666 artigos
O artigo apresenta o NaviGait, uma estrutura hierárquica que combina otimização de trajetória e aprendizado por reforço para gerar políticas de locomoção bípede robustas e intuitivas, sintetizando novos movimentos a partir de uma biblioteca de gaits offline para acelerar o treinamento e manter a fidelidade ao movimento de referência.
O artigo apresenta o RL-100, um framework de aprendizado por reforço no mundo real baseado em políticas visuomotoras de difusão que unifica imitação e reforço, alcançando 100% de sucesso em diversas tarefas robóticas complexas e demonstrando alta robustez e eficiência em cenários de implantação prática.
O artigo apresenta o FALCON, um novo paradigma que integra priores espaciais 3D ricos em modelos de fundação diretamente no cabeçalho de ação de modelos Visão-Linguagem-Ação, permitindo raciocínio espacial robusto e desempenho de ponta em tarefas do mundo real sem comprometer o alinhamento linguístico ou exigir reestruturação arquitetural.
Este artigo desafia a premissa de que o replanejamento reativo exige a atualização de planos existentes, demonstrando que algoritmos de planejamento quase certamente assintoticamente ótimos (ASAO), como EIT* e AORRTC, podem resolver problemas incrementais de forma mais eficiente ao tratar cada consulta como um problema independente, encontrando trajetórias globais consistentes e de alta qualidade em ambientes dinâmicos sem a necessidade de reutilização explícita de planos.
O artigo apresenta o SynHLMA, um novo framework que gera sequências de manipulação de mãos para objetos articulados a partir de instruções em linguagem natural, utilizando uma representação discreta de interação mão-objeto e uma perda consciente das juntas para garantir a coerência dinâmica e funcionalidade em tarefas como geração, previsão e interpolação de gestos.
O artigo apresenta o EgoMI, um framework que supera a lacuna de corporificação na aprendizagem por imitação ao capturar e retargetar trajetórias sincronizadas de mãos e cabeça de demonstrações humanas, permitindo que robôs semi-humanoides aprendam manipulação ativa e coordenada com visão dinâmica.
O artigo propõe o filtro de segurança PACS, que utiliza frenagem consistente com o trajeto e análise de alcançabilidade baseada em conjuntos para garantir segurança formal em políticas de difusão sem comprometer a taxa de sucesso das tarefas ou desviar da distribuição de treinamento.
O artigo apresenta o AFRO, um framework de aprendizado auto-supervisionado que gera representações 3D dinâmicas e conscientes de ações para robótica, superando métodos existentes ao modelar transições causais sem necessidade de supervisão por reconstrução geométrica ou dados de ação, resultando em taxas de sucesso significativamente maiores em tarefas de manipulação.
O artigo apresenta o UniBYD, um framework unificado que utiliza aprendizado por reforço dinâmico e uma representação morfológica unificada para superar as limitações da imitação humana, permitindo que políticas de manipulação robótica se adaptem eficientemente a diversas configurações de mãos robóticas, resultando em um aumento significativo na taxa de sucesso em comparação com o estado da arte.
Este artigo apresenta o design e a implementação de um sistema de localização relativa para o SnailBot, um robô modular auto-reconfigurável, que integra reconhecimento de marcadores ArUco, análise de fluxo óptico e processamento de dados IMU em uma estrutura unificada para garantir posicionamento preciso e robusto em tempo real.
Este artigo descreve um microrrobô magnético composto por três esferas elásticas que utiliza o colapso histérico reversível induzido por campos magnéticos oscilantes para gerar propulsão não recíproca e controle independente, oferecendo um potencial viável para intervenções médicas minimamente invasivas.
O artigo apresenta o *AirPulse*, um robô voador autônomo de 26 gramas inspirado em borboletas que, pela primeira vez em sua escala, alcança voo controlado sem cauda ao replicar as características biomecânicas de batidas de asas de baixa frequência e um corpo ondulante através de uma arquitetura de controle hierárquico inovadora.
Este artigo apresenta uma abordagem híbrida que combina aprendizado e modelos para controle reativo de deslizamento em agarres multifingerados, utilizando sensores táteis multimodais e otimização de forças internas para estabilizar o agarre em tempo real com latência inferior a 50 ms.
Este artigo propõe a Política de Qualidade Adversarial Multimodal (MAQP), um quadro que utiliza otimização de patches duais heterogêneos e balanceamento de gradientes para mitigar riscos de segurança em apreensões robóticas guiadas por visão em ambientes de interação humano-robô.
O artigo apresenta o Pri4R, uma abordagem que aprimora modelos Visão-Linguagem-Ação (VLA) ao incorporar dinâmicas do mundo por meio da previsão de rastros de pontos 3D durante o treinamento, resultando em melhor desempenho em tarefas de manipulação física sem adicionar custo computacional ou complexidade na inferência.
O artigo propõe o SPARC, um método de planejamento de trajetória para múltiplos robôs que utiliza um mecanismo de atenção aprimorado por relações espaciais (RMHA) para priorizar dinamicamente a comunicação com vizinhos próximos, alcançando uma taxa de sucesso superior em ambientes congestionados e com alta densidade de obstáculos.
O artigo apresenta o SPREAD, um framework inovador para aprendizado de imitação vitalício que utiliza decomposição em valores singulares para preservar a geometria das representações de tarefas em subespaços de baixa dimensão e uma estratégia de destilação guiada por confiança, superando métodos existentes ao mitigar o esquecimento catastrófico e alcançar desempenho de ponta no benchmark LIBERO.
Este trabalho investiga como as diferenças relacionadas à idade influenciam a percepção do olhar deíctico em robôs sociais, visando orientar o design de pistas não verbais adaptativas para melhorar a interação entre humanos e robôs, especialmente com idosos.
O artigo apresenta o Scale-Plan, um framework escalável que utiliza raciocínio de modelos de linguagem (LLM) para filtrar informações irrelevantes e gerar representações de problemas compactas, permitindo um planejamento de tarefas eficiente e confiável para equipes heterogêneas de múltiplos robôs em ambientes complexos.
O artigo apresenta o HMR-1, um robô de massagem hierárquico que integra modelos de linguagem e visão para identificar pontos de acupuntura e controlar movimentos, apoiado pelo novo conjunto de dados multimodal MedMassage-12K e por um benchmark para avaliação de tarefas de massagem em saúde.