867 papers
Dit artikel introduceert een complexiteitsbewust adaptief inferentiekader voor Vision-Language-Action-modellen dat dynamisch kiest tussen direct handelen, redeneren of het afbreken van taken op basis van de waargenomen situatie, waarbij visuele embeddings worden aangetoond als een efficiënt en betrouwbaar middel voor het detecteren van taakcomplexiteit.
Dit paper introduceert SkillsCrafter, een nieuw robottisch manipulatierframework dat door middel van aanpassing van manipulatievaardigheden en specialisatieaggregatie in een semantische ruimte voortdurend nieuwe vaardigheden leert zonder bestaande kennis te vergeten.
Dit paper introduceert 'Critic in the Loop', een adaptief hiërarchisch framework dat de cognitieve planning van Vision-Language Models (VLM) combineert met de snelle reactieve controle van Vision-Language-Action (VLA) modellen via een dynamische 'Critic', waardoor robuuste en autonome robotmanipulatie op lange termijn wordt bereikt.
Dit artikel presenteert een door een digitale tweeling aangedreven robotisch sortersysteem dat multimodale waarneming en visuele taalmodellen integreert voor het succesvol automatisch sorteren van textiel en het detecteren van vreemde voorwerpen in industriële omgevingen.
Dit artikel pleit voor het uitbreiden van de rol van collaboratieve robots in de revalidatie naar alle fasen van de therapie om de toegankelijkheid te vergroten en therapeuten te ondersteunen, terwijl het ook de bijbehorende uitdagingen en kansen voor onderzoek schetst.
Dit artikel introduceert CDSM, een real-time raamwerk dat dynamische systemen op Riemanniaanse variëteiten en Lie-groepen construeert door een nominale kromme te volgen met tangentiële en normale componenten, waardoor robuustere en snellere robotbewegingen worden mogelijk gemaakt dan bestaande methoden.
Dit artikel presenteert een veilig, reproduceerbaar en kostenefficiënt testkader voor autonome rijsoftware op een centrale E/E-architectuur, dat Vehicle-in-the-Loop met digitale tweeling combineert om de volledige software direct op de fysieke voertuighardware te valideren zonder tussenlagen.
Het paper introduceert HD-ExpIt, een raamwerk dat hiërarchische diffusiebeleid voor taalgeconditioneerde manipulatie verbetert door een iteratieve cyclus van zelfontdekte succesvolle gedragingen en omgevingsfeedback te gebruiken, waardoor de planner effectief wordt afgestemd op de beperkingen van de controller en state-of-the-art resultaten op de CALVIN-benchmark worden behaald.
Dit paper introduceert Latent Policy Steering (LPS), een robuuste methode voor offline versterkend leren die door middel van een differentieerbare één-stap MeanFlow-beleid de originele actieruimte-kritiek direct doorgeeft naar de latente ruimte, waardoor de afhankelijkheid van kwetsbare proxy-kritieken wordt geëlimineerd en state-of-the-art prestaties worden behaald met minimale tuning.
Dit artikel presenteert een geometrisch exacte, constraint-vrije statische modellering voor continuüm parallelle robots die complexe kinematische beperkingen elimineert door middel van kinematische embedding en een vierde-orde Magnus-benadering, waardoor een efficiënte oplossing van niet-lineaire evenwichtsvergelijkingen mogelijk wordt die experimenteel is gevalideerd.
Dit paper introduceert UltraDexGrasp, een framework dat een synthetische dataset van 20 miljoen frames genereert om een robuust bimanueel grijpproces te trainen dat succesvol zero-shot overgaat van simulatie naar de realiteit met een slagingspercentage van 81,2%.
Dit artikel presenteert een geïntegreerde CT-gestuurde simulatie- en robotplanningspipeline die gebruikmaakt van een differentieerbaar Cosserat-staafmodel en patiëntspecifieke anatomie om contactkrachten tijdens cochleaire implantatie te minimaliseren en zo het risico op trauma en mislukkingen te verminderen.
Dit paper introduceert Omni-Manip, een end-to-end LiDAR-gedreven visuele motorische beleidsstrategie die robuuste manipulatie in grote werkruimtes mogelijk maakt door middel van een 360°-perceptiesysteem dat de beperkingen van traditionele RGB-D-camera's overwint.
OpenFrontier is een trainingsvrij navigatiekader dat visueel-linguïstische priormodellen integreert via semantische ankers op verkenningsfrontiers, waardoor robots zonder gedetailleerde 3D-kaarten of fijnafstemming efficiënt en met sterke zero-shot-prestaties kunnen navigeren in complexe open werelden.
Dit artikel introduceert MPPI-DK, een efficiënt besturingskader dat een geleerde lineaire Koopman-operator gebruikt om de rekentijd van modelvoorspellende padintegralen te verminderen terwijl de prestaties behouden blijven, wat is gevalideerd via simulaties en hardware-experimenten op een viervoetige robot.
Dit artikel introduceert CliReg, een deterministisch algoritme dat RANSAC vervangt door een zoektocht naar maximale cliques in een compatibiliteitsgrafiek, waardoor de robuustheid en nauwkeurigheid van lus-sluiting in 3D LiDAR-SLAM aanzienlijk worden verbeterd, vooral onder uitdagende omstandigheden.
Dit paper introduceert ROScopter, een lichtgewicht en modulaire multirotor-autopilot gebaseerd op ROSflight 2.0 en ROS 2 die onderzoekers helpt hun code te testen in zowel simulatie als op hardware, met prestaties die vergelijkbaar zijn met geavanceerde systemen maar met een aanzienlijk vereenvoudigde codebasis.
Dit paper introduceert PhysiFlow, een fysiek bewust VLA-framework met multi-geheime latent flow matching dat de stabiliteit en efficiëntie van semantisch geleide, volledige lichaamscoördinatie voor humanoïde robots verbetert.
Dit paper introduceert CompACT, een compacte discrete tokenizer die waarnemingen comprimeert tot slechts 8 tokens, waardoor wereldmodellen voor beslissingsplanning aanzienlijk sneller en efficiënter worden zonder in te leveren op prestaties.
Dit artikel presenteert een hybride regelaar die Model Predictive Control combineert met een door reinforcement learning aangeleerde residuele politiek om robuustere en nauwkeurigere micro-robotische cel-pushing onder tijdsvariërende stroming te realiseren.