867 artigos
O artigo apresenta o SkillsCrafter, um novo framework de manipulação robótica que permite a aprendizagem contínua de múltiplas habilidades linguísticas sem esquecer as anteriores, utilizando adaptação de habilidades e agregação de especialização para preservar e generalizar o conhecimento.
O artigo apresenta o "Critic in the Loop", um framework hierárquico adaptativo que integra um modelo VLM para raciocínio global, um modelo VLA para execução reativa e um crítico visual leve para rotear dinamicamente o controle, permitindo manipulação robótica robusta e eficiente em tarefas de longo horizonte ao minimizar consultas custosas e lidar com falhas.
Este trabalho apresenta um sistema robótico de triagem têxtil automatizada e acionado por gêmeo digital que integra percepção multimodal e modelos de linguagem visuais (VLMs) para classificar roupas e detectar objetos estranhos em tempo real, demonstrando a viabilidade de soluções escaláveis para reciclagem sustentável em ambientes industriais.
Este artigo propõe expandir o papel dos robôs colaborativos na reabilitação física para além do treinamento de movimentos repetitivos, sugerindo que eles auxiliem terapeutas e pacientes antes, durante e após as sessões para superar barreiras de acesso, embora desafios como segurança e integração no fluxo de trabalho ainda precisem ser superados.
Este artigo apresenta o CDSM, um quadro de trabalho em tempo real que constrói sistemas dinâmicos diretamente em variedades Riemannianas e grupos de Lie, combinando componentes tangenciais e normais para gerar comportamentos robóticos estáveis, adaptáveis e geometricamente precisos em ambientes domésticos.
Este trabalho apresenta um framework de teste inovador para servidores centrais de veículos em arquiteturas E/E centralizadas, que combina Veículo-em-Loop (ViL) e tecnologia de Digital Twin para validar algoritmos de direção autônoma em um ambiente seguro, reproduzível e realista, eliminando a necessidade de testes individuais de ECUs e facilitando a integração virtual-física desde as etapas iniciais do desenvolvimento.
O artigo apresenta o HD-ExpIt, um framework que aprimora políticas de difusão hierárquicas para manipulação condicionada por linguagem através de um ciclo iterativo de refinamento on-policy, onde o planejamento baseado em difusão descobre comportamentos bem-sucedidos que são retroalimentados para melhorar tanto o planejador quanto o controlador, superando as limitações de dados offline e alcançando desempenho superior no benchmark CALVIN.
O artigo propõe a Latent Policy Steering (LPS), um método de aprendizado por reforço offline que alcança desempenho de ponta em tarefas robóticas ao eliminar críticos latentes proxy e permitir a otimização direta no espaço latente através de um policy de MeanFlow de um passo, garantindo assim a melhoria da política com fidelidade e estabilidade sem necessidade de ajuste fino de hiperparâmetros.
Este artigo apresenta um modelo estático exato, baseado em configuração e livre de restrições para robôs paralelos contínuos, que elimina equações algébricas complexas através de incorporação cinemática e utiliza uma aproximação de Magnus de quarta ordem para resolver eficientemente as equações de equilíbrio não lineares sob grandes deformações e rotações.
O artigo apresenta o UltraDexGrasp, um framework que utiliza um pipeline de geração de dados sintéticos para criar o conjunto de dados UltraDexGrasp-20M, permitindo que uma política de aprendizado simples alcance transferência sim-real robusta e uma taxa de sucesso de 81,2% em apreensões destreitas bimanuais universais para objetos variados.
Este artigo apresenta um pipeline unificado que utiliza imagens de TC para criar simulações específicas do paciente e planejar a inserção robótica de implantes cocleares, empregando um modelo de haste de Cosserat diferenciável para prever e regular as forças de contato, minimizando assim o trauma intracoclear e os riscos de travamento ou flambagem.
O artigo apresenta o Omni-Manip, uma política visuomotora end-to-end baseada em LiDAR que utiliza percepção 360° e um mecanismo de atenção temporal para permitir manipulação robótica humana robusta em grandes espaços de trabalho sem a necessidade de reposicionamento frequente, superando as limitações de campo de visão das soluções tradicionais RGB-D.
O OpenFrontier é um framework de navegação sem treinamento que utiliza fronteiras visuais como âncoras semânticas para integrar modelos de visão e linguagem, permitindo que robôs realizem navegação em ambientes abertos com alto desempenho zero-shot sem a necessidade de mapeamento 3D denso ou ajuste fino.
Este artigo apresenta o controlador MPPI-DK, que acelera o controle preditivo baseado em amostragem substituindo a dinâmica não linear por um operador de Koopman profundo aprendido, permitindo controle em tempo real eficiente em plataformas robóticas com desempenho comparável ao uso de dinâmicas reais.
Este artigo apresenta o CliReg, um algoritmo determinístico baseado na busca de cliques máximos que substitui o RANSAC para validação de fechamento de laço em SLAM baseado em LiDAR 3D, demonstrando maior robustez, precisão e confiabilidade em condições de ruído e ambiguidade ambiental.
O artigo apresenta o ROScopter, um autopiloto leve para drones multirotores projetado para pesquisadores, que utiliza a arquitetura ROSflight 2.0 e o ROS 2 para facilitar a simulação e testes de hardware, oferecendo desempenho comparável aos sistemas de última geração com um código-base significativamente mais modular e reduzido.
O artigo apresenta o PhysiFlow, um framework VLA multi-cérebro consciente da física que utiliza correspondência de fluxo latente e rastreamento robusto para garantir uma coordenação corporal completa estável e semanticamente guiada em robôs humanoides.
O artigo apresenta o CompACT, um tokenizador discreto compacto que comprime observações em apenas 8 tokens, permitindo que modelos de mundo realizem planejamento de decisão em tempo real com custo computacional drasticamente reduzido e desempenho competitivo.
Este artigo propõe um controlador híbrido que combina Model Predictive Control (MPC) com uma política residual aprendida via Reinforcement Learning para melhorar a robustez e a precisão no empurramento de células microrrobóticas sob fluxo microfluídico variável no tempo, demonstrando superioridade sobre métodos tradicionais e capacidade de generalização para trajetórias não vistas.
Este trabalho propõe e analisa os conceitos de observabilidade e controlabilidade de características em Modelos Visão-Linguagem-Ação (VLAs), demonstrando que intervenções lineares leves permitem interpretar e direcionar o comportamento de robôs em tempo real, alinhando-os a preferências do usuário sem a necessidade de ajuste fino.