ロボティクス に関する最新の記事

新しい方法で、さまざまな中断予測を使ってタスクのスケジューリングが改善されるよ。

システムは、いろんな物とのリアルな手のインタラクションを生成する。

たった6枚の写真から3Dモデルを作る簡単な方法、車両にぴったり。

3Dデータを使ってマルチオブジェクトトラッキングを改善する新しいアプローチ。

新しいアプローチでロボットの物体操作が改善され、堅牢性のためのエネルギーマージンを測定するようになった。

複雑なタスクを分解することで、ロボットがうまくナビゲートできるようになるって学ぼう。

新しいフレームワークGEASDがスパース報酬環境での探索を強化する。

緊急時の救助活動におけるマルチロボットの協調に対する新しいアプローチ。

新しいアルゴリズムが制約のある環境での意思決定を改善する。

音場再構築がさまざまなアプリケーションでのオーディオ体験に与える影響を探る。

複雑なマルチエージェント経路探索の課題を小さな部分に分けて簡単にする方法。

簡単なデモを通じてロボットにタスクを教えるのは、適応力がすごくあることを示してるね。

ロボットが子供の成長と学びをどうサポートできるか探ってるよ。

新しい方法が伝統的な技術とニューラルネットワークを組み合わせて、音の定位を向上させてるよ。

PIPERは、スパースな報酬に対処するために、好みに基づくフィードバックを使って強化学習を強化するんだ。

この記事では、オフラインRLを使って柔軟な物体の形を制御する方法を紹介します。

新しい方法でロボットが特定の作業のために環境をマッピングするのが改善されたよ。

新しい触覚センサーでロボットが物ともっとよくやり取りできるようになった。

新しい方法でロボットの物を効果的かつ安全に掴む能力が向上したよ。

この研究は、ロボットが経験と対称性を通じて歩くことを学ぶ方法を探る。

新しい方法が、複雑な環境でロボットのチームワークを高める。

異なるロボットデザインに適応できるコントローラーを作成する方法。

機械学習は、限られた情報での意思決定に革新的な方法で取り組んでるよ。

マルコフ決定過程におけるエネルギーレベルと報酬を最適化するための戦略を探る。

自己調整型アクティブシステムのダイナミクスと応用を探る。

新しいフレームワークは、高度な学習技術を通じて自動運転車の挙動を改善する。

限られた情報でロボットが速い動くターゲットを見つける方法。

新しいフレームワークがロボットに家事の好みを学ばせる助けになるよ。

ハイブリッドフィードバックがロボットの障害物回避にどう役立つかを見てみよう。

高度なニューラルネットワークを使ったモバイルロボットの位置認識向上に関する研究。

新しい方法で、複雑な環境でのエージェントの意思決定が向上する。

ロボットシステムが神経外科の未来を作っていて、安全性と精度を向上させてるよ。

UAVのレーザー照準と動作計画の最適化に関する研究。

この研究は、故障や悪意ある行動にもかかわらず、発振器の同期を実現する方法を提示してるよ。

この記事では、複数の視点を使った3D物体認識の重要性と技術について話してるよ。

新しいアプローチがマルチエージェントシステムの調整を減らして、ナビゲーションを改善するよ。

障害物を避けながらシステムの制御戦略を強化する。

機械がリアルタイムのやりとりなしに過去のデータから学ぶ方法を見てみよう。

リアルタイム環境で複数のロボットにタスクを割り当てる効率的な方法。

形がさまざまな状況でどう変わって適応するかをわかりやすく見ていく。