Feature-Guided Diffusion for Non-Differentiable Inverse Rendering
用于不可微逆渲染的特征引导扩散
机构 * Adobe Research(Adobe研究)
专题命中 其他机器人 :robotics(abstract);分类 cs.LG
AI总结 研究逆渲染问题,提出完全黑箱框架FIDE,通过特征引导,利用视觉Transformer提取特征训练扩散模型,结合CMA进化策略优化,在多种逆问题上验证,显著提升收敛速度并逃离局部最小值。
视觉与机器人
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
用于不可微逆渲染的特征引导扩散
机构 * Adobe Research(Adobe研究)
专题命中 其他机器人 :robotics(abstract);分类 cs.LG
AI总结 研究逆渲染问题,提出完全黑箱框架FIDE,通过特征引导,利用视觉Transformer提取特征训练扩散模型,结合CMA进化策略优化,在多种逆问题上验证,显著提升收敛速度并逃离局部最小值。
用于物体位姿估计的神经形态处理器上的鲁棒PnP
机构 * AI for Space Group, Adelaide University(太空人工智能团队,阿德莱德大学)
专题命中 其他机器人 :robotic(abstract);分类 cs.CV
AI总结 研究物体位姿估计问题,提出用于鲁棒PnP的神经形态可部署公式,基于分布式算法和SNN实现从事件感知、地标预测到几何优化的神经形态处理,在神经形态硬件上能源效率高且精度有竞争力。
Comments 12 pages
基于交替方向乘子法的四足机器人协同运输安全关键型分布式非线性模型预测控制
机构 * Virginia Tech(弗吉尼亚理工大学)
专题命中 其他机器人 :robotic(abstract);分类 cs.RO
AI总结 研究四足机器人协同运输的安全关键型分布式控制框架,核心方法是用ADMM分解优化问题,结合高阶控制障碍函数。相比集中式NMPC,减少求解时间,保持性能,消融研究显示对通信延迟鲁棒,能改善负载跟踪与协调。
Comments Supplementary video available at: https://youtu.be/w8hg52T8Luc?si=nzQrGsqP5ZBNFlGp
具身大脑:通过生物真实神经力学模型连接大脑、身体与行为
机构 * EPFL(瑞士联邦理工学院)
专题命中 其他机器人 :robotics(abstract);分类 cs.RO
AI总结 本文综述生物真实神经力学模型,通过将人工神经控制器嵌入模拟环境中的身体模型,揭示神经、身体与环境交互的行为控制算法,并推动神经科学、机器人学和机器学习之间的交流。
Comments 18 pages, 4 figures (including 1 graphical abstract), 1 table
Journal ref Current Opinion in Neurobiology, 100, 103244 (2026)
用于封闭架构机器人的统一干扰感知安全运动控制
机构 * Department of Engineering Technology, University of Houston, USA(工程技术系,休斯顿大学) ; Department of Electrical and Computer Engineering, University of Houston, USA(电气与计算机工程系,休斯顿大学) ; Department of Biomedical Engineering, The University of Ebolowa, Cameroon(生物医学工程系,埃博洛瓦大学) ; Department of Mechanical Engineering, Cleveland State University, USA(机械工程系,克利夫兰州立大学) ; Department of Mechanical Engineering, Clemson University, USA(机械工程系,克莱姆斯大学)
专题命中 其他机器人 :robotic(abstract);分类 cs.RO
AI总结 针对商业机器人系统中内环不可改的情况,结合干扰抑制控制与鲁棒控制障碍函数,在外环开发易于集成的附加装置,实现工业机械手动态系统高性能跟踪与安全控制,经实验验证其在多方面优于现有技术。
Comments Accepted to Mechatronics
在斜坡上滚动的胡椒瓶
专题命中 其他机器人 :robotics(abstract)
AI总结 研究部分填充颗粒介质的刚性圆柱体在斜面上的滚动行为,采用实验与理论结合的方法,发现多种滚动行为,研究了滑动情况,划分阶段建立相图,从理论上解释转变与相边界,对相关物理应用有重要意义。
Comments 9 pages, 10 figures