865 papers
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.
Dit paper introduceert TEMPO-VINE, het eerste openbare multi-temporele dataset met multimodale sensordata uit verschillende wijngaarden, dat is ontworpen om de ontwikkeling en evaluatie van robuuste systemen voor gelijktijdige lokalisatie en kaartopbouw (SLAM) onder realistische landbouwomstandigheden te faciliteren.
Deze paper introduceert NeuralRemaster, een model-onafhankelijke methode die de fase van beelden behoudt tijdens het diffuusieproces om structureel consistente en ruimtelijk uitgelijnde generaties mogelijk te maken voor taken zoals herrendering en simulatie-naar-realiteit verbetering.
Dit artikel presenteert een computerefficiënte methode voor het genereren van gladde, uitvoerbare paden met gegarandeerde krommingseisen door niet-differentieerbare planningsuitvoer te regulariseren via mollificatie, waardoor real-time implementatie op microcontrollers mogelijk wordt.
Dit artikel introduceert een bi-directioneel adaptief raamwerk dat het traditionele 'volg-als-daarna-daal'-paradigma doorbreekt door de mobiele platform als een actief agent te betrekken die zijn oppervlak proactief kantelt, waardoor een gekoppelde optimalisatie mogelijk wordt die de uitlijning en afdaling paralleliseert voor een snellere en robuustere autonome landing van UAV's.
Het paper introduceert EmboTeam, een raamwerk dat de redeneercapaciteiten van grote taalmodellen combineert met formele planning en gedragsbomen om heterogene robotteams in staat te stellen complexe langdurige taken in huishoudelijke omgevingen succesvol en reactief uit te voeren.
Dit paper introduceert MOSAIC, een schaalbaar autonomieframework voor heterogene robotteams dat door middel van een eenheidsmissie-abstractie en dynamische taaktoewijzing wetenschappelijke verkenning mogelijk maakt met minimale menselijke supervisie, zoals aangetoond in een geslaagde maan-analoog veldtest.
Het artikel introduceert DDP-WM, een efficiënt wereldmodel dat door het ontkoppelen van primaire dynamica en secundaire achtergrondupdates de inferentiesnelheid en prestaties van robotplanning aanzienlijk verbetert ten opzichte van bestaande dichte Transformer-modellen.
Dit artikel introduceert het nieuwe probleem van exploratieve en gefocuste manipulatie (EFM), presenteert de EFM-10-benchmark en een bimanuele actieve perceptiestrategie (BAP) die één arm gebruikt voor actieve visie en de andere voor krachtsensatie om complexe manipulatietaakken succesvol op te lossen.
Deze paper introduceert MAE-Select, een nieuw kader dat een vooraf getrainde masked autoencoder gebruikt om dynamisch de meest informatieve camerahoek te selecteren voor robotmanipulatie, waardoor enkelcamera-systemen hun prestaties verbeteren en zelfs meercamera-opstellingen kunnen overtreffen.
Dit artikel introduceert een oneindig-dimensionale, gesloten-lus inverse kinematica voor zachte robots die, door het combineren van differentieerbare neurale operatoren met een onbepaalde kinematische ketenregel, de volledige robotvorm in rekening brengt om complexe taken te plotten.
Dit artikel presenteert een samenwerkingsframework tussen een benen scout en een wielenrover dat online bodemsterktekaarten genereert en traverserisico's inschat om veilige navigatie in gevaarlijk, vervormbaar planetair terrein mogelijk te maken.
Dit paper introduceert LACE, een leerframework dat de dynamiek van GNSS-covariantie voor autonoom racen modelleert als een exponentieel stabiel systeem dat omgevingsfactoren integreert, waardoor nauwkeurigere en soepelere localisatie in uitdagende omgevingen wordt bereikt.
Dit artikel introduceert een interpreteerbaar multimodaal framework voor gebarenherkenning, dat inertie- en capacitive sensordata fuseert via log-likelihood ratio's om robuuste hands-free teleoperatie van drones en mobiele robots mogelijk te maken, zelfs onder uitdagende omstandigheden waar visuele systemen tekortschieten.
Deze paper introduceert een reinforcement learning-methode die harmonische UV-mapping en geschaalde gegroepeerde convoluties gebruikt om robots in staat te stellen effectieve afdekkingspaden te genereren voor het afvegen van 3D-oppervlakken met vervormbare objecten.
Dit artikel presenteert een datagedreven framework dat de Koopman-operator combineert met het Safe Set Algorithm om real-time, veilige en optimale controle van niet-lineaire robotsystemen mogelijk te maken door alle beperkingen op te lossen in één enkel kwadratisch programma.
Dit artikel introduceert de DIACC-strategie, een op Multi-Agent Reinforcement Learning gebaseerde aanpak die door middel van gedecentraliseerde besluitvorming, een gecentraliseerde criticus en een veiligheidsgerichte actieherfinement de samenwerking tussen geautomatiseerde voertuigen verbetert om verkeersopstoppingen in gemengd verkeer effectief te verminderen.
Dit paper introduceert GAIDE, een neurale geïnformeerde sampler die grafen en transformer-attention masking gebruikt om de ruimtelijke structuur en de fysieke eigenschappen van een robotarm te integreren, waardoor de efficiëntie en het slagingspercentage van bewegingsplanning in hoge dimensies significant worden verbeterd.
Dit paper introduceert Act-Observe-Rewrite (AOR), een framework waarin een multimodaal taalmodel robotmanipulatie verbetert door zonder gradiëntupdates, demonstraties of beloning-engineering visuele observaties te gebruiken om de uitvoerbare Python-controllercode tussen proeven te herschrijven op basis van gediagnosticeerde fouten.
Deze paper presenteert een volledig autonome navigatiestack voor een Boston Dynamics Spot-robot die zonder GPU of netwerkaansluiting op een Intel NUC edge-computer draait en met 100% succes effectief navigeert in ondergrondse mijnen met uitdagende omstandigheden.