- 利用体感智能技术转变超声波机器人的外科手术干预
该研究论文介绍了一种新颖的超声波融入智能系统,将超声波机器人与大型语言模型和领域特定知识增强相结合,提高了超声波机器人的智能和操作效率,通过解释医生的口头指令,实现了精确的动作规划,动态调整扫描计划,并展示了医学程序执行效果的显著改进。该系 - 使机器人能够遵循抽象指令并完成复杂动态任务
在不确定的环境中完成复杂任务的机器人系统的一个新框架,结合大型语言模型(LLMs)、知识库和综合力和视觉反馈(IFVF),通过分析用户的指令和环境,生成代码访问函数数据库并将抽象指令转化为可操作的步骤,并应用 IFVF 来应对噪音和干扰,以 - AIC MLLM: 自主交互修正多重学习模型用于鲁棒机器人操作
利用多模态大型语言模型(MLLMs)通过前期低层互动经验提示来纠正自主交互修正机器人系统中的姿态预测,实验结果表明我们的 AIC MLLM 可以通过与交互经验提示来高效纠正失效样本。
- 一致性策略:通过一致性蒸馏加速视觉动作策略
通过一项快速推断的 Consistency Policy 方法,本研究提出了一种在资源受限的机器人系统中实现低延迟决策的有效替代 Diffusion Policy 的学习视觉动作控制方法。通过在已训练的 Diffusion Policy 中 - 高维无重采样粒子滤波器
在高维状态空间中,粒子滤波器面临着粒子匮乏等挑战,本文介绍了一种新的无重采样粒子滤波器,通过放弃传统的重采样步骤来缓解粒子匮乏问题,确保了更广泛和多样化的粒子集,特别适用于高维场景。在理论上,我们的滤波器在高维环境中提供了接近准确的后验分布 - 承压之下:野外基于学习的模拟仪表读取
我们提出了一个可解释的框架来读取模拟表,可用于实际机器人系统中。我们的框架将读取任务分为不同的步骤,以便在每一步中检测潜在的故障。我们的系统不需要了解表的类型或刻度范围,并且能够提取所使用的单位。我们证明了我们的表读取算法能够提取出相对读数 - 针对网络物理系统和机器人系统的随机在线优化
我们提出了一种新颖的基于梯度的在线优化框架,用于解决在网络物理和机器人系统中经常出现的随机规划问题。我们的问题形式化考虑了模拟网络物理系统的约束条件,该系统通常具有连续的状态和动作空间,是非线性的,并且状态只被部分观测到。我们还在学习过程中 - 动态网络桥接的分布式自主群体形成
机器人系统,群体操作,网络桥接,多智能体强化学习和实际应用转化的问题和方法。
- CURE:机器人中的模拟增强自动调优
提出了一种名为 CURE 的方法,通过识别因果关系的相关配置选项,使优化过程在较小的搜索空间中运行,从而加快了机器人性能的优化。
- 交互式机器人从口头纠正学习
我们设计了一种基于大型语言模型 (LLM) 的学习系统 OLAF,使得普通用户可以通过语音纠正教导机器人,从而更新机器人的视觉运动神经策略,以避免未来重复错误,并在实验中展示了在长期任务执行中的成功率平均提高了 20.0%。
- MoDem-V2: 用于真实世界机器人操作的视觉 - 动作世界模型
本研究通过模型强化学习、演示增强的方法,构建了一个能够直接在真实世界中学习联系丰富的灵巧操纵技能的系统 MoDem-V2,在模拟和实际环境中进行了实证研究,为直接在真实世界中进行演示增强的视觉模型强化学习提供了成功的案例。
- ZS6D: 使用视觉变换器进行零样本 6D 物体姿态估计
通过使用预训练的 Vision Transformers(ViT)提取的视觉描述符,我们引入了 ZS6D 方法,用于零样本新目标 6D 姿态估计,该方法在众多最新的姿态估计方法上表现卓越,无需进行特定任务的微调。我们在 LMO、YCBV 和 - 基于深度图像的任务驱动碰撞编码压缩
该研究提出了一种新的基于学习的方法,用于对深度图像进行积极的任务驱动压缩,并将其编码为适用于机器人系统碰撞预测的图像。通过提出一种新颖的 3D 图像处理方法,结合了机器人的尺寸,使得深度图像中表示的障碍物得到适当的 “膨胀”,从而获得机器人 - 学习感知交互式自主安全性
为了确保机器人等自主车辆的广泛部署,本文提出了一种新的闭环范式用于综合安全控制策略,明确考虑系统在可能的未来情景下的演变不确定性,通过物理动力学和机器人的学习算法共同推理,利用对抗深度强化学习进行放大,展示了该框架能够处理贝叶斯信念传播和大 - 1000 万美元 ANA Avatar XPRIZE 比赛先进沉浸式远程传送系统
10M 美元的 ANA Avatar XPRIZE 旨在创建能够实时将人类存在传输到远程位置的化身系统。参与这个多年的竞赛的参赛者们开发了机器人系统,使操作员可以以一种仿佛真的身临其境的方式看到、听到并与远程环境进行交互。与此同时,远程环境 - 分布式实例分割:用潜在的 MaskRCNN 模型建模不确定性和高置信度预测
本文提出一种基于概率分布的实例分割方法,利用潜在编码来建模物体掩膜的可能假设,从而降低机器人应用中的临界错误率。在实际服装拣选机器人上,该方法成功降低了错误率并提高了性能。
- 基于触觉的物体插入策略的零 - shot 转移
本文旨在训练一个模拟器中的接触利用操纵策略,以便在没有进行任何微调的情况下传输到实际机器人中,实验结果表明我们的策略比启发式和学习基线表现出更好的性能和泛化能力,同时也可以对不同尺寸和重量的盘子进行操纵,并探索了零点转移所需的各种因素。
- CaRE: 高度可配置机器人配置问题根本原因的查找
本论文提出了一种通过因果关系的方法解决机器人系统中功能故障的原因诊断问题,该方法名为 CaRE。论文采用 Husky、Turtlebot 3 等物理机器人和 Gazebo 等仿真机器人进行实验,证明了 CaRE 方法的有效性,并证明了从仿真 - 通过分析策略梯度训练高效控制器
提出一种基于解析策略梯度法(APG)的控制方法来解决机器人系统控制问题,与 MPC 控制方法相比,该方法能够实现类似的轨迹跟踪性能,但计算时间要少一个数量级,在控制设计和优化领域有着极高的实际应用价值。
- 自我建模的起源
研究自模型对于提高机器人系统的成效,发现自模型在机器人自学成本高的情况下效果显著,这个结果可能有助于解决动物和人自我认知的起源问题。