690 papers
Dit artikel introduceert een vision-augmenterend, iteratief systeem voor het identificeren van voertuigdynamica in autonoom racen, dat een CNN-gebaseerde visuele wrijvingsschatting combineert met een S4-model voor tijdsreeksresiduen en een Nelder-Mead-optimatie om de koude-startconvergentie en nauwkeurigheid van Pacejka-tireparameters aanzienlijk te verbeteren.
Dit artikel introduceert een framework dat een Conditional Flow Matching-expert distilleert naar een snelle, single-step student via Implicit Maximum Likelihood Estimation, waardoor real-time, multi-modale robotcontrole met behoud van multi-modaal gedrag mogelijk wordt zonder de latentie van iteratieve integratie.
Dit paper introduceert 'open-world motion forecasting', een nieuw kader dat autonome voertuigen in staat stelt om continu nieuwe objectklassen te leren en hun bewegingen te voorspellen vanuit camera-beelden zonder vergeten van eerder geleerde kennis, door middel van een end-to-end class-incremental framework met pseudo-labeling en een innovatieve replay-samplingstrategie.
Deze paper introduceert een voorbehandelde SE(3) Stein-variational gradient descent-methode die robuuste en nauwkeurige ergodische trajectoptimalisatie mogelijk maakt voor robotoppervlaktebedekking, waardoor de beperkingen van bestaande methoden op het gebied van niet-convexe optimalisatie en het hanteren van SE(3)-beperkingen worden overwonnen.
Dit paper introduceert SEA-Nav, een reinforcement learning-framework dat kwadrupedrobots in staat stelt om veilig en wendbaar te navigeren in dichtbevolkte omgevingen met slechts minuten aan trainingstijd, door gebruik te maken van differentieerbare veiligheidsbeperkingen en adaptieve leermechanismen.
Deze paper introduceert receptogenese in een vasculaire robot, waarbij via in-situ fotopolymerisatie van vloeibare voorlopers nieuwe sensoren worden gegenereerd om de fysieke aanpassings- en besturingscapaciteiten van het systeem in real time te verbeteren.
Deze paper introduceert StyleVLA, een op fysica gebaseerd Vision-Language-Action-model dat, getraind op een groot instructiedataset, diverse en kinematisch haalbare rijstijlen genereert en daarmee gespecialiseerde prestaties behaalt die superieur zijn aan die van gesloten bronmodellen zoals Gemini-3-Pro.
Het paper introduceert Context-Nav, een trainingsvrije methode voor tekstgestuurde navigatie die lange contextbeschrijvingen gebruikt om verkenning te sturen en kandidaat-objecten verifieert via viewpoint-bewuste 3D-ruimtelijke redenering, waardoor state-of-the-art resultaten worden behaald zonder specifieke policy-training.
Deze paper introduceert RuleSafe, een nieuw benchmark voor langdurige robotmanipulatie met niet-Markoviaanse taken, en VQ-Memory, een compacte tijdsrepresentatie die bestaande Vision-Language-Action-modellen verbetert door verleden toestanden te coderen in discrete tokens voor betere langetermijnplanning en generalisatie.
Dit paper introduceert NS-VLA, een neuro-symbolisch raamwerk dat online versterkingsleer en symbolische verwerking combineert om robotmanipulatie-modellen te ontwikkelen die superieure data-efficiëntie, generalisatie en exploratie bieden ten opzichte van bestaande Vision-Language-Action modellen.
Dit onderzoek toont aan dat taakspecialisatie in robotzwermen niet noodzakelijk leidt tot hogere efficiëntie wanneer de optimalisatiebudgetten beperkt zijn, aangezien de geëvolueerde specialistische controllers minder goed samenwerken dan generalistische controllers.
Dit artikel presenteert een trajectoptimalisatie-methode voor het manipuleren van planaire objecten met kabels die rekening houdt met zelfwikkeling en impliciete spanningsbeperkingen, waarbij een relaxatiestrategie (IMR) wordt gebruikt om dynamisch gebruik te maken van wendkrachten in plaats van conservatieve oplossingen te kiezen.
ReTac-ACT is een geavanceerde visuo-tactiele imitatieleerpolitiek die de precisie-assemblage verbetert door een transformatormodel te gebruiken dat visuele en tactiele feedback dynamisch combineert om succesvolle ingrepen mogelijk te maken in gebieden waar visuele feedback door occlusie faalt.
Deze paper introduceert SCDP, een methode die mensachtige locomotie mogelijk maakt met alleen aan boord sensoren door een diffusiemodel te trainen dat gedeeltelijke waarnemingen omzet in gedetailleerde bewegingsdynamiek via distillatie van bevoorrechte data, wat resulteert in robuuste prestaties in zowel simulatie als op een echte G1-robot.
Dit artikel introduceert een op proprioceptieve sensoren gebaseerd raamwerk voor kwadrupedale robots dat een 2.5-D terreinkaart en contactinformatie integreert in veiligheidskritieke besturing via barrièrefuncties om robuuste en veilige locomotie op ongelijk terrein te garanderen.
Dit artikel presenteert een twee-fasen aanpak voor de efficiënte bestrijking van niet-convexe omgevingen met meerdere robots, waarbij een gewogen load-balancing algoritme op basis van een Generalized Voronoi Graph wordt gebruikt om de robottoewijzing te optimaliseren, gevolgd door een nieuwe controller voor de daadwerkelijke bestrijking.
Dit paper introduceert OTPL-VIO, een robuust stereo visueel-inertiaal odometrie-systeem dat gebruikmaakt van optimaal transport voor lijnassociatie en adaptieve onzekerheidsweging om nauwkeurigheid en stabiliteit te verbeteren in uitdagende omgevingen met weinig textuur en veranderende verlichting.
Het artikel introduceert DRIFT, een transformer-model dat door middel van een dubbel-pad architectuur lokale en globale context uit 4D-radar-puntenwolkdata fuseert om de prestaties bij objectdetectie en vrije-rijbaan-schatting voor autonoom rijden aanzienlijk te verbeteren.
Dit paper introduceert Robotic Scene Cloning (RSC), een nieuwe methode die bestaande robottrajecten aanpast via visuele promptbewerking om zero-shot aanpassing aan nieuwe omgevingen mogelijk te maken zonder uitgebreide datacollectie.
Dit paper introduceert een nieuw, biologisch plausibel spiking-controlkader dat de vrije energie beperkt, waardoor netwerken zowel efficiënt als robuust zijn tegen externe en interne verstoringen, wat nieuwe inzichten biedt voor hersenmechanismen en neuromorfe hardware.