867 papers
Dit paper introduceert SaFeR, een methode voor het genereren van veiligheidskritieke scenario's voor autonoom rijden die door middel van token-resampling binnen een haalbaarheidsgebied een optimale balans bereikt tussen adversarische effectiviteit, fysieke haalbaarheid en gedragsrealisme.
Het artikel introduceert GarmentPile++, een robuust systeem dat visuele taalredenering en affordantieperceptie combineert om veilig en nauwkeurig één specifiek kledingstuk uit een rommelige stapel te verwijderen, wat een essentiële basis vormt voor downstream-taken zoals vouwen en ophangen.
Deze studie presenteert een schaalbaar, fysica-gebaseerd leerframework dat een heupexoskeletbesturingsbeleid volledig in simulatie traint zonder bewegingsopname-data, en aantoont dat dit beleid via beleidsdistillatie succesvol en zonder extra hardware-aanpassingen kan worden overgebracht naar de echte wereld om spieractivatie en gezamenlijke vermogen te verminderen.
Dit artikel introduceert PRAM-R, een adaptief raamwerk voor autonoom rijden dat een LLM-gestuurde modale routering en een hiërarchisch geheugen combineert om de rekenkosten te verlagen door onnodige sensoren uit te schakelen, terwijl de prestaties in complexe stedelijke omgevingen behouden blijven.
Het paper introduceert VANGUARD, een lichtgewicht, deterministisch hulpmiddel voor UAV's in GPS-loze omgevingen dat de schaal van beelden nauwkeurig herstelt door voertuigen als ankers te gebruiken, waardoor het de aanzienlijke ruimtelijke hallucinaties van huidige VLM-modellen oplost en veilige, metrische redenering mogelijk maakt.
Dit paper introduceert RoboCasa365, een uitgebreid simulatiekader met 365 taken in 2.500 keukens en duizenden uren aan demonstratiegegevens, dat dient als een schaalbaar en reproduceerbaar benchmark voor het trainen en evalueren van generalistische robots in huishoudelijke omgevingen.