Buchumschlag

Learning to be Smooth: An End-to-End Differentiable Particle Smoother

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Younis, Ali, Sudderth, Erik B.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Differentiable and Stable Long-Range Tracking of Multiple Posterior Modes
von: Younis, Ali, et al.
Veröffentlicht: (2024)

Spiking Neural Networks for Continuous Control via End-to-End Model-Based Learning
von: Huebotter, Justus, et al.
Veröffentlicht: (2025)

SoccerDiffusion: Toward Learning End-to-End Humanoid Robot Soccer from Gameplay Recordings
von: Vahl, Florian, et al.
Veröffentlicht: (2025)

ImplicitRDP: An End-to-End Visual-Force Diffusion Policy with Structural Slow-Fast Learning
von: Chen, Wendi, et al.
Veröffentlicht: (2025)

Unleashing the Potential of Diffusion Models for End-to-End Autonomous Driving
von: Zheng, Yinan, et al.
Veröffentlicht: (2026)

Training and Simulation of Quadrupedal Robot in Adaptive Stair Climbing for Indoor Firefighting: An End-to-End Reinforcement Learning Approach
von: Huang, Baixiao, et al.
Veröffentlicht: (2026)

A Provable Approach for End-to-End Safe Reinforcement Learning
von: Wachi, Akifumi, et al.
Veröffentlicht: (2025)

ImaginationPolicy: Towards Generalizable, Precise and Reliable End-to-End Policy for Robotic Manipulation
von: Lu, Dekun, et al.
Veröffentlicht: (2025)

ExACT: An End-to-End Autonomous Excavator System Using Action Chunking With Transformers
von: Chen, Liangliang, et al.
Veröffentlicht: (2024)

AnyBipe: An End-to-End Framework for Training and Deploying Bipedal Robots Guided by Large Language Models
von: Yao, Yifei, et al.
Veröffentlicht: (2024)

V2X-VLM: End-to-End V2X Cooperative Autonomous Driving Through Large Vision-Language Models
von: You, Junwei, et al.
Veröffentlicht: (2024)

End-to-end Optimization of Belief and Policy Learning in Shared Autonomy Paradigms
von: Farhadi, MH, et al.
Veröffentlicht: (2026)

PRIX: Learning to Plan from Raw Pixels for End-to-End Autonomous Driving
von: Wozniak, Maciej K., et al.
Veröffentlicht: (2025)

Hidden Biases of End-to-End Driving Datasets
von: Zimmerlin, Julian, et al.
Veröffentlicht: (2024)

From Imitation to Exploration: End-to-end Autonomous Driving based on World Model
von: Li, Yueyuan, et al.
Veröffentlicht: (2024)

PPNet: A Two-Stage Neural Network for End-to-end Path Planning
von: Meng, Qinglong, et al.
Veröffentlicht: (2024)

Multi-Resolution End-to-End Deep Neural Network for Optimizing Latency-Accuracy Tradeoff in Autonomous Driving
von: Weng, Qitao, et al.
Veröffentlicht: (2026)

Interpretable Decision-Making for End-to-End Autonomous Driving
von: Mirzaie, Mona, et al.
Veröffentlicht: (2025)

DreamSmooth: Improving Model-based Reinforcement Learning via Reward Smoothing
von: Lee, Vint, et al.
Veröffentlicht: (2023)

What Matters to Enhance Traffic Rule Compliance of Imitation Learning for End-to-End Autonomous Driving
von: Zhou, Hongkuan, et al.
Veröffentlicht: (2023)

LEAD: Minimizing Learner-Expert Asymmetry in End-to-End Driving
von: Nguyen, Long, et al.
Veröffentlicht: (2025)

GaussianAD: Gaussian-Centric End-to-End Autonomous Driving
von: Zheng, Wenzhao, et al.
Veröffentlicht: (2024)

Whole-body End-Effector Pose Tracking
von: Portela, Tifanny, et al.
Veröffentlicht: (2024)

Centaur: Robust End-to-End Autonomous Driving with Test-Time Training
von: Sima, Chonghao, et al.
Veröffentlicht: (2025)

DIAL: Decoupling Intent and Action via Latent World Modeling for End-to-End VLA
von: Chen, Yi, et al.
Veröffentlicht: (2026)

Addressing the Waypoint-Action Gap in End-to-End Autonomous Driving via Vehicle Motion Models
von: Rodríguez-Vidal, Jorge Daniel, et al.
Veröffentlicht: (2026)

Uncertainty-Based Smooth Policy Regularisation for Reinforcement Learning with Few Demonstrations
von: Zhu, Yujie, et al.
Veröffentlicht: (2025)

TinyLidarNet: 2D LiDAR-based End-to-End Deep Learning Model for F1TENTH Autonomous Racing
von: Zarrar, Mohammed Misbah, et al.
Veröffentlicht: (2024)

EMMA: End-to-End Multimodal Model for Autonomous Driving
von: Hwang, Jyh-Jing, et al.
Veröffentlicht: (2024)

Autonomous Vehicle Controllers From End-to-End Differentiable Simulation
von: Nachkov, Asen, et al.
Veröffentlicht: (2024)

VendiRL: A Framework for Self-Supervised Reinforcement Learning of Diversely Diverse Skills
von: Lintunen, Erik M.
Veröffentlicht: (2025)

SKGE-SWIN: End-To-End Autonomous Vehicle Waypoint Prediction and Navigation Using Skip Stage Swin Transformer
von: Kartiman, Fachri Najm Noer, et al.
Veröffentlicht: (2025)

End-to-end Autonomous Driving: Challenges and Frontiers
von: Chen, Li, et al.
Veröffentlicht: (2023)

Denoising Particle Filters: Learning State Estimation with Single-Step Objectives
von: Röstel, Lennart, et al.
Veröffentlicht: (2026)

DiffTORI: Differentiable Trajectory Optimization for Deep Reinforcement and Imitation Learning
von: Wan, Weikang, et al.
Veröffentlicht: (2024)

MIND-Stack: Modular, Interpretable, End-to-End Differentiability for Autonomous Navigation
von: Jahncke, Felix, et al.
Veröffentlicht: (2025)

Rotated Runtime Smooth: Training-Free Activation Smoother for accurate INT4 inference
von: Yi, Ke, et al.
Veröffentlicht: (2024)

Supervised Mixture-of-Experts for Surgical Grasping and Retraction
von: Mazza, Lorenzo, et al.
Veröffentlicht: (2026)

BPQP: A Differentiable Convex Optimization Framework for Efficient End-to-End Learning
von: Pan, Jianming, et al.
Veröffentlicht: (2024)

LiDAR-based End-to-end Temporal Perception for Vehicle-Infrastructure Cooperation
von: Yang, Zhenwei, et al.
Veröffentlicht: (2024)