864 papers
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.
Dit artikel presenteert een aanpak voor het leren van behendige manipulatie van gearticuleerde gereedschappen met dexter robotische handen, waarbij een op simulatie getraind beleid wordt aangevuld met een door sensoren gestuurde verfijning die online aanpast aan specifieke eigenschappen en robuuste sim-naar-real overdracht mogelijk maakt zonder gedetailleerde fysieke modellering.
Deze paper presenteert een peer-to-peer coördinatieprotocol waarbij robots via natuurlijke taal en met Signal Temporal Logic verankerde redenering onafhankelijk van een centrale planner conflicten oplossen door hulp aan te vragen en te selecteren op basis van de minimale toename van de totale taakvoltooiingstijd.
Deze paper introduceert EgoTraj-Bench, het eerste realistische benchmark voor trajectvoorspelling vanuit een ego-perspectief onder ruis, en stelt BiFlow voor, een nieuw model dat door gelijktijdig ruis te verwijderen en toekomstige bewegingen te voorspellen, state-of-the-art prestaties en robuustheid bereikt.
Dit artikel introduceert het Conflict-Based Search-protocol als een centrale aanpak om heterogene robotteams met verschillende motion planning-systemen en onafhankelijke taken efficiënt te laten samenwerken in een gedeelde omgeving zonder botsingen.
Dit paper introduceert Seeing the Bigger Picture (SBP), een end-to-end leerbenadering voor mobiele manipulatie die een 3D-kaart van latente kenmerken gebruikt om ruimtelijk en temporeel redeneren te verbeteren en prestaties te verhogen ten opzichte van op beelden gebaseerde beleidsstrategieën.
MachaGrasp is een eigengrasp-gebaseerd, end-to-end framework dat morphologiebewuste, cross-embodiment dexterous grasp-articulaties genereert met een hoge succesratio en snelle inferentie door gebruik te maken van een kinematisch bewust verlies en few-shot aanpassing.
Dit artikel introduceert CBF-RL, een framework dat veiligheidsbeperkingen via Control Barrier Functions integreert in het trainingsproces van versterkingslering, waardoor de geleerde strategie veilig wordt zonder dat er tijdens de uitvoering nog een aparte veiligheidsfilter nodig is.
Deze paper introduceert een methode om minder restrictieve Veiligheidsbarrière-Functionen (CBF's) te vinden door de oriëntatie van een scheidend hypervlak te optimaliseren, waardoor dynamische systemen veilig en efficiënter kunnen navigeren in de buurt van complexe obstakels dan met traditionele op afstand gebaseerde CBF's.
Dit artikel presenteert een kinodynamische taak- en bewegingsplanner die een hybride staatboom combineert met visuele taalmodellen voor gerichte zoekruimte-exploratie en backtracking, wat resulteert in aanzienlijk hogere succespercentages en kortere planningstijden vergeleken met bestaande methoden.