864 papers
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.
Dit artikel introduceert een automatisch curriculumleerframework dat end-to-end autonome rijagenten trainen door dynamisch scenario's met adaptieve complexiteit te genereren, wat leidt tot snellere convergentie en betere generalisatie vergeleken met traditionele methoden zoals domeinrandomisatie.
Dit artikel introduceert C*, een innovatief sample-based algoritme voor real-time afdekking van onbekende omgevingen dat gebruikmaakt van een Rapidly Covering Graph om complete, efficiënte en bijna optimale trajecten te genereren zonder dekkingstekorten, zoals aangetoond door simulaties en experimenten.
Dit paper introduceert RoboPARA, een door grote taalmodellen aangedreven raamwerk dat de parallelle taakplanning voor dual-arm robots optimaliseert via een tweestapsproces van afhankelijkheidsgrafiekgeneratie en hertraversing, ondersteund door een nieuw dataset genaamd X-DAPT.
Dit artikel introduceert Presymplectification Networks (PSNs), een nieuw raamwerk dat Dirac-structuren gebruikt om dissipatieve en beperkte mechanische systemen, zoals de ANYmal-quadruped, te 'symplectificeren' door ze in een hogedimensionale variëteit in te bedden, waardoor structurenbehoudende deep learning-modellen mogelijk worden die energie, impuls en constraints behouden.
Deze paper presenteert een imitatieleerframework dat ongelabelde real-world bewegingsdata gebruikt om steerbare imitatiecontrollers voor benenrobots te trainen, waardoor het systeem zonder handmatige labeling of vooraf gedefinieerde regels verschillende looppatronen en overgangen kan nabootsen en besturen.
Dit artikel presenteert een sensorloze 4-kanaals bilaterale besturingsmethode die het mogelijk maakt om kostenefficiënte manipulatoren met krachtfeedback te bedienen, waardoor zowel stabiele teleoperatie onder zware omstandigheden als een verbeterde prestatie van imitatieleer wordt bereikt.
Dit paper introduceert RVSG, een Vision Language Model-gebaseerde testmethode die samen met PAL Robotics is ontwikkeld om veilige en diverse mens-robotinteracties te simuleren en zo onzeker gedrag van industriële autonome mobiele robots in veilige, gesimuleerde omgevingen te detecteren.
Dit paper introduceert LHM-Humanoid, een leerframework en benchmark voor het trainen van een uniek, end-to-end beleid dat een humanoïde robot in staat stelt om langdurige, complexe locomanipulatiestaken in diverse en rommelige omgevingen succesvol uit te voeren zonder herstarten.
Deze paper presenteert een hybride framework dat een offline getraind neurale netwerk gebruikt om online de parameters van modelvoorspellende regeling (MPC) aan te passen voor wendbare en nauwkeurige vlucht door smalle poorten, waarbij analytische beleidsgradiënten worden toegepast voor efficiënt leren en robuustheid tegen verstoringen.
Dit artikel presenteert een op versterkingslering gebaseerde navigatiemethode voor quadrotors die, door gebruik te maken van tijd-van-aankomst-kaarten als bevoorrechte informatie en een specifieke verliesfunctie, succesvol grote obstakels omzeilt en in de praktijk is getest met een 86% slagingspercentage zonder botsingen.
Dit artikel introduceert en valideert de 'Verantwoordelijkheid' en 'Betrokkenheid' metrics om de kwaliteit en vooruitziendheid van de conflictresolutie in sociale robotnavigatie te evalueren door de bijdragen van agenten tijdens zowel de escalatie- als de oplossingsfase te kwantificeren.
Dit artikel introduceert Diffusion-Based Impedance Learning, een raamwerk dat generatieve modellen combineert met energie-consistente impedantiebesturing om robots in staat te stellen contactrijke taken zoals het invoegen van pennen in gaten met hoge precisie en succes te voltooien.
Dit paper introduceert GUIDE, een nieuw kader voor autonome robotexploratie dat globale graf-inferentie combineert met diffusiemodels om onbekende ruimtes beter te modelleren en efficiëntere paden te plannen, wat resulteert in snellere afdekking en minder redundante bewegingen.
Dit artikel presenteert een betrouwbare methode voor het lokaliseren van verre objecten op basis van ruisige beeldsegmentatie, die geschikt is voor computergestuurde drone-toepassingen zoals bosbrandmonitoring en die werkt met zowel multi-view triangulatie als deeltjesfilters.