685 papers
Deze studie toont aan dat fouten in robotgedrag de waargenomen betrouwbaarheid minder sterk schaden dan slips of bevriezingen, en dat succesvolle uitvoeringen direct na een mislukking het vertrouwen volledig kunnen herstellen.
Dit artikel introduceert een hiërarchisch besturingskader dat indirecte adaptieve wetten combineert met modelvoorspellende regeling om viervoetige robots in staat te stellen onbekende en dynamische ladingen robuust te vervoeren over ruw terrein.
Dit artikel introduceert SEP-NMPC, een veiligheidsversterkte passiviteitsgebaseerde niet-lineaire modelpredictieve regeling die formele stabiliteits- en veiligheidsgaranties biedt voor het vervoer van een slingerend lading door een drone in complexe omgevingen.
Het paper introduceert APPLV, een methode die Vision-Language-Action-modellen gebruikt om parameters voor klassieke navigatieplanners adaptief te leren, waardoor robots beter kunnen navigeren in onbekende en sterk beperkte omgevingen dan bestaande methoden.
Dit artikel presenteert Adaptive SINDy, een nieuwe data-gedreven methode die Sparse Identification of Non-Linear Dynamics (SINDy) combineert met adaptieve regeling om UAV's effectief te beschermen tegen turbulente windstoten en zo de trajectvolging te verbeteren zonder crashes.
Deze studie toont aan dat channel-centric modellen onvoldoende zijn voor het voorspellen van end-to-end prestaties in private 5G-netwerken omdat ze de MIMO-lagen systematisch overschatten, terwijl datagestuurde modellen die direct op doorvoer meten aanzienlijk nauwkeuriger zijn.
Dit paper introduceert PSANE, een raamwerk voor legrobots dat proprioceptieve interactiemetingen gebruikt om via Gaussische processen en multi-objectieve optimalisatie veilig te navigeren en te verkennen in onbekende, vervormbare planetaire omgevingen.
Deze paper presenteert een complete, infrastructuurloze magnetische localisatiesystematiek die het mogelijk maakt voor een lichtgewicht drone om autonoom met centimeterprecisie op een mobiel vierpotig robotplatform te landen en dit te volgen, waardoor de samenwerking tussen lucht- en grondrobots in onbekende omgevingen aanzienlijk wordt verbeterd.
Deze paper introduceert een adaptieve conformalisatie-methode voor veilige leider-volger robotformaties die, door risicobewuste onzekerheidsquantielen te koppelen aan formatiecondities, zichtbaarheidsbeperkingen garandeert en de trackingprestaties verbetert ten opzichte van niet-adaptieve benaderingen.
Dit paper introduceert FAME, een kracht-adaptief versterkingsleerframework dat een staande politiek voor een volledig formaat humanoid robot (Unitree H12) in staat stelt om bimanuele manipulatie en externe krachten te weerstaan door gebruik te maken van een geleerde latente context, waardoor de stabiliteit aanzienlijk verbetert zonder afhankelijkheid van pols-sensoren.
Dit paper introduceert SurgCalib, een markerloos hand-oog kalibratiesysteem voor de da Vinci-robot dat gebruikmaakt van Gaussische splatting en een differentieerbare renderingpiplijn om nauwkeurige kalibratie te bereiken zonder sterielheidsprotocollen te schenden.
Dit paper introduceert een modulaire aanpak met hardware-characterisatie, een MuJoCo-simulatie en een hybride kracht-snelheidsregelaar om de Inspire RH56DFX-hand te transformeren van een onbetrouwbare black-box naar een effectief onderzoeksinstrument voor dexterus manipuleren.
Dit artikel introduceert het CMA-ES-IG-algoritme, dat robots in staat stelt om effectiever te leren van niet-expert gebruikers door voorkeursrankingvragen te genereren die niet alleen informatief zijn, maar ook rekening houden met de gebruikerservaring en zo de adoptie van robotsystemen verbeteren.
PlayWorld is een schaalbaar, autonoom systeem dat robotwereldmodellen traint op basis van onbegeleide zelfspelerij, waardoor het fysiek consistente voorspellingen van interacties mogelijk maakt die menselijke demonstraties missen en de prestaties van robotbeleid in de echte wereld aanzienlijk verbeteren.
ImpedanceDiffusion is een hiërarchisch framework dat beeldgeconditioneerde diffusiemodellen, reactieve obstakelvermijding en semantisch bewuste variabele impedantiebesturing combineert om veilige en adaptieve navigatie voor UAV-zwermen in rommelige binnenomgevingen mogelijk te maken.
Dit artikel introduceert GF-BiLSTM, een diep leermodel dat amplitude- en fase-informatie van Wi-Fi Channel State Information (CSI) effectief combineert om de nauwkeurigheid en snelheidsrobustheid bij het herkennen van robotactiviteiten aanzienlijk te verbeteren.
Dit paper presenteert een open-source, tweearmig mobiel manipulatorplatform met ingebouwde GPU-versnelling voor minder dan $1300, dat volledig autonoom werkt zonder externe afhankelijkheden dankzij een geoptimaliseerd mechanisch ontwerp en een geavanceerde stroomvoorzieningsarchitectuur.
Dit artikel introduceert Quality over Quantity (QoQ), een systematische methode die invloedfuncties gebruikt om hoogwaardige demonstraties te selecteren voor robotleren, waardoor de prestaties van beleidsmodellen in zowel gesimuleerde als realistische omgevingen worden verbeterd.
Dit artikel presenteert een nieuw raamwerk dat zonder handmatige annotatie 3D-trajecten en classificaties van drones afleidt uit internetvideo's via taalkundige zoekopdrachten, visueel-taalkundig redeneren en fysisch geïnformeerde verfijning, waardoor de prestaties bij zero-shot overdracht op bestaande benchmarks sterk verbeteren naarmate de hoeveelheid online data toeneemt.
Dit artikel presenteert een besturingsframework voor geautomatiseerde voertuigen dat actief slipratio's genereert om tijdens lege ritten nauwkeurig en veilig de piek van de band-wegwrijving te schatten, wat een oplossing biedt voor de beperkte excitatie in bestaande methoden.