Informatique - Robotique

La recherche vise à améliorer l'interprétation des environnements 3D par les machines pour la sécurité.

Une nouvelle méthode améliore les systèmes LiDAR pour renforcer la sécurité des voitures autonomes.

DriveCoT améliore la clarté et la sécurité des décisions des voitures autonomes.

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

Une nouvelle approche permet aux robots en essaim d'échapper aux menaces en utilisant des comportements semblables à ceux des poissons.

Un aperçu des causes et de la détection des inexactitudes dans la prise de décision de l'IA.

Cet article parle de comment les robots peuvent mieux comprendre les préférences humaines dans l'exécution des tâches.

Cette étude examine le rôle de la simulation dans le développement de politiques de contrôle pour les robots autonomes.

Découvrez comment les DDPM améliorent le contrôle de retour pour les systèmes non linéaires.

Deux nouveaux algorithmes améliorent la perception des robots et garantissent leur sécurité dans divers environnements.

Une nouvelle méthode améliore la détection d'objets dans des environnements variés en utilisant des données LiDAR.

L'utilisation de capteurs GelSight améliore considérablement la précision du placement des objets par les robots.

Une nouvelle approche améliore les systèmes de caméra et de radar pour une meilleure détection des objets.

Un aperçu de comment les robots peuvent bosser ensemble pour cartographier les ressources spatiales.

Ce papier présente une méthode formelle pour tester les perturbations de circulation dans les véhicules autonomes.

Le système RAP adapte les étapes des tâches à partir de vidéos d'instruction pour une meilleure planification.

Les robots apprennent des tâches complexes en imitant les actions humaines, ce qui booste leur adaptabilité.

Les tests de benchmark MANGO évaluent les modèles de langage pour la navigation et la cartographie dans des contextes de labyrinthe.

Cette étude souligne l'importance des variables cibles dans la modélisation du comportement des véhicules.

Une nouvelle méthode améliore la mesure de profondeur des objets transparents en utilisant la segmentation et NeRF.

KAT permet aux robots d'apprendre des tâches rapidement avec moins d'exemples.

Introduction à GlORIE-SLAM, un nouveau système SLAM uniquement RGB.

Explorer comment l'héritage lamarkien peut améliorer l'adaptabilité des robots dans différents environnements.

Une nouvelle méthode améliore la précision dans l'alignement des graphes de scène 3D pour les tâches spatiales.

Une nouvelle approche pour améliorer les tests réalistes des véhicules autonomes en utilisant CtRL-Sim.

Une nouvelle méthode améliore l'entraînement des voitures autonomes grâce à une interaction semblable à celle des humains.

Un aperçu de l'intégration de l'apprentissage automatique et de la recherche heuristique pour une meilleure coordination des agents.

NeSLAM améliore la cartographie 3D et le suivi de caméra pour différentes applications.

Cette étude explore comment les robots apprennent le langage et les actions à travers des expériences.

Explorer l'impact de la voix et de l'apparence sur la perception du genre chez les robots.

Une nouvelle méthode pour que les robots apprennent en continu à partir de données limitées.

Un nouveau modèle améliore la précision de la récolte de fruits par des robots en utilisant des données de nuages de points 3D.

La recherche améliore l'exploration des robots en rendant leur prise de décision plus efficace grâce à des méthodes de perception active.

Un système qui aide les robots à détecter et réparer les échecs de tâches en temps réel.

UniV2X améliore la conduite autonome grâce à la collaboration entre les véhicules et l’infrastructure.

Combiner les signaux 5G et les capteurs améliore la précision du positionnement des drones en intérieur.

Une nouvelle méthode améliore la navigation dans les robots avec des données limitées.

Une nouvelle méthode pour la planification des robots améliore l'adaptabilité dans des environnements changeants.

Examine la croissance de la communication entre les humains et les robots en utilisant le langage naturel.

TEAR aligne efficacement de grands ensembles de points 3D, en surmontant les valeurs aberrantes et les problèmes de mémoire.