867 papers
Dit paper introduceert de concepten 'feature-observability' en 'feature-controllability' om de interne representaties van Vision-Language-Action-modellen te analyseren en via lichte, lineaire ingrepen de robotgedragingen in real-time te sturen zonder fijnafstemming.
Het paper introduceert cuRoboV2, een unificerend GPU-natief raamwerk dat dynamische bewegingsgeneratie voor robots met een hoog aantal vrijheidsgraden mogelijk maakt door B-spline-trajectoptimalisatie, een snelle en geheugenefficiënte dieptegedreven afstandsfield-pijplijn en schaalbare hele-lichaamsberekeningen te combineren, wat resulteert in aanzienlijke verbeteringen in snelheid, succespercentage en veiligheid ten opzichte van bestaande methoden.
Dit artikel introduceert Safe-SAGE, een unificerend raamwerk dat semantische omgevingsinformatie koppelt aan veiligheidskritieke besturing via een door Laplace-gemoduleerde Poisson-veiligheidsfunctie, waardoor robots contextafhankelijke veiligheidsmarges kunnen hanteren in dynamische omgevingen.
RoboPocket is een draagbaar systeem dat robotbeleid direct verbetert door augmented reality-voorspellingen op smartphones te gebruiken voor gerichte dataverzameling en asynchrone online finetuning, waardoor de datadoeltreffendheid en sample-efficiëntie aanzienlijk worden verhoogd zonder fysieke robotexecutie.
Dit artikel presenteert een innovatieve aanpak voor de coöperatieve navigatie van een micro-UAV door visueel-inertiaal odometrie te fuseren met LiDAR-gebaseerde relatieve lokalisatie van een grotere drone, waardoor een nauwkeurige en driftvrije geleiding mogelijk wordt die de voordelen van beide sensoren combineert.
Dit artikel analyseert de uitdagingen bij het ontwerpen van beloningsfuncties voor reinforcement learning in autonoom rijden, identificeert tekortkomingen in de huidige literatuur en stelt gestructureerde, contextbewuste oplossingen voor.
Dit artikel presenteert een Bayesiaans raamwerk dat een aangepast deeltjesfilter en een Gaussian Process Implicit Surface combineert om robots in staat te stellen via actief aanraken objecten te herkennen, hun pose te schatten en nieuwe vormen te leren door kennis van bekende vormen over te dragen.
Deze paper introduceert MIKASA, een uitgebreide benchmark voor het evalueren van geheugenvermogens in versterkingslering, met name gericht op complexe robotmanipulatie taken.
Het artikel introduceert Evolution 6.0, een autonoom robotsysteem dat door middel van generatieve AI en modellen voor taal, visie en 3D-ontwerp zelfstandig gereedschap ontwerpt en aanleert om menselijke taken uit te voeren.
Dit paper introduceert RoboGuard, een tweestapsveiligheidsarchitectuur die contextuele veiligheidsregels genereert en conflicterende robotplannen corrigeert via temporele logica, waardoor het risico op onveilig gedrag bij door LLM-aangedreven robots drastisch wordt verminderd zonder prestaties te schaden.
Deze paper introduceert een zelftoezichthoudende aanpak voor UAV-trajectplanning die diepteperceptie combineert met differentieerbare optimalisatie en een neurale tijdsallocatiestrategie om, zonder menselijke labels, de prestaties en robuustheid in complexe 3D-omgevingen aanzienlijk te verbeteren.
Dit artikel introduceert TPK, een betrouwbare methode voor trajectvoorspelling in gemengd verkeer die interpreteerbare interacties en kinematische haalbaarheid garandeert door prior kennis voor voertuigen, voetgangers en fietsers te integreren.
Deze paper introduceert Feature Mixing, een snelle en modale-onafhankelijke methode voor multimodale outlier-synthese die de prestaties van Out-of-Distribution-detectie en -segmentatie aanzienlijk verbetert, vergezeld van een nieuw dataset genaamd CARLA-OOD.
Dit artikel introduceert pyCub, een open-source Python-gebaseerde simulatieomgeving voor de humanoid robot iCub die, in tegenstelling tot bestaande C++-oplossingen, geen YARP-middleware vereist en studenten via schaalbare oefeningen de basisprincipes van humanoid robotica leert.
Dit artikel introduceert Q-SVMPC, een nieuwe aanpak die Model Predictive Control combineert met Stein-variële inferentie en een RL-geïnformeerde prior om diverse en robuuste trajecten te genereren zonder afhankelijk te zijn van nauwkeurige dynamische modellen of handmatige kostenfuncties.
VITA is een nieuw, sneller en efficiënter framework voor robotbeleid dat visuele representaties direct omzet in latente acties via een ruisvrij en conditioneringsvrij flow-matching proces, waarbij een gecombineerde autoencoder en een unieke decoderingsstrategie de uitdagingen van dimensieverschil en latent collapse overwinnen.
Point2Act is een efficiënt systeem dat Multimodal Large Language Models (MLLMs) gebruikt om via 3D-distillatie en multi-view aggregatie direct nauwkeurige 3D-greppunten te bepalen voor contextbewust, zero-shot manipuleren in onbekende omgevingen.
Dit artikel presenteert een methode waarbij een robotarm, volledig bedekt met gevoelige huid, objecten uitsluitend via haptische feedback lokaliseert en grijpt zonder visuele input, wat resulteert in een zesmaal snellere zoekactie en succesvolle toepassing in omgevingen met beperkte zichtbaarheid.
Dit artikel presenteert een nieuwe geometrische methode op basis van projectieve geometrische algebra om de basisinertieparameters van robotsystemen, inclusief parallelle kinematische mechanismen, analytisch en efficiënt te identificeren via een nieuw 'tetraëderpunt'-model en het DRNG-algoritme.
Dit paper introduceert Event-LAB, een gestandaardiseerd framework dat de complexe vergelijking van neuromorfe localisatiemethoden vereenvoudigt door verschillende pipelines en datasets te integreren in een enkele installatie, waardoor consistente prestatie-evaluatie en analyse mogelijk wordt.