864 artigos
Este artigo apresenta uma solução baseada em amostras para o controle de modos híbridos, formulando a seleção e o agendamento de modos de controle não diferenciáveis e algorítmicos como um problema de otimização inteira que garante desempenho assintoticamente ótimo e permite a síntese de comportamentos complexos em tarefas robóticas do mundo real.
Este trabalho apresenta o C3+, um algoritmo aprimorado de controle preditivo baseado em contato (CI-MPC) que permite o empurramento preciso e em tempo real de objetos únicos e múltiplos com geometrias diversas, alcançando uma taxa de sucesso de 98% em tarefas de manipulação não preênse.
O artigo apresenta o AURASeg, um framework de segmentação de áreas navegáveis para robôs embarcados que utiliza refinamento de bordas assistido por resíduos e upsampling guiado por atenção para superar desafios de precisão e eficiência em ambientes variados, validando seu desempenho em múltiplos conjuntos de dados e em dispositivos de borda como o Jetson Nano.
Este artigo apresenta um framework online que utiliza a decomposição de modo dinâmico de Hankel (Hankel-DMD) com projeção de Cadzow e thresholding de valor singular para aprender em tempo real modelos preditivos não lineares de obstáculos dinâmicos, permitindo a remoção de ruído e a previsão de trajetórias para planejamento de movimento robótico seguro.
Este estudo propõe e avalia quatro indicadores de campo de visão em realidade aumentada para alinhar o modelo mental humano sobre as capacidades visuais dos robôs, demonstrando que indicadores alocêntricos no espaço da tarefa e indicadores egocêntricos nos olhos do robô melhoram a precisão na colaboração humano-robô sem aumentar a carga cognitiva.
O artigo apresenta o ExpReS-VLA, um método que especializa modelos Visão-Linguagem-Ação (VLA) pré-treinados para domínios específicos por meio de replay de experiência comprimido e geração aumentada por recuperação, permitindo adaptação rápida e eficiente em dispositivos sem esquecer tarefas anteriores e alcançando desempenho superior em benchmarks de robótica.
O artigo apresenta o CAVER, um robô inovador que utiliza um efetuador final personalizado, uma representação audiovisual combinada e uma exploração guiada pela curiosidade para aprender correlações entre aparência visual e som, melhorando a classificação de materiais e a imitação de demonstrações humanas baseadas apenas em áudio.
Este trabalho apresenta um framework de aprendizado por reforço em espaço de tarefas que combina Proximal Policy Optimization (PPO) com primitivas de movimento e controle de impedância consciente de energia para gerar trajetórias seguras, suaves e energeticamente eficientes em tarefas de manipulação com contato rico em ambientes 3D.
O artigo apresenta o WNumMPC, um método hierárquico de navegação multiagente que combina aprendizado por reforço e controle baseado em modelo para resolver impasses causados por simetria em cenários densos, utilizando o número de enrolamento como invariante topológico para coordenar estratégias de passagem e garantir transferência robusta da simulação para a realidade.
O artigo apresenta o Bi-AQUA, um novo framework de aprendizado por imitação bilateral para braços robóticos subaquáticos que integra modelagem explícita de iluminação via Transformers e codificação hierárquica para superar os desafios de visibilidade e garantir manipulação robusta em condições de luz variáveis.
O artigo apresenta o EchoVLA, um modelo de Visão-Linguagem-Ação (VLA) com memória declarativa sinérgica que combina mapas espaço-semânticos e experiências episódicas para superar as limitações de manipulação móvel de longo prazo, alcançando desempenho superior em benchmarks simulados e reais.
Este artigo apresenta um novo pipeline de planejamento de trajetória para mudanças de faixa autônomas que integra campos de risco dinâmicos e espaços convexos variáveis no tempo em um framework de otimização unificado, demonstrando superioridade em segurança, eficiência e conforto em comparação com métodos tradicionais.
Este artigo apresenta um novo problema de alcançabilidade para cenários de dois agentes, caracterizando geometricamente o conjunto de alcançabilidade dependente através da estratégia de perseguição com rumo constante, estabelecendo limites teóricos e validando-os por meio de simulações e de um problema de otimização original.
Este artigo apresenta o XR-DT, um quadro de Gêmeo Digital aprimorado por Realidade Estendida que integra um controlador de planejamento de trajetória HA-MPPI com um modelo de previsão humana baseado em Transformer (ATLAS) para garantir navegação segura, eficiente e interpretável de robôs móveis em ambientes compartilhados com humanos.
Este artigo apresenta o Safe Model Predictive Diffusion (Safe MPD), um planejador baseado em difusão sem treinamento que integra um escudo de segurança ao processo de geração de trajetórias para garantir, por construção, a viabilidade cinodinâmica e a segurança em sistemas robóticos complexos, superando as estratégias existentes em taxa de sucesso e tempo de computação.
O artigo apresenta o SORS, um simulador modular e de alta fidelidade baseado no método dos elementos finitos e otimização não linear, projetado para superar os desafios de modelagem de deformações não lineares e interações de contato em robôs macios, validando sua eficácia na ponte entre simulação e realidade através de diversos experimentos e otimização de controle.
O artigo apresenta o VISO, um sistema robusto de SLAM subaquático que funde câmeras estéreo, IMU e sonar 3D com calibração online e renderização fotométrica para alcançar localização precisa e reconstrução 3D densa em tempo real, superando os métodos atuais em ambientes subaquáticos.
O artigo apresenta o InsSo3D, um sistema robusto de SLAM 3D que combina sonar tridimensional e navegação inercial para realizar mapeamento e localização precisos em ambientes subaquáticos turvos, corrigindo eficazmente a deriva de odometria e permitindo a inspeção segura de estruturas submersas.
O artigo apresenta a (MGS)-Net, um framework inovador para geolocalização cruzada que supera as limitações de métodos existentes ao unificar a adaptação de escala micro-geométrica e o filtragem de estrutura macro-geométrica para alinhar com precisão imagens aéreas oblíquas e de satélite, alcançando desempenho state-of-the-art em benchmarks públicos.
O artigo apresenta o APEX, um sistema baseado em aprendizado por reforço profundo que permite a humanoides, como o Unitree G1, realizar de forma autônoma e segura a travessia zero-shot de plataformas elevadas (cerca de 114% do comprimento da perna) através da composição de comportamentos de escalada, reconfiguração postural e navegação, superando as limitações de segurança e impacto das soluções de salto tradicionais.