864 artigos
O artigo apresenta o CBF-RL, um framework que integra Funções de Barreira de Controle (CBFs) durante o treinamento de Aprendizado por Reforço para internalizar restrições de segurança na política aprendida, permitindo a implantação segura em robôs reais, como o Unitree G1, sem a necessidade de filtros de segurança em tempo real.
Este artigo propõe as Funções de Barreira de Hiperplano (H-CBFs), que otimizam a orientação do hiperplano de separação entre o agente e o obstáculo para encontrar uma função de barreira menos conservadora do que as abordagens baseadas apenas em distância, garantindo segurança com maior liberdade de controle em sistemas dinâmicos complexos.
Este artigo apresenta um planejador TAMP cinodinâmico que utiliza uma árvore de estados híbrida e um modelo de linguagem visual (VLM) para guiar a exploração e o retrocesso da busca, superando significativamente as taxas de sucesso e reduzindo o tempo de planejamento em comparação com métodos tradicionais e baseados em LLMs.
Este trabalho apresenta o SpikeATac, um dedo tátil multimodal que combina sensores dinâmicos e estáticos para permitir a manipulação intra-mão de objetos frágeis em robôs dexterous, utilizando um pipeline de aprendizado que integra reforço com feedback humano e recompensas baseadas no tato.
Este trabalho apresenta uma nova classe de algoritmos de compensação de cone para sistemas de navegação inercial, derivados diretamente de rotinas de integração Runge-Kutta e fundamentados na teoria de Lie, oferecendo um procedimento claro para a geração de algoritmos de ordens superiores.
O artigo apresenta o ROVER, uma abordagem inovadora de verificação temporal baseada em reguladores para políticas de robôs caixas-pretas, que utiliza especificações de Lógica Temporal de Sinal (STL) e métricas de robustez para guiar o retreinamento iterativo, resultando em melhorias significativas na satisfação de requisitos de segurança temporal tanto em simulações quanto em robôs reais.
O artigo propõe o ObAct, um novo framework de aprendizado por imitação com visão ativa que utiliza um braço robótico como observador para construir uma representação 3DGS e encontrar a melhor posição de câmera, permitindo que o braço executor atue com observações mais claras e resultando em políticas significativamente mais robustas do que em configurações com câmeras estáticas.
O artigo apresenta o MarketGen, uma plataforma de simulação escalável que utiliza geração procedural de conteúdo baseada em agentes para criar automaticamente ambientes de supermercado realistas e estruturados, oferecendo um novo benchmark e biblioteca de ativos para avançar a pesquisa em agentes corporativos para aplicações comerciais complexas.
O artigo apresenta o LAP, um planejador de condução autônoma baseado em difusão latente que, ao operar em um espaço latente aprendido por VAE e utilizar um mecanismo de alinhamento de características, alcança desempenho de ponta no benchmark nuPlan com uma aceleração de inferência de até 10x ao gerar planos de alta qualidade em um único passo.
O artigo apresenta o GRAND, um algoritmo hierárquico que combina orientação baseada em aprendizado de máquina, rebalanceamento por fluxo de custo mínimo e atribuição local para otimizar o despacho de grandes frotas de robôs em armazéns, aumentando o throughput em até 10% em relação aos melhores métodos existentes enquanto mantém a execução em tempo real.
O artigo apresenta o TEMPO-VINE, o primeiro conjunto de dados público multitemporal e multimodal projetado para avaliar técnicas de fusão de sensores, localização e mapeamento em vinhedos reais, preenchendo uma lacuna crítica ao fornecer trajetórias de referência e dados de sensores heterogêneos sob diversas condições ambientais e de crescimento vegetal.
O artigo apresenta o NeuralRemaster, um método de difusão que preserva as fases dos dados de entrada enquanto randomiza suas magnitudes, permitindo a geração de imagens e vídeos estruturalmente alinhados e geometricamente consistentes para tarefas como re-renderização e transferência sim-to-real, sem custos adicionais de inferência ou alterações na arquitetura do modelo.
Este artigo apresenta um método eficiente e em tempo real baseado em molificação para gerar trajetórias suaves com garantias de curvatura a partir de caminhos não diferenciáveis, atendendo aos requisitos de diferenciabilidade de algoritmos de controle para robôs móveis não holonômicos.
Este artigo propõe um novo quadro cooperativo bidirecional para o pouso de UAVs, no qual a plataforma móvel ativa inclina-se para criar uma atitude terminal ideal, permitindo a sincronização paralela e ágil entre o veículo e a plataforma, superando assim as limitações dos métodos convencionais de "rastrear e descer".
O artigo apresenta o EmboTeam, um framework inovador para planejamento de tarefas em equipes de robôs heterogêneos que integra raciocínio de modelos de linguagem (LLMs), planejamento clássico baseado em PDDL e árvores de comportamento reativas para melhorar significativamente a execução de tarefas de longo prazo em ambientes domésticos.
O artigo apresenta o MOSAIC, um framework de autonomia escalável que permite a um único operador supervisionar equipes heterogêneas de robôs em missões de exploração científica, demonstrando alta eficiência e robustez em um experimento de campo análogo ao lunar mesmo diante de falhas de hardware.
O artigo apresenta o DDP-WM, um modelo de mundo eficiente que utiliza a previsão de dinâmicas desentrelaçadas para decompor a evolução do estado em interações físicas primárias e atualizações de contexto secundárias, alcançando uma aceleração de inferência de 9 vezes e melhorias significativas no sucesso de planejamento em comparação com modelos densos baseados em Transformers.
Este trabalho apresenta o novo problema de Manipulação Exploratória e Focada (EFM), estabelecendo o benchmark EFM-10 e uma estratégia de Percepção Ativa Bimanual (BAP) que utiliza um braço para visão ativa e outro para sensoriamento de força, validando sua eficácia através de um conjunto de dados e aprendizado por imitação para superar oclusões visuais em tarefas de manipulação desafiadoras.
O artigo apresenta o MAE-Select, uma nova estrutura que otimiza dinamicamente a seleção de viewpoints em sistemas robóticos de câmera única, utilizando representações de um autoencoder mascarado pré-treinado para superar as limitações de configurações fixas e, em alguns casos, superar até mesmo setups multicâmera.
Este trabalho propõe uma abordagem de Cinemática Inversa em Malha Fechada (CLIK) em domínio infinito-dimensional para robôs macios, utilizando redes neurais de operadores diferenciais para aprender mapeamentos de atuação para forma e permitir o controle de tarefas em todo o corpo do robô.