Анализ страницы https://marmotlab.org/publications.html
Основное Готовность: 100%
Домен
marmotlab.org
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Домен второго уровня идеален для продвижения.
Отличный запоминающийся домен.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 04.10.2026 22:45:22.
Сервер поддерживает HTTP/3 (QUIC) — новейший протокол.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык страницы не указан. Рекомендуется явно указать язык документа!
Скорость загрузки
~0,29сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,29сек оптимальна.
Объем документа
84Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 84Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 4
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 4 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://maxcdn.bootstrapcdn.com/bootstrap/4.0.0-beta.2/css/bootstrap.min.css | |
| stylesheet | https://maxcdn.bootstrapcdn.com/font-awesome/4.7.0/css/font-awesome.min.css | |
| stylesheet | /css/group.css | |
| js | text/javascript | /js/srcset-polyfill.js |
Серверные заголовки
Кол-во: 11
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 11шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Cache-Control | max-age=3600 |
| ETag | "1f50aa7b2b35ddf0ccd7a73a67b19cb1e7ffdf0c9123b701c3464f35fa14f8c7" |
| Strict-Transport-Security | max-age=31556926 |
| Accept-Ranges | bytes |
| Date | Sun, 23 Aug 2026 07:41:39 GMT |
| X-Served-By | cache-fra-eddf8230091-FRA |
| X-Cache | HIT |
| x-cache-hits | 0 |
| x-timer | S1787470899.067161,VS0,VE1 |
| Vary | x-fh-requested-host |
| Alt-Svc | h3=":443" |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
Не определён
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
Веб-сервер не определён — заголовок Server скрыт. Это не ошибка: часто так настраивают из соображений безопасности.
Мета-теги Готовность: 52%
Title
MARMoT Laboratory @ NUS-ME: Publications
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Дублей словоформ в title не найдено.
Число символов в title 40 оптимально (норма: от 40 до 45).
Description
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Установите мета-тег description!
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1, shrink-to-fit=no
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Не найдено
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 1
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 1шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width, initial-scale=1, shrink-to-fit=no |
Оптимизация Готовность: 45%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют в единственном экземпляре).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 2 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 27 достаточно.
Кол-во знаков контента 27647 на странице оптимально.
Кол-во слов 3764 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 1. Это прекрасно.
Тошнота
10,54
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
3,43%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота не дотягивает до нормы 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| guillaume | 111 | 2,95% |
| sartoretti | 108 | 2,87% |
| conference | 56 | 1,49% |
| international | 55 | 1,46% |
| learning | 52 | 1,38% |
| systems | 47 | 1,25% |
| robotics | 39 | 1,04% |
| multi-agent | 33 | 0,88% |
| yuhong | 31 | 0,82% |
| automation | 27 | 0,72% |
| reinforcement | 24 | 0,64% |
| autonomous | 20 | 0,53% |
| robots | 20 | 0,53% |
| control | 19 | 0,50% |
| choset | 19 | 0,50% |
| distributed | 17 | 0,45% |
| intelligent | 17 | 0,45% |
| yifeng | 14 | 0,37% |
| locomotion | 12 | 0,32% |
| website | 11 | 0,29% |
Индексация Готовность: 0%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 130 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Не найден
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Файл robots.txt не найден (ошибка 404). Крайне рекомендуем добавить файл robots.txt, это правило хорошего тона для поисковых роботов.
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Кол-во: 74
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 74 оптимально.
На странице присутствуют изображения 1.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| /bio.html |
About Guillaume
|
|
| /people.html |
People
|
|
| /research.html |
Research
|
|
| /publications.html |
Publications
|
|
| /bib/pubs.bib |
Download BibTeX.
