-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
月別アーカイブ: 2024年5月
A Survey on Vision-Language-Action Models for Embodied AI
要約 ディープラーニングは、コンピュータービジョン、自然言語処理、強化学習など、 … 続きを読む
Learning Multimodal Confidence for Intention Recognition in Human-Robot Interaction
要約 協働ロボット工学の急速な発展により、ロボットが特定の意図に従って動作するこ … 続きを読む
Transformers for Image-Goal Navigation
要約 視覚的知覚とナビゲーションは、身体化された人工知能の分野における主要な焦点 … 続きを読む
A Single Motor Nano Aerial Vehicle with Novel Peer-to-Peer Communication and Sensing Mechanism
要約 通信と位置検知は、群ロボットが他のロボットと対話し、協力してタスクを実行す … 続きを読む
Skip-SCAR: A Modular Approach to ObjectGoal Navigation with Sparsity and Adaptive Skips
要約 ObjectGoal ナビゲーション (ObjectNav) では、エージ … 続きを読む
カテゴリー: cs.RO
Skip-SCAR: A Modular Approach to ObjectGoal Navigation with Sparsity and Adaptive Skips はコメントを受け付けていません
EVI-SAM: Robust, Real-time, Tightly-coupled Event-Visual-Inertial State Estimation and 3D Dense Mapping
要約 イベント カメラは、生物由来のモーション起動センサーで、モーション ブラー … 続きを読む
Nigel — Mechatronic Design and Robust Sim2Real Control of an Over-Actuated Autonomous Vehicle
要約 ダイナミクスと制御の観点からのシミュレーションから現実への移行 (sim2 … 続きを読む
Combining Constrained Diffusion Models and Numerical Solvers for Efficient and Robust Non-Convex Trajectory Optimization
要約 計算効率と信頼性の高い制約満足を備えた開ループ最適制御問題を解決する必要性 … 続きを読む
Multi-AGV Path Planning Method via Reinforcement Learning and Particle Filters
要約 強化学習 (RL) アルゴリズムは、その堅牢な学習と検索の安定性により、ま … 続きを読む
カテゴリー: cs.RO
Multi-AGV Path Planning Method via Reinforcement Learning and Particle Filters はコメントを受け付けていません
Adaptive Teaching in Heterogeneous Agents: Balancing Surprise in Sparse Reward Scenarios
要約 デモンストレーションからの学習 (LfD) は、ポリシーを並行してトレーニ … 続きを読む