864 artigos
O artigo apresenta o "Interactive World Simulator", um framework que utiliza modelos de consistência para criar simulações interativas rápidas e fisicamente consistentes a partir de dados moderados, permitindo o treinamento e avaliação escaláveis de políticas robóticas com desempenho comparável ao real.
Este artigo propõe o algoritmo OA-Bug, que utiliza sinais olfativos e auditivos para permitir que enxames de robôs autônomos explorem ambientes negados com alta eficiência de cobertura (96,93%), superando métodos anteriores tanto em simulação quanto em experimentos com robôs reais.
O artigo apresenta o RAG-Driver, um modelo de linguagem grande multimodal com aprendizado por contexto aumentado por recuperação que utiliza demonstrações de especialistas para gerar explicações de condução e previsões de controle com alto desempenho e generalização zero-shot em ambientes não vistos, superando desafios como escassez de dados e esquecimento catastrófico.
O FALCON é um método de pré-treinamento auto-supervisionado para reconhecimento de ações em vídeos de UAVs que supera o desequilíbrio espacial típico de imagens aéreas ao integrar um autoencoder mascarado consciente de objetos com reconstrução futura de duplo horizonte, resultando em maior precisão e inferência significativamente mais rápida em comparação com abordagens supervisionadas.
Este trabalho apresenta um novo e eficiente framework de programação não-linear que integra decisões hierárquicas ao planejamento e controle de cinemática inversa, utilizando a norma para resolver problemas complexos como a seleção simultânea de locais de preensão e posições de efetuadores finais com maior precisão e versatilidade do que as abordagens atuais.
Este artigo apresenta o Controle Preditivo Generativo, um novo quadro de aprendizado supervisionado que utiliza políticas de correspondência de fluxo para resolver tarefas robóticas dinâmicas e de difícil demonstração, superando as limitações de métodos existentes ao permitir o uso de simulações e garantir feedback de alta frequência.
Este artigo apresenta o CAPS, um método inovador que utiliza VQ-VAEs para criar representações estruturadas e reequilibrar conjuntos de dados desbalanceados em aprendizado por imitação, resultando em melhorias significativas no desempenho e na generalização de sistemas de direção autônoma no simulador CARLA.
Este artigo demonstra que uma abordagem simples de controle preditivo de modelo (MPC) baseada no algoritmo iLQR e no MuJoCo é surpreendentemente eficaz no mundo real, permitindo a generalização de políticas de locomoção e manipulação para robôs quadrúpedes e humanoides com poucas considerações de simulação para realidade.
Este artigo propõe um método de odometria LiDAR baseado em grafos que utiliza múltiplos submapas sobrepostos e refinamento retrospectivo para corrigir erros de registro, alcançando alta precisão e consistência em tempo real em diversos conjuntos de dados automotivos.
O artigo apresenta o FindAnything, um framework de mapeamento em mundo aberto que integra informações visuais e linguísticas em submapas volumétricos centrados em objetos, permitindo uma compreensão semântica escalável e eficiente em termos de memória e tempo para exploração robótica em ambientes desconhecidos.
Este artigo apresenta um método consciente de robustez que seleciona ferramentas e planeja trajetórias de manipulação ricas em contato, utilizando uma métrica baseada em energia para otimizar a resiliência contra perturbações externas em tarefas de uso de ferramentas.
Este artigo propõe uma metodologia estruturada baseada no metamodelo MeROS e adaptada ao modelo em V para integrar a Engenharia de Sistemas Baseada em Modelos (MBSE) com o Robot Operating System (ROS), visando garantir coerência semântica e rastreabilidade no desenvolvimento de sistemas robóticos heterogêneos complexos.
Este trabalho apresenta um novo framework de aprendizado por reforço multiagente com arquitetura aluno-professor que gera automaticamente um currículo adaptativo de comportamentos de tráfego, permitindo que veículos autônomos aprendam a lidar de forma equilibrada e segura com cenários que variam do rotineiro ao crítico, superando as limitações dos métodos baseados em regras.
Este artigo apresenta um framework interativo e sem código para geração de cenários no simulador CARLA, que utiliza uma interface gráfica e uma representação baseada em grafos para permitir que usuários sem expertise técnica criem, modifiquem e executem testes de validação para veículos autônomos de forma acessível e eficiente.
O artigo apresenta o VEGA, um sistema de navegação para veículos elétricos que combina um operador neural informado por física para estimar parâmetros do veículo e um agente de aprendizado por reforço (PPO) para planejar rotas e paradas de recarga de forma eficiente, demonstrando resultados superiores em tempo de viagem e velocidade de inferência em comparação com métodos tradicionais.
Este artigo apresenta um framework multimodal que integra a compreensão de linguagem natural com raciocínio espacial para prever com maior precisão os objetivos de aeronaves em espaços aéreos não controlados, utilizando transcrições de comunicações de rádio para condicionar modelos probabilísticos e melhorar a tomada de decisão autônoma.
O artigo apresenta o GLIDE, um quadro cooperativo de busca e resgate que integra dois drones e um veículo terrestre para otimizar a localização de vítimas e a navegação segura em ambientes desconhecidos, utilizando um drone para detecção de alvos, outro para mapeamento do terreno e o veículo terrestre para planejamento de trajetória em tempo real.
Este trabalho propõe uma abordagem baseada em visão para exploração semântica orientada a decisões em robôs com pernas, que utiliza arbitragem de evidências semânticas calibradas por confiança, memória topológica de crescimento controlado e seleção de subobjetivos baseada em utilidade semântica para transformar observações ruidosas em decisões de exploração estáveis e executáveis sem depender de reconstrução geométrica densa.
Este artigo apresenta o GPHDM, uma abordagem inovadora que gera movimentos robóticos fisicamente consistentes e estruturados taxonomicamente ao integrar representações latentes em variedades hiperbólicas com vieses indutivos conscientes da hierarquia de movimentos.
Este artigo apresenta o ROSflight 2.0, um sistema de piloto automático leve e de código aberto baseado em ROS 2, projetado para pesquisadores, que introduz melhorias na modularidade, suporte a hardware e ambiente de simulação para acelerar a pesquisa em veículos aéreos não tripulados, demonstrando experimentalmente o controle de um multirotor a 400 Hz com todos os laços de controle executados no computador de bordo.