Joydeep Biswas

ロボットはオペレーターの好みを予測することで新しい地形にうまく適応できる。

ゲーム理論を使って、ロボットは狭い場所での動きを調整して衝突を避けるんだ。

このデータセットはロボットが都市環境をもっとよく理解するのに役立つよ。

ロボットは、自分で集めたデータを使って、さまざまな地形に適応するんだ。

ObVi-SLAMは、視覚的特徴と物体検出を組み合わせてロボットの位置特定を向上させる。

人々がロボットとどんなふうに関わるかをビデオシミュレーションを使ってもっと理解するためのフレームワーク。

視覚データからユーザーの好みを学ぶための機械のフレームワーク。

動的モデル予測シールドは、強化学習の安全性と効率を高めるよ。

模倣学習はロボットが混雑した環境でうまく動けるように助けるよ。

新しいフレームワークが、小さいモデルのロボットプログラミング能力を向上させる。

新しい方法で、ロボットが人間の助けなしに周りをはっきり見ることができるようになったよ。

CLOVERは文脈や革新的な学習方法を使って、ロボットの物体認識を向上させるよ。

ロボットは今、長期記憶を使って質問に答えられるようになったよ。

ロボットは、家庭の手伝いのために日常的な可動物体とやり取りすることを学んでいる。

新しいロボットデザインは視覚障害者を助けることを目的としてるんだ。

SPOTは人間の動きを見てタスクを学ぶから、ロボットがもっと役に立つようになるんだ。

新しい方法でロボットがISSで自分の位置を特定するのがもっと上手くなったよ。