684 artigos
O artigo apresenta o GST-VLA, um modelo de Visão-Linguagem-Ação que introduz um Tokenizador Espacial Gaussiano para representar observações visuais como primitivas 3D estruturadas e um raciocínio de Cadeia de Pensamento Consciente de Profundidade, alcançando desempenho superior em tarefas de robótica que exigem precisão geométrica.
Este artigo propõe um novo quadro de planejamento de movimento com limites de risco que integra um modelo de operador Koopman estocástico profundo para prever distribuições de estado, um método de verificação hierárquica usando programação de soma de quadrados para certificação formal de colisão e um controlador MPPI, validando sua eficácia na geração de trajetórias seguras e eficientes para manipuladores robóticos em ambientes incertos e não convexos através de simulações e experimentos reais.
Este artigo propõe um quadro unificado de modelos de mundo latente para a condução autónoma, estabelecendo uma taxonomia abrangente, identificando cinco mecanismos internos críticos, definindo métricas de avaliação de ciclo fechado e delineando desafios futuros para garantir sistemas robustos, generalizáveis e eficientes.
O artigo apresenta o PM-Nav, um sistema de navegação corporal guiado por mapas prévios que transforma mapas ambientais em representações semânticas e utiliza prompts hierárquicos de cadeia de pensamento para superar as limitações de navegação em edifícios funcionais com características altamente similares, alcançando melhorias significativas em relação aos métodos existentes tanto em simulação quanto no mundo real.
O artigo apresenta o DexHiL, um inovador framework de aprendizado com intervenção humana que integra o controle do braço e da mão para o pós-treinamento de modelos Visão-Linguagem-Ação, demonstrando um aumento significativo de 25% nas taxas de sucesso em tarefas de manipulação dextrosa em comparação com métodos de ajuste fino offline.
Este artigo apresenta uma arquitetura de controle computacionalmente leve e adaptativa para robôs com seis ou mais pernas que navegam em terrenos acidentados, unindo controladores baseados em eventos e geradores de padrões centrais (CPG) através de segmentos idênticos interconectados que alternam entre acoplamento ao solo e locomoção fictícia.
O artigo apresenta o SPAN-Nav, um modelo fundamental de ponta a ponta que aprimora a navegação visão-linguagem ao integrar uma consciência espacial 3D universal, extraída de um vasto conjunto de dados de ocupação e condensada em um único token para raciocínio de ações, alcançando desempenho superior em diversos cenários e validada em experimentos do mundo real.
O ZeroWBC é um novo framework que permite o controle visuomotor natural de humanoides, como o Unitree G1, aprendendo diretamente de vídeos em primeira pessoa de humanos e eliminando a necessidade de dados caros de teleoperação robótica.
Este trabalho apresenta o STONE, um grande conjunto de dados multimodal e escalável para navegação off-road, que fornece mapas de tratabilidade 3D gerados automaticamente sem anotação manual, utilizando sensores sincronizados como LiDAR, câmeras e radares em diversos ambientes e condições.
Este artigo apresenta um quadro robusto de planejamento de movimento para corridas autônomas multiagente que combina identificação topológica de lacunas via GPs esparsos e um MPC acelerado por um solver PTC, resultando em tempos de manobra reduzidos, alta taxa de sucesso em ultrapassagens e menor latência computacional na plataforma F1TENTH.
O artigo apresenta o WESPR, um framework rápido que integra percepção geométrica e dados meteorológicos locais para prever campos de vento induzidos pelo ambiente, permitindo planejamento de trajetória e adaptação de controle proativos que reduzem significativamente o desvio e aumentam a estabilidade de drones quadricópteros em condições turbulentas.
Este trabalho apresenta um framework de simulação baseado em aprendizado por reforço e modelos musculoesqueléticos que permite a análise quantitativa e a co-otimização de parâmetros estruturais e de controle em robótica interativa, superando as limitações de experimentos tradicionais ao fornecer acesso direto a métricas biomecânicas internas.
O artigo apresenta o TRIP-Bag, um sistema de teleoperação portátil e de fácil configuração que permite a coleta rápida e fiel de dados de manipulação em diversos ambientes, preenchendo a lacuna entre a coleta de dados no mundo real e a aprendizagem de políticas robóticas sem o problema da diferença de corporificação.
Este artigo apresenta o MORLAX, um algoritmo nativo de GPU, e o MO-Playground, um conjunto de ambientes acelerados por GPU, que juntos permitem a aprendizagem de políticas multi-objetivo em robótica com acelerações de 25 a 270 vezes em comparação com abordagens tradicionais baseadas em CPU.
O artigo apresenta o RAE-NWM, um modelo de mundo de navegação que opera no espaço de representações visuais densas do DINOv2 em vez de espaços latentes comprimidos, utilizando um Transformer de Difusão Condicional para melhorar a estabilidade estrutural e a precisão das ações na navegação visual.
Este artigo apresenta um novo quadro de trabalho para navegação visão-linguagem que utiliza vídeos de tours de ambientes reais da web e representações geométricas implícitas para superar as limitações de escalabilidade e diversidade dos simuladores, estabelecendo novos recordes de desempenho e permitindo agentes de navegação zero-shot mais robustos.
O artigo apresenta o SPR (See, Plan, Rewind), um modelo de visão-linguagem-ação que melhora a manipulação robótica ao monitorar o progresso do tarefa através de marcos espaciais, permitindo o planejamento de trajetórias e a recuperação automática de falhas, o que resulta em maior robustez e generalização em benchmarks desafiadores.
O CORAL é um framework escalável para aprendizado robótico multi-tarefa que utiliza especialistas LoRA leves e isolados para mitigar interferências entre tarefas e evitar o esquecimento catastrófico, permitindo a adaptação contínua a novos comandos em tempo real sem sobrecarga de inferência.
O artigo apresenta o NLiPsCalib, um framework de calibração eficiente e consistente com a física que utiliza estereoscopia fotométrica de luz próxima (NLiPs) e fontes de luz controláveis para permitir a reconstrução 3D de alta fidelidade em sensores visuotáteis curvos, simplificando o processo para poucos contatos com objetos cotidianos e reduzindo a barreira de entrada para o desenvolvimento de sensores personalizados.
O artigo apresenta o SPAARS, um framework de aprendizado por reforço offline-to-online que utiliza uma exploração curricular segura no espaço latente para superar as limitações de desempenho dos métodos baseados em CVAE, transferindo o controle para o espaço de ações bruto e alcançando maior eficiência de amostragem e retornos superiores em tarefas de robótica.