864 papers
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.
Het paper introduceert SuperSuit, een isomorf bimodaal interfacekader dat teleoperatie en actieve demonstratie voor mobiele manipulatie-eenheden verenigt via een gedeelde kinematische interface, waardoor schaalbare data-acquisitie voor langdurige taken mogelijk wordt zonder de downstream-beleidstraining aan te passen.
Dit paper introduceert een kosteneffectief, open-source platform op basis van 1:10 schaalmodelauto's dat een ETSI-conforme C-ITS-stack implementeert om de overgang van simulatie naar praktische tests voor coöperatief, autonoom vervoer te vergemakkelijken, wat wordt gedemonstreerd door de validatie van een kruispuntenbotsingswaarschuwing.
Dit artikel presenteert een gedistribueerd besturingskader dat gebruikmaakt van hiërarchische event-triggered control barrier functions om veilige consensus en coördinatie te garanderen bij de gezamenlijke manipulatie van lasten door meerdere robotarmen, zelfs onder beperkte communicatie- en rekenkracht.
Dit onderzoek toont aan dat het gebruik van gepaarde demonstraties, oftewel data-analogieën die taken en trajecten over verschillende robotlichamen aligneren, aanzienlijk effectiever is voor cross-embodiment transfer dan het simpelweg vergroten van de diversiteit in ongepaarde datasets, wat resulteert in een gemiddelde succesverbetering van 22,5% in de echte wereld.
Deze paper introduceert een trainingsvrije, plug-and-play framework voor spatio-temporele visuele token-pruning dat de inferentie-efficiëntie van Vision-Language-Action-modellen voor robotnavigatie aanzienlijk verbetert zonder de nauwkeurigheid te verstoren, wat wordt gevalideerd op zowel benchmarks als een Unitree Go2-robot.
Dit paper introduceert 'control barrier corridors', een nieuw concept dat functionele control barrier-functies en geometrische veilige bewegingscorridors verenigt door de eerste om te zetten in lokale veilige doelgebieden voor referentiedoelkeuze, waardoor veilige en persistente padvolging in onbekende omgevingen mogelijk wordt.
Dit paper introduceert een gestructureerde, laag-dimensionale ontwerp-embedding die vorm, materiaal en actuatie in zachte robots verenigt in één parameter ruimte, waardoor een efficiëntere gezamenlijke optimalisatie mogelijk wordt dan met bestaande methoden zoals neurale netwerken of voxel-gebaseerde benaderingen.
Dit paper introduceert CFEAR-TR, een robuust en efficiënt lokaal navigatiesysteem dat uitsluitend een draaiende radar gebruikt om autonome voertuigen ook onder zware weersomstandigheden nauwkeurig te lokaliseren door live scans te aligneren met een eerder opgenomen kaart en recente keyframes.
SG-DOR is een relationeel kader dat scene graphs leert met richting-geconditioneerde occlusie-redenering om de obstructie van pepervruchten door bladeren te voorspellen en zo robotische oogst in dichte gewasdaken te optimaliseren.
Deze paper presenteert een ondergeactiveerde, monopedale robot met slechts drie actuatoren die gebruikmaakt van twee reactiewielen voor oriëntatie, waardoor deze in staat is tot rollen, gericht springen en zelfrechteren op hemellichamen met lage zwaartekracht.
Deze paper introduceert een eenvoudige kalibratiemethode voor diffuse LiDARs die per-pixel responskaarten schat om een expliciete ruimtelijke overeenkomst met RGB-beelden tot stand te brengen, waardoor de beperkingen van de standaard straal-aanname worden overwonnen.
Dit artikel presenteert een geïntegreerde aanpak die symbolische en subsymbolische tijdsstructuren uit menselijke demonstraties leert om uitvoerbare, tijdgeparametriseerde plannen voor bimanuele robotmanipulatie te genereren die nauwkeuriger aansluiten bij menselijk gedrag dan bestaande methoden.
Dit artikel introduceert een nieuw raamwerk voor onzekerheidsbewuste adaptieve dynamiek voor onderwatervoertuig-manipulatorsystemen dat online parameterschatting combineert met convexe fysieke consistentie, wat resulteert in nauwkeurige en betrouwbare modellen voor controle en simulatie in complexe onderwateromgevingen.
Dit paper introduceert Fly360, een robuust systeem voor drones dat middels een tweestapsperceptie- en besluitvormingspiplijn en een trainingsstrategie met willekeurige draaiing, effectieve obstakelvermijding in alle richtingen mogelijk maakt, zelfs wanneer de bewegingsrichting afwijkt van de vluchtrichting.
Het paper introduceert BEVLM, een raamwerk dat semantische kennis van grote taalmodellen distilleert naar Bird's-Eye View-representaties om de ruimtelijke coherentie te verbeteren en zo de prestaties van autonoom rijden aanzienlijk te verhogen.