864 papers
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.
Dit artikel presenteert een nieuwe methode voor gedistribueerde UAV-vormingscontrole die grafische stijfheid combineert met een aanpassing aan meetruis, waardoor oscillaties en afwijkingen in realistische scenario's aanzienlijk worden verminderd ten opzichte van bestaande algoritmen.
Dit paper introduceert FEP-Nav, een biologisch geïnspireerd raamwerk dat robots in staat stelt om real-time perceptuele adaptatie te realiseren voor robuuste visuele navigatie onder onzekere omstandigheden door het minimaliseren van variationale vrije energie via een dual-mechanisme van top-down decoding en adaptieve normalisatie.
In dit paper wordt de Multi-feature Implicit Model (MIMO) voorgesteld, een nieuwe objectrepresentatie die gebaseerd is op een impliciet neuraal veld en die robots in staat stelt om door middel van imitatielearning uit menselijke demonstraties taakgericht objectgrijpen en -herordening te leren, zelfs bij gedeeltelijke waarneming en vormvariaties.
Deze paper introduceert een risicobewuste aanpak voor autonoom rijden die lineaire temporale logica (LTL) specificeert met timing en ernst, waardoor een lineair programmeringsprobleem wordt geformuleerd dat het synthetiseren van besturingsbeleid mogelijk maakt dat verschillende risico's, zoals botsingen en verkeersovertredingen, op een menselijke manier in evenwicht brengt.
Deze paper introduceert GenTact Toolbox, een computergestuurde ontwerppijplijn die contextgedreven, volledig op maat gemaakte 3D-geprinte tactiele huiden voor robots genereert, waarmee wordt afgestapt van de traditionele 'one-size-fits-all'-benadering.
In deze brief wordt een contactconditie-gestuurde diffusiemodel voorgesteld dat RGB-afbeeldingen en contactkrachtdata omzet in hoogwaardige tactiele beelden, waarmee de nauwkeurigheid en betrouwbaarheid van simulaties voor visuele tactiele sensoren aanzienlijk worden verbeterd ten opzichte van bestaande methoden.
Dit artikel introduceert een 3D-dynamische bewust manipulatiewerkwijze die zelftoezichtlerende taken combineert met wereldmodelleren om beleidsmodellen van 3D-vooruitzicht te voorzien, waardoor de prestaties bij dieptegerichte taken aanzienlijk worden verbeterd zonder in te leveren op de inferentiesnelheid.
Dit paper introduceert het PeRoI-dataset voor interacties tussen voetgangers en robots, samen met het NeuRoSFM-model, om sociale navigatie en gedragsvoorspelling in menselijke omgevingen te verbeteren door reacties zoals vermijding, neutraliteit en aantrekking te modelleren.
Dit paper introduceert LMPOcc, een plug-and-play raamwerk dat lokale 3D-occupancy-predictie voor autonoom rijden verbetert door adaptief gebruik te maken van globale prioriteiten uit langetermijngeheugen, terwijl het tegelijkertijd wereldwijde occupancy-kaarten bijwerkt voor schaalbare scenebegrip.
Deze paper introduceert een nieuwe, risicobewuste beloningsfunctie voor versterkend leren in autonoom rijden die door middel van een hiërarchische structuur en een ellipsoïde-functie de veiligheidsrisico's vóór een botsing adresseert, wat resulteert in een aanzienlijke reductie van botsingen en verbeterde prestaties in onbeheerde kruispunten.
Dit artikel presenteert een nieuw raamwerk voor het voorspellen van trajecten in autonoom rijden dat, door gebruik te maken van HD-kaarten en kinematische beperkingen, robuuste en fysiek haalbare voorspellingen genereert die off-road fouten aanzienlijk reduceren en beter generaliseren dan bestaande methoden.