Adaptable Recovery Behaviors in Robotics: A Behavior Trees and Motion Generators(BTMG) Approach for Failure Management
专题命中 模仿学习与强化学习 :robotics(title,abstract);robotic(abstract);分类 cs.RO、cs.LG
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。
专题命中 模仿学习与强化学习 :robotics(title,abstract);robotic(abstract);分类 cs.RO、cs.LG
专题命中 模仿学习与强化学习 :robotic(title,abstract);robotics(abstract);分类 cs.RO、cs.AI
专题命中 模仿学习与强化学习 :navigation(title,abstract);robotics(abstract);分类 cs.RO、cs.LG
专题命中 模仿学习与强化学习 :robotics(title,abstract);robotic(abstract);分类 cs.RO、cs.AI
Comments 16 pages, 15 figures
专题命中 模仿学习与强化学习 :robotic(title,abstract);manipulation(abstract);分类 cs.RO、cs.AI
Comments 8 pages, 3 figures, 2 tables; update code's link
专题命中 模仿学习与强化学习 :robotics(title);manipulation(abstract);robotic(abstract);分类 cs.RO、cs.LG
Comments The 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2022)
专题命中 模仿学习与强化学习 :robotic(title,abstract);robotics(abstract);分类 cs.RO、cs.LG
Comments Contains appendix with pseudocode and additional details
专题命中 模仿学习与强化学习 :robotics(title);navigation(abstract);robotic(abstract);分类 cs.RO、cs.LG
专题命中 模仿学习与强化学习 :robotic(title,abstract);manipulation(abstract);分类 cs.RO、cs.AI
专题命中 模仿学习与强化学习 :robotic(title,abstract);manipulation(abstract);分类 cs.RO、cs.AI
Comments Accepted in ICRA 2022
专题命中 模仿学习与强化学习 :navigation(title,abstract);manipulation(abstract);分类 cs.RO、cs.CV
Comments 15 pages, 7 figures, 3 tables
专题命中 模仿学习与强化学习 :robotics(title);robot learning(abstract);robotic(abstract);分类 cs.RO、cs.LG
Comments 36 pages, 8 figures
专题命中 模仿学习与强化学习 :robotic(title,abstract);manipulation(abstract);分类 cs.RO、cs.CV
Comments 10 pages, 6 figures, under review
专题命中 模仿学习与强化学习 :embodied agent(title,abstract);robotic(abstract);分类 cs.RO、cs.CV
专题命中 模仿学习与强化学习 :robotic(title,abstract);navigation(abstract);分类 cs.RO、cs.AI
Comments 26 pages, 10 figures
专题命中 模仿学习与强化学习 :robot learning(title,abstract);manipulation(abstract);分类 cs.RO、cs.AI
Comments 8 pages, 8 figures, 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
专题命中 模仿学习与强化学习 :robotic(title,abstract);robot learning(abstract);分类 cs.RO、cs.LG
专题命中 模仿学习与强化学习 :robotics(title,abstract);robotic(abstract);分类 cs.RO、cs.AI
Comments Accepted to the Deep Reinforcement Learning Workshop at Neural Information Processing Systems (2020)
专题命中 模仿学习与强化学习 :robotic(title,abstract);manipulation(abstract);分类 cs.RO、cs.LG
Comments 17 pages,12 figures, supplemental video https://youtu.be/v4fREpMk7kU
Journal ref Appl. Sci. 2020, 10(19), 6923
专题命中 模仿学习与强化学习 :robotic(title,abstract);navigation(abstract);分类 cs.RO、cs.LG
专题命中 模仿学习与强化学习 :robotic(title,abstract);robotics(abstract);分类 cs.RO、cs.LG
Comments Accepted in SII2020
Journal ref 2020 IEEE/SICE International Symposium on System Integration (SII)
专题命中 模仿学习与强化学习 :navigation(title,abstract);robotic(abstract);分类 cs.RO、cs.LG
专题命中 模仿学习与强化学习 :robotic(title,abstract);robotics(abstract);分类 cs.RO、cs.CV
RAPID: 基于逆强化学习的鲁棒且敏捷规划器用于基于视觉的无人机导航
专题命中 模仿学习与强化学习 :navigation(title,abstract);分类 cs.RO、cs.AI、cs.CV;robotics(journal_ref)
AI总结 本文提出基于逆强化学习的无人机高速视觉导航规划器,通过减少环境交互和提升鲁棒性,实现复杂环境中的敏捷飞行。
Comments 18 pages, 11 figures, 58 references, and appendix is included
Journal ref Proceedings of Robotics: Science and Systems (RSS), 2025
专题命中 模仿学习与强化学习 :robotic(title,abstract);manipulation(abstract);分类 cs.RO;robotics(journal_ref)
Comments Accepted by IEEE RA-L,video is available at https://youtu.be/ksWXR3vByoQ
Journal ref IEEE Robotics and Automation Letters, vol. 9, no. 6, pp. 5631-5638, June 2024
专题命中 模仿学习与强化学习 :manipulation(title,abstract);robotic(abstract);分类 cs.RO;robotics(comments)
Comments Accepted for IEEE Robotics and Automation Letters in January 2024
专题命中 模仿学习与强化学习 :navigation(title,abstract);robotics(abstract);分类 cs.RO;embodied AI(comments)
Comments Paper Accepted at Third Embodied AI Workshop at CVPR 2022
专题命中 模仿学习与强化学习 :navigation(title,abstract);robotic(abstract);分类 cs.RO;robotics(comments)
Comments 8 pages, submitted for publication in the IEEE Robotics and Automation Letters
PAVXploreRL:具有动作探索的物理动作视觉世界模型强化学习
机构 * Singapore University of Technology and Design(新加坡科技设计大学) ; Sun Yat-sen University(中山大学)
专题命中 模仿学习与强化学习 :world model(title,abstract);embodied AI(abstract);分类 cs.CV
AI总结 研究针对动作条件世界模型泛化性差的问题,提出PAVXploreRL强化学习框架,基于预训练潜在世界模型,通过奖励驱动训练优化PAV目标,联合利用ID轨迹与OOD动作探索提升泛化能力,实验证明该方法性能更优。
Comments 9 pages, 5 figures
BiliVLA: 基于强化学习的场景感知视觉-语言-动作模型用于自主胆道内镜导航
机构 * The Chinese University of Hong Kong(香港中文大学) ; The Third Affiliated Hospital of Sun Yat-sen University(中山大学附属第三医院) ; University of Cambridge(剑桥大学) ; University of California, Davis(加州大学戴维斯分校)
专题命中 模仿学习与强化学习 :navigation(title,abstract);robotic(abstract);分类 cs.RO
AI总结 提出BiliVLA框架,将胆道内镜导航建模为指令条件化的视觉运动学习问题,结合场景感知监督和两阶段训练(SFT+GRPO),在ERCP子任务中实现91.96%的动作精度和84.85%的成功率。