867 papers
Dit artikel presenteert een datagedreven besturingsframework voor magnetisch geactiveerde visachtige robots dat een op neurale netwerken gebaseerd dynamisch model combineert met modelvoorspellende besturing en imitatieleer om nauwkeurige trajectvolging te realiseren zonder afhankelijkheid van analytische modellen.
Deze paper introduceert een efficiënte methode voor het trainen van diffusiebeleid in een on-policy versterkingsleeromgeving door de beleidsevaluatie te beperken tot een eenvoudige Gaussische waarschijnlijkheid, waardoor de berekening van log-waarschijnlijkheden wordt vereenvoudigd en multimodale prestaties op diverse benchmarks worden verbeterd.
Dit artikel onderzoekt de generalisatievermogens van multimodale foundation modellen voor open-set correctieve assistentie in een synthetische omgeving, en concludeert dat performante modellen afhankelijk zijn van diverse datasets die multimodale gronding, defectinferentie en blootstelling aan uiteenlopende scenario's omvatten.
Dit paper introduceert DRAIL, een versterkingsframework dat visuele observaties splitst in taakrelevante en -irrelevante gebieden om de generalisatie van imitatie-lerende robots voor landbouwtaken te verbeteren door essentiële kenmerken te behouden en achtergrondvariaties te onderdrukken.
Dit paper introduceert HyperMVP, een zelftoezichtend raamwerk voor hyperbolische multiview-pretraining dat, ondersteund door het nieuwe 3D-MOV-dataset, robuustere en generaliseerbare robotmanipulatiebeleid bereikt door het benutten van niet-Euclidische geometrie voor het modelleren van structurele relaties in 3D-visualisaties.
Het paper introduceert ReCouPLe, een lichtgewicht framework dat natuurlijke taalredeneringen gebruikt als causale signalen om voorkeursgebaseerde beloningsmodellen robuuster te maken tegen causale verwarring en beter te laten generaliseren naar nieuwe taken zonder extra data.
In dit artikel wordt VPWEM voorgesteld, een niet-Markoviaanse visuele beleidsmethode die werkgeheugen en een Transformer-gebaseerd episodisch geheugen combineert om robotmanipulatie taken met lange termijn geheugenvereisten efficiënter op te lossen dan bestaande methoden.
Deze paper introduceert een methode voor het genereren van viewpoint-consistente 3D-adversariële texturen via differentieerbare rendering, die de kwetsbaarheid van visuele robotbeleid voor perceptuele aanvallen blootlegt en effectief blijft onder dynamische camerahoeken.
Deze paper introduceert U-OBCA, een nieuwe aanpak voor veilige robotnavigatie die onzekerheden verwerkt via kansbeperkingen op polygonale vormen, waardoor de overmatige conservatisme van bestaande methoden wordt verminderd en de navigatie-efficiëntie in krappe omgevingen wordt verbeterd.
Dit artikel presenteert een geïntegreerde, datagedreven methode voor cooperatieve lokalisatie in heterogene zwermen, die door middel van een adaptieve paarwijze relatieve lokalisatie-schatter en een gedistribueerde pose-koppelingstrategie lokale positiebepaling mogelijk maakt onder de minst restrictieve voorwaarden voor gerichte meetnetwerken.
Dit artikel presenteert een aangepast dataset en een evaluatie van 3D-detectie- en trackingmethodes voor het lokaliseren van personen vanuit een LiDAR-sensor op een kraan in een industriële omgeving, waarbij VoxelNeXt en SECOND de beste prestaties leveren binnen een straal van 5 meter.
Dit artikel presenteert een augmented reality-systeem met Microsoft HoloLens 2 voor het teleopereren van zachte robots, waarbij een observer op basis van fysische modellen de positie van de modulaire pneumatische manipulator PETER met een foutmarge van ongeveer 5% schat.
Deze paper introduceert de Direct Contact-Tolerant (DCT) planner, die Vision Language Models integreert voor directe contactbewuste point cloud-perceptie en navigatie, waardoor robots robuust en efficiënt kunnen bewegen in rommelige omgevingen met verplaatsbare obstakels.
Dit paper introduceert CoIn3D, een generaliseerbaar framework voor multi-camera 3D-objectdetectie dat de overdracht naar nieuwe cameraconfiguraties verbetert door ruimtelijke priors expliciet te integreren via ruimtelijke bewust feature-modulatie en camera-bewuste data-augmentatie.
Dit artikel introduceert VinePT-Map, een semantische mappingframework dat gebruikmaakt van wijnstokstammen en steunpalen als persistente landmarks om robuuste en seizoensongafhankelijke lokalisatie voor autonome robots in wijngaarden mogelijk te maken.
Dit artikel introduceert AIM-SLAM, een dicht monokulair SLAM-systeem dat gebruikmaakt van een adaptieve multi-view keyframe-prioritering en een geometrisch onderbouwde transformer (VGGT) om de pose-schatting en dichte reconstructie aanzienlijk te verbeteren.
GaussTwin is een real-time digitale tweeling die Gauss-splatting combineert met fysisch onderbouwde dynamica om de kloof tussen simulatie en realiteit te overbruggen, waardoor robuustere tracking en betere ondersteuning voor gesloten-lus robotinteractie mogelijk wordt.
Het paper introduceert SPIRIT, een systeem voor perceptieve gedeelde autonomie dat onzekerheidsschattingen van diepe leermodellen gebruikt om de besturing naadloos over te schakelen tussen semi-autonome manipulatie en haptische teleoperatie, waardoor robuuste en veilige robotmanipulatie mogelijk wordt ondanks de beperkingen van diepe leerperceptie.
Deze paper introduceert een effectieve twee-fasen leercurriculum voor robotbesturing waarbij taakspecifieke doelen en gedragsaspecten worden ontkoppeld, wat leidt tot betere prestaties en robuustheid vergeleken met directe training op een volledig beloningssysteem.
Het paper introduceert SeedPolicy, een zelf-evoluerende diffusiepolitiek met een SEGA-module die de beperkingen van bestaande imitatieleringsmethoden oplost door lange observatiehorizons efficiënt te verwerken, waardoor robuuste prestaties worden behaald bij langdurige robotmanipulatie met aanzienlijk minder parameters dan grote vision-language-action-modellen.