867 artigos
O artigo apresenta o PRoP, um framework agnóstico a modelos que permite a personalização de políticas robóticas para atender preferências individuais sem comprometer a privacidade, utilizando chaves únicas para transformar matematicamente os pesos da rede e garantir que apenas usuários autorizados acessem o comportamento personalizado.
Este artigo apresenta um solver local rápido e com certificado de otimalidade global para estimar a forma e a pose de objetos em nível de categoria a partir de imagens RGB-D, utilizando um modelo de forma ativa linear e iteração de campo autoconsistente para alcançar tempos de execução inferiores a um milissegundo.
O artigo apresenta o RehearseVLA, um framework de pós-treinamento baseado em aprendizado por reforço que utiliza um simulador de mundo virtual fisicamente consistente e um refletor guiado por modelos de visão e linguagem para superar a escassez de dados e as limitações de segurança na adaptação de modelos Visão-Linguagem-Ação (VLA) para tarefas robóticas complexas.
O artigo apresenta o ELMUR, uma arquitetura de transformador com memória externa estruturada que supera as limitações de dependências de longo prazo em problemas de RL de horizonte estendido, alcançando desempenho superior em tarefas sintéticas e robóticas complexas com observações parciais.
O artigo apresenta o TIGeR, um novo framework que aprimora os Modelos Visão-Linguagem para robótica ao integrá-los com ferramentas computacionais externas para realizar cálculos geométricos precisos, superando as limitações de estimativa qualitativa e alcançando precisão em nível de centímetros em tarefas de manipulação real.
O LaViRA é um framework zero-shot inovador para navegação visão-linguagem em ambientes contínuos que supera os métodos atuais ao decompor a ação em uma hierarquia de planejamento linguístico, fundamentação visual e controle robótico, aproveitando as capacidades de diferentes modelos de linguagem multimodal para garantir alta generalização e eficiência em cenários não vistos.
O artigo apresenta o SoraNav, um novo quadro que permite a navegação autônoma de UAVs baseada em instruções de linguagem natural em ambientes 3D complexos, utilizando anotação visual multimodal e uma estratégia de decisão adaptativa para superar as limitações espaciais e de alucinação dos modelos VLM atuais, demonstrando desempenho superior em testes reais.
O artigo apresenta o Dynamic-ICP, um método de registro de nuvens de pontos que utiliza dados de Doppler de sensores LiDAR FMCW para estimar e compensar objetos dinâmicos, melhorando significativamente a precisão e a estabilidade da odometria em ambientes altamente dinâmicos sem a necessidade de sensores externos.
Este artigo apresenta um método de estimativa de estado monocular para sistemas robóticos flexíveis que integra modelos de deformação aprendidos e cinemática contínua para aplicar leis dinâmicas, permitindo a recuperação robusta de escala métrica e gravidade ao alinhar a aceleração visual com a física do sistema.
O artigo apresenta o CERNet, um modelo unificado baseado em uma rede neural recorrente de codificação preditiva com vetores de incorporação de classe, que permite a um robô humanoide gerar movimentos, reconhecer intenções em tempo real e estimar a confiança de suas inferências de forma integrada e robusta.
Este trabalho demonstra que a competição multiagente com recompensas esparsas de vitória gera voos ágeis e estratégias complexas que superam métodos de treinamento individual e transferem-se com maior eficácia para o mundo real.
O artigo apresenta o TOLEBI, um novo quadro de aprendizado baseado em reforço para locomoção bípede que combina transferência sim-to-real e um módulo de estimativa de status online para desenvolver estratégias robustas de tolerância a falhas de hardware e perturbações externas em robôs humanoides.
Este artigo apresenta um pipeline completo de percepção e controle embarcado para manipulação aérea com contato rico, que combina odometria visual-inercial aumentada com fatores de consistência de contato e controle híbrido de força-movimento para realizar tarefas de interação física estáveis e precisas sem depender de sistemas de captura de movimento externos.
O artigo propõe o H-WM, um modelo de mundo hierárquico que unifica a previsão de transições lógicas e visuais para guiar o planejamento de tarefas e movimentos robóticos, combinando a robustez do raciocínio simbólico de longo prazo com a fundamentação visual para mitigar erros cumulativos.
O artigo apresenta o PhysMem, um framework de memória que permite a planejadores robóticos baseados em modelos de linguagem e visão aprenderem princípios físicos durante a interação em tempo de execução, sem atualizar os parâmetros do modelo, ao registrar experiências, gerar hipóteses e validá-las por meio de interações direcionadas antes de aplicá-las para melhorar o desempenho em tarefas de manipulação.
O artigo apresenta o FlowCorrect, uma abordagem de aprendizado por imitação interativa que permite a adaptação eficiente e em tempo real de políticas de manipulação robótica baseadas em fluxo generativo por meio de correções humanas esparsas, alcançando altas taxas de sucesso em tarefas do mundo real sem a necessidade de retreinamento do modelo.
Este artigo apresenta o LiteVLA-Edge, um pipeline de modelos Visão-Linguagem-Ação otimizado para inferência totalmente local em hardware embarcado, que combina ajuste fino supervisionado e quantização 4-bit para alcançar latências reativas de aproximadamente 6,6 Hz em sistemas robóticos integrados ao ROS 2.
Este artigo apresenta uma estrutura de modelagem baseada em agentes multiagentes que simula a mobilidade arqueológica em terrenos acidentados, integrando reconstrução realista do terreno, agentes heterogêneos e estratégias de navegação adaptativa por aprendizado por reforço para analisar o comportamento humano e o transporte em paisagens históricas.
O artigo apresenta o Phys4D, um pipeline de três estágios que transforma modelos de difusão de vídeo em representações 4D consistentes com a física, utilizando pré-treinamento pseudo-supervisionado, ajuste fino baseado em simulação e aprendizado por reforço para garantir coerência geométrica e dinâmica temporal.
Este artigo propõe uma arquitetura de integração GNSS/IMU em tempo real baseada em Otimização de Grafos de Fatores (FGO) para ambientes urbanos desafiadores, demonstrando que, embora haja uma redução na precisão de posicionamento em comparação com métodos de processamento em lote, a abordagem oferece maior disponibilidade de serviço e eficiência computacional, estabelecendo um equilíbrio crítico entre precisão, disponibilidade e desempenho em tempo real.