-
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7月
Quadruped robot traversing 3D complex environments with limited perception
要約 3 次元の複雑な環境を横断することは、脚による移動にとって常に大きな課題で … 続きを読む
カテゴリー: cs.RO
Quadruped robot traversing 3D complex environments with limited perception はコメントを受け付けていません
Reinforcement Learning in a Safety-Embedded MDP with Trajectory Optimization
要約 安全強化学習 (RL) は、RL アルゴリズムを安全性が重要な現実世界のア … 続きを読む
Proto-CLIP: Vision-Language Prototypical Network for Few-Shot Learning
要約 私たちは、CLIP などの大規模視覚言語モデルを活用した、少数ショット学習 … 続きを読む
Ada-NAV: Adaptive Trajectory Length-Based Sample Efficient Policy Learning for Robotic Navigation
要約 軌跡の長さは、強化学習 (RL) アルゴリズム内の重要なハイパーパラメータ … 続きを読む
3D Foundation Models Enable Simultaneous Geometry and Pose Estimation of Grasped Objects
要約 人間は、手に持った物体を環境と対話するためのツールとして使用する驚くべき能 … 続きを読む
Affordance-Guided Reinforcement Learning via Visual Prompting
要約 強化学習 (RL) を備えたロボットは、報酬信号だけから幅広いスキルを学習 … 続きを読む
GLIM: 3D Range-Inertial Localization and Mapping with GPU-Accelerated Scan Matching Factors
要約 この記事では、GPU アクセラレーションによるスキャン マッチング要素を備 … 続きを読む
カテゴリー: cs.RO
GLIM: 3D Range-Inertial Localization and Mapping with GPU-Accelerated Scan Matching Factors はコメントを受け付けていません
UMI on Legs: Making Manipulation Policies Mobile with Manipulation-Centric Whole-body Controllers
要約 四足操作システム用に現実世界のデータとシミュレーション データを組み合わせ … 続きを読む
Communication- and Computation-Efficient Distributed Decision-Making in Multi-Robot Networks
要約 当社は、複数のロボット間のスケーラブルで最適に近い関節動作計画を可能にする … 続きを読む
Learning to Represent Surroundings, Anticipate Motion and Take Informed Actions in Unstructured Environments
要約 現代のロボットは、構造化された環境で特定のタスクを達成することに非常に熟練 … 続きを読む