|
|
| /publications/114-DARS2026-MACH3.pdf |
MACH3: Multi-Agent Cooperative Hierarchical Reinforcement Learning via a Three-Layer Architecture
|
|
| /publications/115-DARS2026-DiffExploration.pdf |
Planner-Conditioned Diffusion for Coordinated Multi-Agent Exploration
|
|
| /publications/101-IROS-StableAerialManipulation.pdf |
A Tilt-Rotor with a Gripper for Stable Contact-Based Tasks via Environmental Anchoring
|
|
| /publications/104-ECCV2026-CoReLIN.pdf |
CoReLIN: Constraint-based Reasoning for Zero-shot Lifelong Interactive Navigation
|
|
| /publications/99-RAL2026-ORION.pdf |
ORION: Option-Regularized Deep Reinforcement Learning for Cooperative Multi-Agent Online Navigation
|
|
| /publications/88-MRS2025-COMPASS.pdf |
COMPASS: Cooperative Multi-Agent Persistent Monitoring using Spatio-Temporal Attention Network
|
|
| /publications/89-RAL2025-P3GASUS.pdf |
P3GASUS: Pre-Planned Path Execution Graphs for Multi-Agent Systems at Ultra-Large Scale
|
|
| /publications/90-TITS2025-VORLA.pdf |
Learning-based Lane Selection and Driving Orders for Connected Automated Vehicles at Multi-lane Freeway Merging Sections
|
|
| /publications/81-ITSC2025-V2XFormer.pdf |
V2XFormer: A Multi-Stage Transformer for Multi-Agent Reinforcement Learning in V2X-Enabled Traffic Signal Control
|
|
| /publications/82-ITSC2025-TensorPrediction.pdf |
Ride the Flow: Dynamic Tensor and Adaptive Modeling for Short-Term Traffic Prediction
|
|
| /publications/86-CORL2025-LatentToM.pdf |
Latent Theory of Mind: A Decentralized Diffusion Architecture for Cooperative Manipulation
|
|
| /publications/85-CORL2025-GTSP.pdf |
Multimodal Fused Learning for Solving the Generalized Traveling Salesman Problem in Robotic Task Planning
|
|
| /publications/75-ICRA2025-DARE.pdf |
DARE: Diffusion Policy for Autonomous Robot Exploration
|
|
| /publications/76-ICRA2025-SIGMA.pdf |
SIGMA: Sheaf-Informed Geometric Multi-Agent Pathfinding
|
|
| /publications/77-ICRA2025-MARVEL.pdf |
MARVEL: Multi-Agent Reinforcement Learning for constrained field-of-View multi-robot Exploration in Large-scale environments
|
|
| /publications/78-ICRA2025-SILLM.pdf |
Deploying Ten Thousand Robots: Scalable Imitation Learning for Lifelong Multi-Agent Path Finding
|
|
| /publications/74-SEC2025-MAVreconPlanningAnnealing.pdf |
Multi-UAV reconnaissance mission planning via deep reinforcement learning with simulated annealing
|
|
| /publications/79-TITS2025-CoordLight.pdf |
CoordLight: Learning Decentralized Coordination for Network-Wide Traffic Signal Control
|
|
| /publications/73-RAL2025-HetMRTA.pdf |
Heterogeneous Multi-robot Task Allocation and Scheduling via Reinforcement Learning
|
|
| /publications/70-TENCON2024-LandOrNotLand.pdf |
To Land or Not to Land? Digital Twin Approach for Safe Landing of Multirotors on Complex Terrain
|
|
| /publications/68-ICCAS2024-STAR.pdf |
STAR: Swarm Technology for Aerial Robotics Research
|
|
| /publications/67-DARS2024-CommsConstrMAExploration.pdf |
Privileged Reinforcement and Communication Learning for Distributed, Bandwidth-limited Multi-Robot Exploration
|
|
| /publications/62-IROS2024-ReconfigurableDrone.pdf |
Reconfigurable multi-rotor for high-precision physical interaction
|
|
| /publications/65-IROS2024-HeteroLight.pdf |
HeteroLight: A General and Efficient Learning Approach for Heterogeneous Traffic Signal Control
|
|
| /publications/54-AAMAS2024-LearnedPP.pdf |
Attention-based Priority Learning for Limited Time Multi-Agent Path Finding
|
|
| /publications/55-AAMAS2024-MOVRP.pdf |
Collaborative Deep Reinforcement Learning for Solving Multi-Objective Vehicle Routing Problems
|
|
| /publications/56-ICRA2024-MRTA.pdf |
Dynamic Coalition Formation and Routing for Multirobot Task Allocation via Reinforcement Learning
|
|
| /publications/57-ICRA2024-ALPHA.pdf |
ALPHA: Attention-based Long-horizon Pathfinding in Highly-structured Areas
|
|
| /publications/58-ICRA2024-HetErgodicLearning.pdf |
Learning Heterogeneous Multi-Agent Allocations for Ergodic Search
|
|
| /publications/59-TNNLS2024-MOVRP.pdf |
Conditional Neural Heuristic for Multi-objective Vehicle Routing Problems
|
|
| /publications/53-MRS2023-MAIPP.pdf |
Intent-based Deep Reinforcement Learning for Multi-agent Informative Path Planning
|
|
| /publications/52-CORL2023-MaplessNavigation.pdf |
Context-Aware Deep Reinforcement Learning for Autonomous Robotic Navigation in Unknown Area
|
