864 papers
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.
In dit werk wordt SpikeATac voorgesteld, een multimodale tactiele vinger die dynamische en statische sensoren combineert om via een leerframework met menselijke feedback kwetsbare objecten met een dexterous robot hand te manipuleren.
Dit artikel introduceert een nieuwe klasse van coning-compensatiealgoritmen voor inertiale navigatiesystemen, die direct zijn afgeleid uit klassieke Runge-Kutta-integratieroutines en waarbij een procedure wordt gepresenteerd voor het genereren van hogere-orde oplossingen.
Dit paper presenteert ROVER, een regulator-gedreven methode voor de temporele verificatie van black-box robotbeleid die prioriteitsgebaseerde STL-specificaties en robuustheidsmetrieken gebruikt om iteratief beleid te verbeteren, wat resulteert in aanzienlijk hogere naleving van veiligheidseisen in zowel virtuele als fysieke navigatiescenario's.
De auteurs presenteren ObAct, een innovatief raamwerk voor actieve visuele imitatielearning waarbij een waarnemende arm dynamisch de beste camerapositie kiest via 3D-Gaussian Splatting om een uitvoerende arm te helpen, wat resulteert in aanzienlijk robuustere robotbeheersing in vergelijking met statische camera-opstellingen.
MarketGen is een schaalbaar simulatieplatform met een agent-gebaseerde procedurele generatieframework dat realistische supermarktomgevingen en een nieuwe benchmark creëert om geavanceerde embodied AI-agenten voor complexe commerciële taken te trainen en evalueren.
Het LAP-framework verbetert de autonome planning door in een VAE-geleerde latente ruimte te werken, waardoor het hoge-level intenties ontkoppelt van lage-level kinematica en via een enkele denoising-stap snellere, state-of-the-art prestaties bereikt op de nuPlan-benchmark.
Dit artikel introduceert GRAND, een hybride, hiërarchisch algoritme dat leer-gebaseerde globale begeleiding combineert met lichte optimalisatie voor het rebalanceren en toewijzen van taken, waardoor de doorvoer van grote vloeren van robots in magazijnen met tot 500 agenten tot 10% wordt verbeterd binnen een real-time computertijdslimiet van één seconde.