695 papers
Deze paper introduceert een contrastief few-shot RGB-D-segmentatiekader dat negatieve prototypes en een tweestaps-attentie-deptemodule gebruikt om robuuste navigatie in binnenruimtes mogelijk te maken door dunne obstakels effectiever te detecteren dan bestaande methoden.
Dit artikel introduceert een fysisch onderbouwde model voor een hexapedale robot op granulaire hellingen dat aantoont dat prestatieverlies voornamelijk wordt veroorzaakt door vertraagde verankering en achterwaartse slip, en dat hierop gebaseerde faalfasen-diagrammen biedt voor kwantitatieve risicoschatting.
Dit artikel presenteert een tweestapsframework dat conflicterende Signal Temporal Logic-specificaties in veiligheidskritieke toepassingen, zoals autonoom rijden, oplost door eerst haalbaarheid te herstellen via minimale versoepeling en vervolgens een Pareto-optimale oplossing te vinden die interpreteerbare afwegingen tussen concurrerende doelen mogelijk maakt.
Dit tutorialartikel biedt een kritische review van de praktische toepassing van Control Barrier Functions (CBF's) in robotveiligheid, waarbij het de kloof tussen theoretische garanties en constructieve realisatie blootlegt, waarschuwt voor misbruik in passief veilige systemen, en richtlijnen biedt voor het bouwen van realistische veiligheidsargumenten voor systemen zonder inherente veiligheid.
Dit paper introduceert een energie-efficiënte methode voor het collaboratief vervoer van met een touw opgehangen ladingen door middel van een roterend evenwicht, waarbij centrifugale krachten de horizontale spanning opvangen zodat de drones puur verticale stuwkracht kunnen genereren en het energieverbruik tot 20% kan worden verlaagd.
Dit artikel introduceert VSL-Skin, een baanbrekend systeem voor individueel adresseerbare fase-veranderende voxelhuid dat zachte en stijve robots verenigt door middel van ruimtelijk precieze, variabele stijfheid, virtuele gewrichten en zelfherstellende capaciteiten.
Deze paper introduceert een efficiënte runtime-monitor die een probabilistisch wereldmodel in de latente ruimte van een visuele fundamentele model gebruikt om onzekerheidsschattingen te genereren voor het nauwkeurig detecteren van anomalieën en storingen bij bimanuele robots, wat aanzienlijk beter presteert dan bestaande methoden met veel minder trainbare parameters.
Dit artikel presenteert een robuust tweestapskader voor het volgen van paden door mobiele manipulatoren, dat een 8-DoF-planningsprobleem ontkoppelt in een efficiënte grafische zoektocht en een numerieke optimalisatie om zowel computationele snelheid als sub-millimeter nauwkeurigheid te garanderen.
Dit paper introduceert SSP, een raamwerk dat neurale differentiaalvergelijkingen en veiligheidscontrolefuncties combineert om data-gedreven chirurgische beleidslijnen van formele veiligheidswaarborgen te voorzien, waardoor de overtreding van gedrags- en ruimtelijke beperkingen in robotchirurgie tot bijna nul wordt teruggebracht zonder de taaksucces te compromitteren.
TacDexGrasp is een robuust en compliant systeem voor dexterous grijpen dat via tactiele feedback en een SOCP-gebaseerde regelaar, zonder expliciete koppelmodellering of slipdetectie, de stabiliteit van grijpen op onbekende objecten waarborgt door de verhouding tussen tangentiële en normale krachten actief te beperken.
Dit paper introduceert GuideTWSI, een divers dataset met synthetische en reële beelden van tactiele wandeloppervlakken, die is ontwikkeld om de geografische en visuele beperkingen van bestaande datasets te overbruggen en zo de nauwkeurige detectie van zowel richtingsstroken als waarschuwingsbulten voor blinden en slechtzienden te verbeteren.
Dit paper introduceert een morfologie-onafhankelijke methode voor het imiteren van gezichtsuitdrukkingen op menselijke robots, die uitdrukkingen ontkoppelt van gezichtsstructuur om realistischere interacties te bereiken, en wordt gevalideerd op een speciaal ontworpen robot genaamd Pengrui.
Dit paper introduceert Artoo, een lichtgewicht, end-to-end getraind akoestisch communicatiesysteem voor robots dat handmatige signaalverwerking vervangt door een gezamenlijk geoptimaliseerd TTS- en ASR-netwerk, waardoor robuuste communicatie onder ruis mogelijk is met een zeer lage parametercount en snelle CPU-uitvoering.
Het paper introduceert VLN-Cache, een trainingsvrij caching-framework dat de inferentiekosten van Vision-and-Language Navigation-modellen verlaagt door visuele en semantische dynamiek te detecteren en te compenseren, wat resulteert tot een snelheidswinst van 1,52x zonder in te leveren op de navigatiesuccesratio.
Deze studie introduceert ACLM, een op ADMM gebaseerde, gedistribueerde modelpredictieve regeling die legrobots in staat stelt om zware ladingen efficiënt en schaalbaar te vervoeren in complexe omgevingen door het globale optimalisatieprobleem op te splitsen in parallelle subproblemen met behoud van dynamische koppelingen.
Deze paper introduceert een schaalbaar, probabilistisch model op basis van Gaussische processen voor het voorspellen van menselijke bewegingen dat, ondanks een beperkt aantal parameters, nauwkeurige voorspellingen combineert met goed gekalibreerde onzekerheidsschattingen voor veilige mens-robotcollaboratie.
Dit paper introduceert Failure Episodic Memory Alert (FEMA), een techniek die door het opslaan en hergebruiken van korte faalervaringen in een episodisch geheugen de sample-efficiëntie van reinforcement learning voor robots aanzienlijk verbetert door herhaaldelijke instabiele toestanden te voorkomen.
Dit artikel presenteert een datagedreven aanpak voor autonome raceauto's waarbij een op Formule 1-telemetrie getraind neuronaal netwerk expert-achtige trajecten voorspelt om de convergentie en rekentijd van optimalisatieoplossers aanzienlijk te verbeteren zonder de uiteindelijke rittijd te beïnvloeden.
DexKnot is een nieuw raamwerk dat door het combineren van keypoint-affordances met een diffusiemodel een generaliseerbaar visueel-motorisch beleid leert om plastic zakken op betrouwbare manier te knopen, zelfs bij onbekende vormen en vervormingen.
Dit artikel presenteert een modelgebaseerde methode voor het compenseren van thermische drift in hexapod-robotactuatoren, waarbij een theoretisch model gekalibreerd wordt met interferometrische metingen om de door temperatuur veroorzaakte uitzetting met meer dan 80% te reduceren.