Eine neue Architektur, D2M2N, die jeden Roboter mit individuellem Gedächtnis ausstattet, um eine kompakte Darstellung seiner Überzeugung über den Belegungsstatus der Umgebung zu speichern. D2M2N verwendet außerdem ein Value Iteration Network (VIN) als Aktionsauswahlmodul anstelle eines MLP, um bessere Pfade in komplexen Umgebungen zu planen.
SayNav nutzt Großsprachmodelle, um effizient in unbekannten großen Umgebungen mehrere Objekte zu lokalisieren, indem es inkrementell einen 3D-Szenegraphen aufbaut und darauf basierende dynamische Pläne generiert.
Dieser Artikel präsentiert ein autonomes Roboternavigationssystem, das eine eingebettete Steuerungskarte auf der Grundlage von Zellulären Automaten mit aktiven Zellen nutzt, um effektiv in einer Umgebung mit verschiedenen Hindernisarten zu navigieren.