864 artigos
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.
O artigo apresenta o MiDAS, um sistema de código aberto e agnóstico à plataforma que permite a aquisição não invasiva e sincronizada de dados multimodais para cirurgia robótica minimamente invasiva, validado em robôs Raven-II e da Vinci Xi e acompanhado de um novo conjunto de dados anotados que inclui tarefas de sutura de reparo de hérnia.
Este artigo propõe o framework RL-Co, um método de co-treinamento sim-real baseado em aprendizado por reforço que supera as limitações do ajuste fino supervisionado ao combinar pré-treinamento com demonstrações mistas e refinamento interativo em simulação, resultando em melhorias significativas nas taxas de sucesso, generalização e eficiência de dados para modelos de Visão-Linguagem-Ação em tarefas de manipulação robótica real.
Este artigo apresenta um novo framework que utiliza aprendizado por reforço em simulação, combinado com randomização de domínio e uma camada de mapeamento, para permitir que robôs balísticos em miniatura aprendam e mantenham com sucesso poses invertidas no mundo real, superando as limitações dos controladores tradicionais.
O artigo apresenta o ROSER, um framework de recuperação de sequências robóticas baseado em poucos exemplos que extrai segmentos de tarefas específicas de logs contínuos não rotulados, superando métodos anteriores em precisão e eficiência para viabilizar o aprendizado de robôs em larga escala.
O artigo apresenta o "Companion", um sistema artístico que integra um robô de desenho com modelos de linguagem grandes para facilitar uma colaboração criativa bidirecional por meio de fala e esboços, transformando o robô de um executor passivo em um parceiro co-criativo capaz de gerar obras com identidade estética distinta e mérito de exposição profissional.
O artigo apresenta o RoboLayout, uma extensão do LayoutVLM que aprimora a geração de layouts de cenas 3D para agentes corporificados ao integrar restrições de alcançabilidade em um processo de otimização diferenciável e incluir uma etapa de refinamento local, permitindo a criação de ambientes semanticamente coerentes e fisicamente viáveis para diversos tipos de agentes.
O artigo apresenta o ProFocus, um framework de treinamento livre que aprimora a navegação visão-linguagem unindo percepção proativa, que gera consultas visuais direcionadas, e raciocínio focado, que utiliza uma busca em árvore para priorizar contextos históricos relevantes, alcançando desempenho de ponta em benchmarks sem necessidade de ajuste.
Este artigo apresenta um pipeline de previsão de trajetória para interseções urbanas baseado em gêmeos digitais e V2X, que utiliza uma função de perda inovadora combinando erro quadrático médio e uma "twin loss" para garantir precisão, diversidade e conformidade com regras de trânsito, reduzindo significativamente violações críticas sem comprometer o desempenho em tempo real.
O artigo apresenta o TEGA, um sistema de teleoperação assistiva que combina inferência de intenção baseada em EMG, sensoriamento visotátil e feedback háptico vibratório em tempo real para permitir que usuários com deficiência no membro superior ajustem intuitivamente a força de preensão e melhorem a estabilidade da manipulação robótica.
O artigo apresenta o PRISM, um método que integra Aprendizado por Imitação e Aprendizado por Reforço para refinar políticas robóticas genéricas em comportamentos específicos e robustos, utilizando descrições em linguagem natural e correções humanas durante o processo de treinamento.
Este artigo propõe uma abordagem de aprendizado conjunto que utiliza demonstrações de tarefas diretas em novas configurações para aprender tarefas inversas e extrapolar políticas de habilidades robóticas a condições não vistas, superando as limitações de generalização zero-shot e a dependência de grandes volumes de dados de métodos existentes.
Este artigo propõe o primeiro framework de verificação robusta acoplado para detectores de keypoints baseados em mapas de calor, utilizando um programa linear de números mistos (MILP) para garantir a robustez conjunta de todos os keypoints e superar as limitações conservadoras das abordagens decopladas anteriores.
O artigo apresenta o RACAS, uma arquitetura agênica baseada em modelos de linguagem que permite o controle em malha fechada de robôs radicalmente diferentes (terrestres, subaquáticos e de membros articulados) utilizando apenas descrições em linguagem natural, eliminando a necessidade de reprogramação ou re-treinamento para cada nova plataforma.
Este artigo apresenta uma estrutura de controle geral baseada em Funções de Lyapunov para a regulação e rastreamento em espaço de tarefas de robôs macios subatuados com limites de atuadores, demonstrando superioridade em precisão e estabilidade em comparação com métodos existentes através de simulações em diversas plataformas.
Este artigo apresenta o conjunto de dados multimodal RFM-HRI, que registra as reações verbais e não verbais de usuários e suas preferências de recuperação diante de falhas em robôs médicos durante tarefas de recuperação de itens, fornecendo uma base fundamental para o desenvolvimento de métodos de detecção e recuperação de falhas em interações humano-robô.