Planificador de Difusión Forzada con Historial Recocido para Conducción Autónoma
El DFP logra trayectorias estables y seguras mediante planificación con historial recocido y guía temporal. Resultados en nuPlan.
El DFP logra trayectorias estables y seguras mediante planificación con historial recocido y guía temporal. Resultados en nuPlan.
Descubre cómo el Diffusion Forcing Planner logra trayectorias estables en conducción autónoma mediante guía temporal con historial annealed. Resultados en nuPlan.
UAMP integra incertidumbre en predicción de intenciones humanas para conducción autónoma más segura y cómoda en tráfico mixto.
Explora cómo el aprendizaje por refuerzo jerárquico permite a vehículos submarinos autónomos planificar y ejecutar movimientos usando solo sensores básicos, con robustez al ruido.
Descubre cómo el método iCEM+TL mejora hasta un 23% el éxito en tareas de manipulación robótica mediante transferencia zero-shot, aplicable en robots reales.
Descubre cómo GTP-FA mejora la manipulación robótica con un marco de dos etapas que diagnostica y corrige fallos de agarre y planificación en tareas complejas.
Descubre cómo las funciones de navegación neural permiten planificar movimiento en entornos nuevos sin reentrenamiento, con trayectorias libres de colisiones y convergencia al objetivo.
Descubre SAGE, un nuevo método de reordenamiento que mejora la robustez de los planificadores de difusión mediante autosupervisión y energías, sin necesidad de reentrenamiento.
Los intermediarios simbólicos permiten a los LLM interpretar simulaciones numéricas, mejorando el razonamiento geométrico en diseño y planificación. Resultados hasta un 63% mejores en benchmarks.