694 artigos
Este tutorial apresenta uma introdução orientada ao controle para sistemas de navegação inercial assistida, utilizando uma formulação baseada na teoria de grupos de Lie centrada no grupo estendido SE₂(3) para desenvolver uma estrutura geométrica clara que funde medições inerciais com informações auxiliares, destacando explicitamente os papéis da invariância e da simetria.
O artigo apresenta o RoTri-Diff, um modelo de aprendizado por imitação baseado em difusão que melhora a manipulação bimanual ao explicitamente modelar e impor restrições geométricas contínuas da interação triádica entre os dois braços robóticos e o objeto, resultando em trajetórias mais estáveis e coordenadas que superam os métodos atuais.
Este artigo apresenta um quadro de controle ótimo totalmente embarcado e guiado por visão, que utiliza um campo neural de distância assinada (Gate-SDF) integrado a um controlador MPPI para permitir que drones raceiros naveguem de forma ágil e robusta através de portões arbitrários em tempo real, sem depender de trajetórias pré-computadas ou estimativas explícitas de pose.
Este trabalho propõe um modelo de mundo latente consciente da cinemática, que integra informações cinemáticas e supervisão geométrica ao modelo RSSM para melhorar a eficiência de dados e o desempenho na aprendizagem de políticas de direção autônoma através de uma representação espacial estruturada e fisicamente fundamentada.
Este artigo apresenta um dedo de garra híbrido (macio-rígido) com bolsos de silicone infláveis que modula ativamente o atrito da superfície através da pressão interna, permitindo agarrar objetos pesados, escorregadios ou frágeis com segurança sem aumentar a força de preensão.
O artigo apresenta o Faster-HEAL, um framework colaborativo leve e que preserva a privacidade, capaz de alinhar eficientemente características de veículos autônomos heterogêneos em um espaço unificado por meio de prompts visuais de baixo rank e fusão em pirâmide, superando as limitações de métodos anteriores sem a necessidade de retreinar modelos completos.
Este artigo apresenta um framework leve baseado em gêmeo digital para rastreamento de veículos e previsão de colisões em sistemas de transporte inteligentes, que utiliza apenas detecção de objetos e mapas de trajetória pré-construídos para alcançar alta precisão com baixo custo computacional em dispositivos de borda.
O artigo propõe o DistGP, um método de aprendizado colaborativo multi-robô baseado em um processo gaussiano esparsificado que permite treinamento distribuído e assíncrono via propagação de crenças gaussianas, alcançando desempenho superior a abordagens existentes em cenários com conectividade dinâmica e comunicação esparsa.
Este artigo de revisão propõe uma perspectiva de inteligência corporificada subaquática baseada no acoplamento de restrições, argumentando que a autonomia confiável em robôs subaquáticos exige integrar planejamento e controle com as limitações físicas, de comunicação e energéticas do ambiente marinho, oferecendo uma taxonomia de falhas e direções de pesquisa para sistemas mais resilientes e verificáveis.
Este artigo apresenta um framework de controle preditivo baseado em otimização mista-inteira que permite a um robô humanoide planejar simultaneamente o posicionamento e o tempo dos passos em terrenos descontínuos, utilizando dados de profundidade e limites de capturabilidade para garantir estabilidade e segurança em tempo real.
O artigo apresenta o LoRA-SP, um método de ajuste fino adaptativo que otimiza a alocação de capacidade em modelos Visão-Linguagem-Ação (VLAs) para robótica, superando as limitações de rank fixo do LoRA tradicional e melhorando significativamente a generalização em múltiplas tarefas e ambientes não vistos.
Este estudo investiga a relação entre morfologia e estratégias de auto-direção em robôs alongados, utilizando centípedes biológicos e um robô paramétrico para estabelecer princípios de acoplamento que guiam o projeto de sistemas capazes de se reorientar em terrenos incertos.
Este artigo apresenta um novo método de propriocepção para robôs contínuos microscópicos acionados por cabos, que integra sensores de força proximais e princípios de design bioinspirado para superar as limitações na percepção de forças de contato tridimensionais e na estimativa de forma, permitindo uma adoção clínica mais segura e ampla.
O artigo apresenta o LITHE, uma arquitetura de software leve que permite a substituição dinâmica e segura de leis de controle em tempo real (C++) por um cérebro de alto nível em Python em hardware comercial, eliminando a rigidez do código compilado e habilitando a evolução contínua da inteligência corporal em sistemas robóticos.
O artigo apresenta o SLNet, uma rede neural superleve e adaptativa para reconhecimento de nuvens de pontos 3D que, ao utilizar componentes inovadores como NAPE e GMU, alcança desempenho competitivo em diversas tarefas com uma fração significativa dos parâmetros e custo computacional de modelos existentes.
O artigo apresenta o GSAT, um método de estimativa de transitabilidade para navegação autônoma que utiliza aprendizado auto-supervisionado e detecção de anomalias em um espaço latente para superar as limitações da subjetividade humana e do problema de aprendizado apenas com exemplos positivos.
O artigo apresenta o HSC-VLA, uma estrutura hierárquica que melhora significativamente a manipulação robótica bimanual em ambientes densamente clutterados ao separar o raciocínio semântico de alto nível da execução sensorimotora de baixo nível, utilizando mascaramento de cena para filtrar distrações visuais e alcançar uma taxa de sucesso de 86,7%.
Este artigo propõe um observador inovador baseado em dinâmica inversa que combina um modelo linear de veículo de uma pista com uma representação distribuída dos pneus via equações diferenciais parciais hiperbólicas, permitindo a estimativa precisa do ângulo de derrapagem e das forças dos pneus apenas a partir de medições de taxa de guinada e aceleração lateral, mesmo na presença de ruído e incertezas do modelo.
O artigo apresenta o InterReal, um framework unificado de aprendizado por imitação baseado em física que permite a robôs humanoides aprender e executar com sucesso habilidades de interação humano-objeto no mundo real, superando limitações de frameworks anteriores através de uma nova estratégia de aumento de dados com restrições de contato e um aprendizado automático de recompensas.
O artigo apresenta o ICLR, um novo framework de aprendizado por imitação em contexto que aprimora a adaptação robótica a tarefas complexas ao integrar traços de raciocínio visual estruturado e previsão de ações em um único modelo transformador autoregressivo, demonstrando melhorias significativas na taxa de sucesso e generalização em comparação com métodos existentes.