ロボティクス に関する最新の記事

新しい方法がロボット群の性能を向上させるのは、故障を早期に予測して対処するからだ。

LiteTrackは、さまざまなアプリでの物体追跡のために、スピードと精度のバランスを取ってるよ。

未知のシステムで出力を予測するためにトランスフォーマーがどどう適応するかを探る。

新しい手法が3Dポイントクラウドの法線推定を改善する。

この記事は、ロボット料理のタスク計画における新しい方法について話してるよ。

CRAMPを紹介するよ、混雑した環境でエージェントのナビゲーションを改善する方法なんだ。

メモリーがAIの学習能力にどう影響するかを探る。

新しい方法は、自然言語と構造化された計画を組み合わせて、モバイルロボットのために使われる。

DFL-TOROは人間のデモを使ってロボットの学習効率を高めるんだ。

新しい方法で四足歩行ロボットが動的な動きをより効果的に学べるようになった。

3Dオブジェクトのラベリングを自動化して、不確実性を評価しながらAIの学習を向上させる。

この記事は、効果的なネットワークのレジリエンスのための自己修復分散最適化について話してるよ。

新しいフィルタリング手法が厳しいノイズ条件下での状態推定を改善する。

ロボットは新しい技術を使って、たった一人の人間のデモから効率的にタスクを学べるんだ。

新しいフレームワークが分散型コミュニケーションを通じてロボットのチームワークを向上させる。

研究がロボットとデジタル仲間の感情認識についての洞察を明らかにした。

ロボットの説明がチームワークやエラー解決をどう改善できるか。

この研究は、触覚と視覚を使ってロボットの操作能力を向上させることに焦点を当ててるよ。

新しい方法がドローンと地上車両の協調を改善して、長時間の動作を可能にする。

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。

形状を持つ小胞を使って小さな粒子を制御する新しい方法が期待できそうだ。

Grasp-Anythingは、多様な画像とテキストの説明でロボットのグラップ検出を強化するよ。

新しい方法でロボットがノイズモデルを使って状態を推定するのがより良くなったよ。

研究によると、AIは動物がどのように移動し、場所を記憶するかをシミュレートできるんだって。

この記事では、粒状材料が繰り返しせん断サイクルを通じてどのように安定するかを調べているよ。

TBTNetモデルは、最小限のデータで少数ショットセグメンテーションの精度を向上させる。

エージェントが複雑なタスクでより良い解決策のためにどう協力するかを探ってみて。

新しい方法がロボットの動きモデルをいろんな表面で改善する。

新しいアルゴリズムが複雑な環境でエージェント間のコンセンサスを改善する。

モデル予測制御システムにおける意思決定のスピードを改善する方法。

ウェブデータを使って知識を保持しながら継続的学習を向上させる。

MOGANはロボットの複数の物体の相互作用の理解を深めて、操作をより良くする。

新しいモデルが、シミュレーションデータと実データを使ってロボットの触覚センサーの精度を向上させたよ。

ロボットを教えるのに絵を使うのは、新しくて直感的なアプローチだね。

RGB-Dカメラとフィデュシャルマーカーを使ったVSLAMの強化された機能を探る。

Meta-SELDは、さまざまな環境での音イベントの位置特定を強化するよ。

新しい方法がロボットの複雑な環境でのナビゲーションを改善し、不確実性に対処する。

STARNetはロボットセンサーの信頼性を向上させて、より安全な自律性を実現するよ。

新しい方法でロボットの3D環境での物体の相互作用の理解が向上。

新しい制御方法でロボットが環境の変化に適応しやすくなるよ。