wereldtoepassingen zonder verdere aanpassing.
Deze paper introduceert een nauwkeurig dynamisch model voor de nieuwe Crazyflie Brushless, dat wordt gevalideerd via simulatie en hardware en succesvol wordt gebruikt voor het trainen van reinforcement learning-controllers die complexe acrobatische manoeuvres realiseren met een naadloze overgang van simulatie naar de echte wereld.
Dit paper introduceert PROBE, een leervrije LiDAR-locatieherkenningsmethode die probabilistische bezettingskaarten in een BEV-ruimte gebruikt en via analytische translatie-robustheid en FFT-gebaseerde rotatiealignatie toonaangevende prestaties bereikt zonder dataset-specifieke tuning.
Dit artikel toont aan dat de vorm van een grote, continu buigende tensegrity-robotarm met een nauwkeurigheid van 2,1% kan worden geschat door alleen de hellingshoeken van de struts te meten via IMU's en een energie-minimalisatie-algoritme toe te passen, zonder externe sensoren.
Dit onderzoek introduceert HarvestFlex, het eerste systeem dat vision-language-action (VLA)-policies succesvol toepast voor het oogsten van aardbeien in een ongestructureerde kasomgeving met slechts vier uur tele-geopereerde demonstratiegegevens, waarbij een aangepaste pi_0.5-politiek een slagingspercentage van 74,0% bereikte.
Dit paper introduceert MagRobot, het eerste universele open-source simulatieplatform dat onderzoekers in staat stelt om magnetisch gestuurde robots voor medische toepassingen efficiënt te ontwerpen, te visualiseren en te benchmarken, waardoor de afhankelijkheid van kostbare experimentele prototyping wordt verminderd.
Dit paper introduceert 'Moving Through Clutter' (MTC), een open-source VR-framework dat een dataset en benchmarks biedt voor het trainen en evalueren van humanoiden die zich veilig en adaptief door complexe, 3D-verrommelde omgevingen kunnen bewegen.
Dit paper introduceert TADPO, een nieuwe versterkingsleerbenadering die PPO uitbreidt met off-policy trajecten voor begeleiding en on-policy trajecten voor exploratie, waarmee voor het eerst een op visie gebaseerd RL-systeem succesvol is ingezet voor hoogwaardig off-road rijden op een volledig schaalvoertuig via zero-shot sim-naar-real-overdracht.
Dit paper introduceert IGAR, een train-vrije methode die de 'taalkundige blindheid' in Vision-Language-Action-modellen oplost door de aandacht tijdens de inferentie te herkalibreren, zodat robots instructies correct volgen zelfs bij tegenstrijdige visuele prikkels.
Dit paper introduceert Curious-VLA, een tweestapsframework dat de beperkende 'smalle beleid'-problematiek in autonome VLA-modellen aanpakt door middel van Feasible Trajectory Expansion en Adaptive Diversity-Aware Sampling, wat leidt tot state-of-the-art prestaties op de Navsim-benchmark door de exploratiecapaciteit te maximaliseren.
Dit paper introduceert RODEO, een blockchain-gebaseerd raamwerk dat service-robots via een ROS-ETH-brug integreert in decentrale autonome organisaties (DAO's) om hun acties auditabel te maken, taken te coördineren en betalingen in tokens te verwerken, zoals aangetoond door een experiment waarbij een robot zijn inkomsten verdubbelde en deze herinvesteerde in laadservices.
Dit artikel presenteert een robuust verwerkingskader dat bestaande omnidirectionele RGB-LiDAR-logbestanden omzet in hoogwaardige initialisatiebestanden voor 3D Gaussian Splatting, waardoor kostenefficiënte en nauwkeurige digitale tweelingen kunnen worden gegenereerd zonder de noodzaak van dure, doelgerichte datacollectie.
Dit paper introduceert Uni-Walker, een framework voor levenslang embodied navigatie dat door middel van DE-LoRA en specifieke leerstrategieën het probleem van catastrofale vergetelheid oplost door algemene en taakspecifieke kennis effectief te scheiden en te integreren.
Dit paper introduceert een methode om een compact, open-source vision-language model te fine-tunen voor het genereren van uitvoerbare behavior trees voor robottaken, waarbij een groot model als leraar fungeert om een dataset te creëren en een 4B-parameter model een succesratio van 87% bereikt met een fractie van de rekenkracht van gesloten systemen.
Dit artikel introduceert 'Sticky-Glance', een robuust raamwerk voor intentieherkenning via blik dat, zelfs bij zeer korte blikken en in dynamische omgevingen, de intentie van gebruikers met beperkte motoriek stabiliseert door objectgerichte blikverankering en multi-modale interactie, wat resulteert in een hogere nauwkeurigheid en een kortere taaktijd.