689 artigos
O artigo apresenta o -Occ, um framework inovador para previsão de oclusão semântica 3D em direção autônoma que utiliza reconstrução mascarada multiview e memória de características para manter a precisão geométrica e semântica mesmo na ausência de múltiplas câmeras, superando significativamente os métodos existentes em cenários de falha de visão.
Este artigo apresenta o SACA, um novo quadro de alinhamento contrastivo sensível a etapas que extrai supervisão densa de trajetórias imperfeitas para superar as limitações de generalização e estabilidade no treinamento de agentes de Navegação Visão-Linguagem em Ambientes Contínuos, alcançando desempenho state-of-the-art.
Este artigo apresenta um robô contínuo compacto e baseado em molas, inspirado na locomoção e sensibilidade de lagartas, que utiliza atuadores de tendão e sensores de cerdas artificiais para permitir a exploração e inspeção de espaços confinados por braços robóticos comerciais.
O artigo apresenta o PanoAffordanceNet, um novo framework e conjunto de dados (360-AGD) que estabelecem a tarefa de "Grounding de Apropriação Holística" em ambientes internos de 360°, superando desafios como distorções geométricas e dispersão semântica para permitir uma percepção global em agentes corporificados.
O artigo apresenta o MuxGel, um sensor visuo-tátil que utiliza um padrão de xadrez para capturar simultaneamente informações visuais externas e sinais táteis através de uma única câmera, empregando uma rede U-Net para reconstruir sinais de alta fidelidade e melhorar a manipulação robótica.
O artigo apresenta o TIMID, uma nova arquitetura de detecção de anomalias em vídeos que utiliza aprendizado supervisionado fraco e um conjunto de dados de simulação multi-robô para identificar erros temporais dependentes do tempo em tarefas de alto nível executadas por robôs, superando as limitações de modelos de linguagem visuais existentes.
Este artigo apresenta um sistema de rastreamento de UAVs baseado em LiDAR 3D leve e adaptativo, que utiliza um Filtro de Kalman Estendido Adaptativo (AEKF) para garantir posicionamento relativo preciso e robusto em ambientes sem GPS, superando limitações de ruído e oclusão em drones de pequeno porte.
Este artigo apresenta o framework DAPL, que utiliza modelagem de mundo explícita para aprender representações de dinâmicas induzidas por contato, permitindo que a destreza extrínseca em cenas desordenadas surja naturalmente sem heurísticas manuais e superando métodos existentes tanto em simulação quanto em aplicações do mundo real.
Este artigo apresenta um estudo comparativo de cinco abordagens de localização cooperativa em ambientes sem características, revelando que, embora métodos como StCL e Standard-CL ofereçam alta precisão, eles sofrem de inconsistência, enquanto a Interseção de Covariância (CI) se destaca como a solução mais equilibrada, combinando consistência robusta com precisão competitiva.
O artigo apresenta o NanoBench, um novo conjunto de dados de benchmark de código aberto coletado no nano-quadrotor Crazyflie 2.1, que fornece sinais de nível de atuador e dados de estado sincronizados para avaliar e desenvolver sistemas de identificação, controle e estimativa de estado específicos para a escala nano.
O artigo apresenta o KDMR, uma nova estrutura de retransmissão de movimento cinodinâmico que formula a locomoção humanoides como um problema de otimização de trajetória corporal completa com múltiplos contatos, superando as limitações de métodos puramente cinemáticos ao garantir consistência física e melhorar o treinamento de políticas de controle.
O artigo apresenta o BEACON, um método que supera as limitações de navegação baseada em linguagem em cenários com oclusão ao prever um mapa de calor de affordance em visão de pássaro (BEV) a partir de observações multiview, alcançando uma melhoria significativa de 22,74 pontos percentuais em relação às abordagens de estado da arte baseadas em espaço de imagem.
O artigo apresenta o TiPToP, um sistema modular de planejamento de manipulação robótica que combina modelos de visão pré-treinados com um planejador de tarefas e movimentos para executar tarefas complexas a partir de imagens e instruções em linguagem natural sem necessidade de dados de treinamento específicos do robô, demonstrando desempenho superior ou equivalente a modelos de ação visão-linguagem treinados com milhares de horas de demonstrações.
Esta pesquisa de revisão examina a aplicação da teoria da utilidade na modelagem cognitiva de sistemas robóticos, analisando a evolução desde arquiteturas comportamentais até sistemas de valor em agentes individuais e multiagentes, e propõe direções futuras e problemas em aberto para o desenvolvimento de interações robóticas estáveis e confiáveis.
Este artigo apresenta um método que utiliza Entropia de Transferência para modular a influência entre agentes em interações humano-robô, demonstrando que o reforço dessa influência melhora a colaboração e a comunicação implícita, enquanto a resistência a ela promove independência social, validado através de simulações e experimentos reais em navegação e direção autônoma.
Este artigo propõe uma Rede de Osciladores Acoplados (CON) que, ao garantir estrutura lagrangiana, estabilidade global e mapeamento invertível, permite o controle de alto desempenho de sistemas físicos complexos diretamente no espaço latente utilizando apenas imagens como feedback.
O artigo apresenta o xTED, um framework que utiliza um modelo de difusão para editar trajetórias de um domínio de origem e adaptá-las a um domínio alvo, preenchendo lacunas de dados de forma universal e flexível para melhorar o aprendizado de políticas em tarefas de tomada de decisão com dados limitados.
Este artigo apresenta uma formulação de ação variacional explícita e geral para sistemas mecânicos não holonômicos e com restrições de desigualdade, baseada no formalismo de Schwinger-Keldysh, que recupera as equações de Lagrange-d'Alembert e permite a validação numérica direta via otimização da ação.
Este artigo propõe um método que utiliza modelos de visão e linguagem pré-treinados para aprender modelos de mundo simbólicos abstratos a partir de demonstrações curtas, permitindo que robôs generalizem para zero-shot e resolvam problemas de tomada de decisão de longo horizonte em cenários complexos e variados através de planejamento.
O artigo apresenta o GPC (Generative Predictive Control), um framework de aprendizado que combina clonagem de comportamento, modelagem preditiva do mundo e planejamento online para superar consistentemente a clonagem de comportamento em diversas tarefas de manipulação robótica, tanto em simulação quanto no mundo real.