部分的な点群を用いた器用な把握を生成する拡散モデル：DexDiffuser
DexDiffuserは、部分的なオブジェクト点群からロボットの器用な把握を生成、評価、洗練するための新しいフレームワークであり、シミュレーションと現実世界の両方で従来の方法よりも優れた性能を発揮します。
知覚に基づく堅牢なナビゲーション：学習済み価値関数を用いたPAC-NMPC
本稿では、強化学習で学習した価値関数を確率的に安全な非線形モデル予測制御（PAC-NMPC）に組み込むことで、複雑な環境におけるロボットの安全かつ効率的なナビゲーションを実現する新しいアプローチを提案する。
VQAとメモリ検索によるトレーニングフリーなICLベース計画：Select2Plan
トレーニング不要な新しいロボット計画フレームワークであるSelect2Plan (S2P)は、構造化された視覚的質問応答（VQA）とインコンテキスト学習（ICL）を活用することで、従来のトレーニングベースの手法に匹敵する、あるいはそれ以上の性能を達成できる。
3Dセマンティックシーン理解とナビゲーションのためのデータセット：VLA-3D
本稿では、複雑な現実世界のシーンにおける3D視覚言語理解の進歩を目的として、多様な3Dシーンの空間シーングラフとオブジェクト参照自然言語ステートメントの大規模な新規データセット「VLA-3D」を紹介する。
カテゴリ内転移を用いた少数ショット物体配置学習
本稿では、物体配置タスクにおける少数サンプルからの学習と、学習した配置モデルの未知の物体インスタンスへの転移を可能にする新しいアプローチを提案する。
固定翼UAVのための、知識蒸留と文脈適応を用いたTransformerベースの耐故障制御
本稿では、Transformerの文脈学習能力を活用し、構造的損傷やアクチュエータ故障による動的な変化にリアルタイムで適応する、固定翼UAVのための新しい耐故障制御手法を提案する。
模倣から洗練へ：高精度組み立てのための残差強化学習
行動クローニング(BC)と強化学習(RL)を組み合わせた新しい手法であるResiPは、BCで学習した軌道計画器にRLで学習した残差制御器を組み合わせることで、高精度なロボットマニピュレーションタスクを効率的に学習できる。
未知の環境における安全なフィードバックモーションプランニング：瞬時ローカル制御バリア関数アプローチ
この論文では、事前に未知の環境におけるモバイルロボットの安全なナビゲーションを実現するために、瞬時ローカル制御バリア関数（IL-CBF）と目標駆動型制御リアプノフ関数（GD-CLF）を用いた安全なフィードバックモーションプランニング（SFMP）戦略を提案しています。
大規模言語モデルにおける物理的安全性の定義と評価
大規模言語モデル（LLM）はドローンなどのロボットシステムの制御にますます使用されていますが、現実世界のアプリケーションで物理的な脅威や危害を引き起こすリスクは未解明です。本研究では、ドローン制御のための包括的なベンチマークを開発することにより、LLMの物理的安全性を評価する上での重要なギャップに対処します。
微分可能シミュレーションのみで学習した四足歩行ポリシーの現実世界への展開：DiffSim2Real
微分可能シミュレータを用いることで、従来のシミュレータでは困難であった、物理的に正確な接触モデルを保持しながら、滑らかで勾配ベースの最適化に適した学習環境を構築することが可能となり、四足歩行ロボットの歩行動作をシミュレーションのみで学習し、現実世界に転移できることを示した。
© 2024 by Linnk AI