Joydeep Biswas

Les robots peuvent mieux s'adapter à de nouveaux terrains en prédisant les préférences des opérateurs.

Avec la théorie des jeux, les robots coordonnent leurs mouvements dans des espaces étroits pour éviter les collisions.

Ce jeu de données aide les robots à mieux comprendre les environnements urbains.

Les robots s'adaptent à différents terrains en utilisant des données qu'ils collectent eux-mêmes.

ObVi-SLAM améliore la localisation des robots en combinant des caractéristiques visuelles et la détection d'objets.

Un cadre pour mieux comprendre comment les gens interagissent avec les robots en utilisant des simulations vidéo.

Un cadre pour que les machines apprennent les préférences des utilisateurs à partir de données visuelles.

Le bouclier prédictif dynamique améliore la sécurité et l'efficacité dans l'apprentissage par renforcement.

L'apprentissage par imitation aide les robots à mieux se déplacer dans des environnements animés.

Un nouveau cadre améliore les capacités des petits modèles en programmation robotique.

Une nouvelle méthode aide les robots à voir leur environnement clairement sans intervention humaine.

CLOVER améliore la reconnaissance d'objets chez les robots en utilisant le contexte et des méthodes d'apprentissage innovantes.

Les robots peuvent maintenant répondre à des questions en utilisant la mémoire à long terme.

Les robots apprennent à interagir avec des objets articulés du quotidien pour aider à la maison.

De nouveaux designs de robots visent à aider les personnes malvoyantes.

SPOT apprend des tâches en regardant les humains, rendant les robots plus utiles.

Une nouvelle méthode améliore la façon dont les robots se repèrent sur l'ISS.