864 papers
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.
Dit rapport presenteert een gestructureerd kader voor fysieke robotveiligheid dat klassieke risicotechniek koppelt aan moderne machine learning-pipelines door middel van expliciete activa-declaratie, systematische kwetsbaarheidsanalyse en door gevaren gestuurde synthetische data-generatie.
Dit artikel introduceert een Dual-Agent Multiple-Model Reinforcement Learning (DAMMRL) framework voor een 6-DoF revalidatierobot dat via een gebeurtenisgestuurd, gedeeld besturingsbeleid de menselijke snelheid-precisieafweging en robotische correcties dynamisch co-adapteert in ontkoppelde taakruimtes om trajectoscillaties te onderdrukken en het succes van objectacquisitie te maximaliseren.
DreamToNav is een nieuw robotnavigatiekader dat generatieve videomodellen gebruikt om natuurlijke taalopdrachten om te zetten in uitvoerbare bewegingsplannen, waardoor robots complexe taken op verschillende platformen met hoge nauwkeurigheid kunnen uitvoeren zonder specifieke engineering.
Het paper introduceert KISS-IMU, een zelftoezichtend raamwerk voor inertiale odometrie dat de afhankelijkheid van grondwaarheid elimineert door LiDAR-gebaseerde supervisie te gebruiken voor robuuste en schaalbare positiebepaling in diverse omgevingen.
Dit paper introduceert VG3S, een nieuw raamwerk dat visuele geometrische grounding van Vision Foundation Models integreert in 3D Gaussian Splatting om de nauwkeurigheid van semantische bezettingsvoorspelling voor autonoom rijden aanzienlijk te verbeteren.
Dit paper introduceert een few-shot-neurale differentieerbare simulator die analytische fysica combineert met grafische neurale netwerken om realistische, volledig differentieerbare contactdynamica te modelleren met minimale real-world data, waardoor zowel simulatiegetrouwheid als de efficiëntie van robotbeleidsoptimalisatie aanzienlijk worden verbeterd.
Dit paper introduceert TaPD, een plug-and-play framework dat door middel van temporeel adaptieve progressieve distillatie en een tijdelijke terugvulmodule nauwkeurige voertuigtrajectvoorspellingen mogelijk maakt onder variabele en zeer korte waarnemingshistories in autonome rijsystemen.
NOVA introduceert een innovatieve autoregressieve aanpak voor 3D multi-object tracking in autonoom rijden die Large Language Models benut om onbekende objecten te volgen via generatieve ruimtetijd-semantische modellering, wat leidt tot aanzienlijke prestatieverbeteringen op bestaande datasets.
Dit paper presenteert een tweestapsbenadering voor robotisch meeronderhoud waarbij satellietdata en een sonar-uitgeruste USV worden geïntegreerd om menselijke operators te ondersteunen bij het efficiënt lokaliseren en oogsten van onderwatervegetatie in kunstmatige wateren.
Dit paper introduceert OccNL, het eerste benchmark voor 3D semantische bezettingsvoorspelling onder ruis, en stelt DPR-Occ voor, een robuust raamwerk dat door middel van dubbelbron-partial label reasoning de catastrofale prestatiedaling van bestaande methoden in ruige 3D-omgevingen effectief oplost.