IEEE RA-L

Communication-Efficient Module-Wise Federated Learning for Grasp Pose Detection in Cluttered Environments

面向杂乱环境抓取姿态检测的通信高效模块式联邦学习

Woonsang Kang, Joohyung Lee, Seungjun Kim, Jungchan Cho, Yoonseon Oh

机构 * Department of Electronic Engineering, Hanyang University（电子工程系，翰阳大学） ； Department of Computing, Gachon University（计算系，加恩大学） ； Department of Artificial Intelligence, Hanyang University（人工智能系，翰阳大学） 纠错

AI总结 本文提出一种模块式联邦学习框架，通过识别抓取姿态检测模型中收敛较慢的模块，优化通信效率，提升在杂乱环境中的抓取性能。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L). 8 pages, 5 figures

Feedback-MPPI: Fast Sampling-Based MPC via Rollout Differentiation -- Adios low-level controllers

反馈-MPPI: 通过轨迹微分实现快速采样-based MPC -- Adios低级控制器

Tommaso Belvedere, Michael Ziegltrum, Giulio Turrisi, Valerio Modugno

AI总结 Feedback-MPPI通过局部反馈增益提升MPPI性能，实现高频稳定控制，适用于复杂机器人系统。

Journal ref IEEE Robotics and Automation Letters, 2026, 11 (1), pp.1 - 8