基於線上凸優化的受限動態系統魯棒控制
本文提出了一種基於線上凸優化 (OCO) 的演算法，用於控制受限線性時不變系統，該系統具有時變且先驗未知的成本函數、狀態和輸入約束以及外部干擾。
以循環任務的機器人群體為例：合成穩健控制器的案例研究
本文提出了一種基於部分可觀察馬可夫決策過程（POMDP）的方法，用於合成具有循環任務的機器人群體的控制器，並以清潔機器人為例說明了該方法的有效性。
ROSMonitoring 2.0：將 ROS Runtime Verification 擴展至服務和有序主題
ROSMonitoring 2.0 是一個用於 ROS 的運行時驗證框架，通過支持服務驗證和訊息發佈順序排序，增強了對機器人應用程序的監控能力。
未知系統中用於時空可達、可避、可停留任務的時空管道
本研究提出了一種基於採樣的時空管道 (STT) 方法，用於具有未知動態的一般多輸入多輸出 (MIMO) 系統的控制器合成，旨在滿足時空可達、可避、可停留 (T-RAS) 任務。
基於生物啟發的推進器輔助雙足機器人在斜坡上的二次規劃優化
本文提出了一種基於二次規劃 (QP) 的方法，用於控制雙足機器人在斜坡上行走，並輔以推進器增強穩定性和機動性。
GLOVER：適用於任務導向抓取的可泛化開放詞彙示能推理框架
GLOVER 框架通過微調大型語言模型，賦予機器人理解自然語言指令並根據任務需求抓取物件特定部位的能力，提升機器人在開放環境中的操作能力。
基於可微分 GPU 平行運算的任務與運動規劃
本文提出了一種基於可微分 GPU 平行運算的任務與運動規劃 (TAMP) 框架，透過將約束條件編譯成可微分的成本函數，並利用 GPU 平行運算同時優化大量粒子（代表規劃骨架的連續參數分配），有效解決了具有嚴格約束的長程 TAMP 問題。
機器人群體中的信號傳遞與社會學習：從生物物理學到大型語言模型
本文探討了通訊在提升機器人群體協調能力方面的作用，特別關注於學習和執行同時以去中心化方式進行的範例，並提出了一個基於資訊選擇和物理抽象程度的分類法，涵蓋了從低階無損壓縮到高階基於語言的通訊等各種通訊方法。
基於先天物理知識的閉環多步規劃
本文提出了一種基於先天物理知識的閉環多步規劃框架，該框架利用物理模擬來預測和選擇機器人動作序列，從而實現更有效率且穩健的導航。
基於運算子分裂協方差導航的安全隨機非線性控制
本文提出了一種基於運算子分裂的協方差導航新演算法，用於解決具有非線性動力學和狀態機率約束（例如避障）的機器人控制問題，並通過放鬆對中間迭代的可行性要求，提升了演算法在複雜環境中的探索能力和求解品質。
© 2024 by Linnk AI