本文提出了一種名為生成式價值學習 (GVL) 的新方法,利用視覺語言模型 (VLM) 從視覺軌跡中預測任務進度,並展示了其在各種機器人任務中的零樣本泛化能力和基於情境的學習能力。
본 논문에서는 사전 훈련된 비전 언어 모델(VLM)을 활용하여 다양한 로봇 작업의 진행 상황을 예측하는 혁신적인 방법인 생성적 가치 학습(GVL)을 제안합니다.
大規模言語モデル(VLM)は、ロボットのタスク進捗を予測する汎用的な価値関数として機能することができます。これは、シャッフルされたビデオフレーム上でオートレグレッシブな値予測を行うことで実現されます。
Vision Language Models (VLMs) can be effectively used for universal value estimation in robotics, predicting task progress by leveraging their semantic and temporal understanding capabilities when presented with shuffled video frames.
본 논문에서는 연질 및 하이브리드 연질 강체 로봇의 기계적 시뮬레이션 속도를 높이기 위해 기하학적 변형 변수(GVS) 모델의 해석적 미분을 개발하고, 이를 통해 기존 방법 대비 최대 3배 빠른 계산 속도를 달성했음을 보여줍니다.
本稿では、従来剛体ロボットのシミュレーション効率を大幅に向上させてきた解析的導関数を、複雑な連続的変形を特徴とするソフトロボットの分野へ拡張する方法を提案する。
This paper introduces a novel method for significantly improving the computational efficiency of simulating hybrid soft-rigid robots by developing and implementing analytical derivatives for the Geometric Variable Strain (GVS) model.
本文提出了一種基於滑模控制的側傾控制演算法,用於搭載主動懸吊系統的電動車,以提升車輛穩定性和乘坐舒適度。
본 논문에서는 능동 서스펜션 전기 자동차의 롤오버를 완화하기 위해 슬라이딩 모드 제어 기법을 기반으로 한 새로운 롤 제어 알고리즘을 제안하고, 다양한 주행 시험을 통해 운전자 예측 시간 및 슬라이딩 게인이 제어 성능에 미치는 영향을 분석합니다.
アクティブサスペンションを搭載した電気自動車において、スライディングモード制御を用いた新しいロール制御アルゴリズムは、ロール角を軽減することで車両の横転を抑制し、同時にロールレートを低減することで乗り心地を向上させる。