-
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)
「cs.RO」カテゴリーアーカイブ
Minimum-Violation Temporal Logic Planning for Heterogeneous Robots under Robot Skill Failures
要約 この論文では、線形時相論理 (LTL) の公式で記述される共同ミッションを … 続きを読む
カテゴリー: cs.RO
Minimum-Violation Temporal Logic Planning for Heterogeneous Robots under Robot Skill Failures はコメントを受け付けていません
PhysORD: A Neuro-Symbolic Approach for Physics-infused Motion Prediction in Off-road Driving
要約 動き予測はオフロードの自動運転にとって重要ですが、車両と地形との間の相互作 … 続きを読む
Layered LA-MAPF: a decomposition of large agent MAPF instance to accelerate solving without compromising solvability
要約 マルチエージェント パス ファインディング (MAPF) は、近年広く研究 … 続きを読む
EMPOWER: Embodied Multi-role Open-vocabulary Planning with Online Grounding and Execution
要約 現実の環境におけるロボットのタスク計画には、大きな課題が伴います。 これら … 続きを読む
DyPNIPP: Predicting Environment Dynamics for RL-based Robust Informative Path Planning
要約 インフォマティブ パス プランニング (IPP) は、環境監視などのさまざ … 続きを読む
Learning Precise, Contact-Rich Manipulation through Uncalibrated Tactile Skins
要約 視覚運動ポリシーの学習によりロボット操作が進歩しましたが、物理的な相互作用 … 続きを読む
Incremental Joint Learning of Depth, Pose and Implicit Scene Representation on Monocular Camera in Large-scale Scenes
要約 フォトリアルなビュー合成のための高密度シーン再構成は、VR/AR、自動運転 … 続きを読む
E-3DGS: Gaussian Splatting with Exposure and Motion Events
要約 最適な条件下で撮影された画像から神経放射場 (NeRF) を推定することは … 続きを読む
LASER: Script Execution by Autonomous Agents for On-demand Traffic Simulation
要約 自動運転システム (ADS) では、効果的なトレーニングとテストのために安 … 続きを読む
Reinforced Imitative Trajectory Planning for Urban Automated Driving
要約 強化学習 (RL) は、RL の収束性の低さと報酬関数の設計の難しさにより … 続きを読む