|
| /publications/50-JAAMAS2023_FCMNets.pdf |
Full Communication Memory Networks for Team-Level Cooperation Learning
|
|
| /publications/46-AAMAS2023-SCRIMP.pdf |
SCRIMP: Scalable Communication for Reinforcement- and Imitation-Learning-Based Multi-Agent Pathfinding
|
|
| /publications/44-TVT2022-ChargingStationsTSP.pdf |
Deep Reinforcement Learning for UAV Routing in The Presence of Multiple Charging Stations
|
|
| /publications/41-CORL2022-CAtNIPP.pdf |
CAtNIPP: Context-Aware Attention-based Network for Informative Path Planning
|
|
| /publications/42-DARS2022-DAN.pdf |
DAN: Decentralized Attention-based Neural Network to Solve the MinMax Multiple Traveling Salesman Problem
|
|
| /publications/43-DARS2022-SparseErgodic.pdf |
Sparse Sensing in Ergodic Optimization
|
|
| /publications/40-ICUS2022-MVFramework.pdf |
Distributed Model Predictive Control of Connected Multi-Vehicle Systems at Unsignalized Intersections
|
|
| /publications/37-RAL2022-footholdCPG.pdf |
Joint-Space CPG for Safe Foothold Planning and Body Pose Control during Locomotion and Climbing
|
|
| /publications/38-CDC2022-kuramotoCPG.pdf |
Keyframe-based CPG for Stable Gait Design and Online Transitions in Legged Robots
|
|
| /publications/33-ICRA2022-DynamicErgodicLowInfo.pdf |
Multi-Agent Dynamic Ergodic Search with Low-Information Sensors
|
|
| /publications/35-BnB2022-Hildebrand.pdf |
A general locomotion control framework for multi-legged locomotors
|
|
| /publications/28-DARS2021-HetMASearch.pdf |
Spectral-Based Distributed Ergodic Coverage for Heterogeneous Multi-Agent Search
|
|
| /publications/30-ICRA2021-SnakeSteering.pdf |
Autonomous Decentralized Shape-Based Navigation for Snake Robots in Dense Environments
|
|
| /publications/31-NeurIPS2020-Flatland.pdf |
Flatland competition 2020: MAPF and MARL for efficient train coordination on a grid world
|
|
| /publications/26-IROS2020-MARL-sparseComms.pdf |
Sparse Discrete Communication Learning for Multi-Agent Cooperation Through Backpropagation
|
|
| /publications/25-RAL2020-MARL_comms.pdf |
Simultaneous Policy and Discrete Communication Learning for Multi-Agent Cooperation
|
|
| /publications/24-AAAI2020-diff_discrete_comms.pdf |
Communication Learning via Backpropagation in Discrete Channels with Unknown Noise
|
|
| /publications/23_RSS2019-HierarchicalGaitDesign.pdf |
A Hierarchical Geometric Framework to Design Locomotive Gaits for Highly Articulated Robots
|
|
| /publications/21_ICRA2019_WorkSpaceCPG.pdf |
Workspace CPG with Body Pose Control for Stable, Directed Vision during Omnidirectional Locomotion
|
|
| /publications/19-DARS2018_DistributedAssembly.pdf |
Distributed Reinforcement Learning for Multi-Robot Decentralized Collective Construction
|
|
| /publications/18-RSS2018_BackBendingLocomotion.pdf |
Coordination of back bending and leg movements for quadrupedal locomotion
|
|
| /publications/15-ICRA2018_ProprioceptiveInertialLocomotion.pdf |
Proprioceptive-Inertial Autonomous Locomotion for Articulated Robots
|
|
| /publications/16-ICRA2018_DistributedLearning.pdf |
Distributed Learning for the Decentralized Control of Articulated Mobile Robots
|
|
| /publications/17-ICRA2018_InertialCPG.pdf |
Central Pattern Generator With Inertial Feedback for Stable Locomotion and Climbing in Unstructured Terrain
|
|
| /publications/12-ICRA2016_CollaborativeManipulations.pdf |
Distributed planar manipulation in fluidic environments
|
|
| /publications/14-EPFL_Thesis.pdf |
Control of Agent Swarms in Random Environments
|
|
| /publications/13-ISAROB-SwarmControl.pdf |
Leader-based versus soft control of multi-agent swarms
|
|
| /publications/11-Entropy2015_SolitonInteractions.pdf |
Interacting Brownian Swarms: Analytical Results
|
|
| /publications/10-SWARM2015_SwarmControl.pdf |
Leader-Based versus Soft Control of Multi-Agent Swarms
|
|
| /publications/09-SwarmIntelligence2014_RoboticsMCD.pdf |
Decentralized Self-Selection of Swarm Trajectories: From Dynamical System Theory to Robotic Implementation
|
|
| /publications/08-SMTDA2014_WPCFiltering.pdf |
The estimation problem and heterogenous swarms of autonomous agents
|
|
| /publications/07-Eurocast2013_MCDAgentShill_SpringerLNCS.pdf |
Soft Control of Self-organized Locally Interacting Brownian Planar Agents
|
|
| /publications/06-MCD_Agents_CAP2013.pdf |
Self-organized mixed canonical-dissipative dynamics for Brownian planar agents
|
|
| /publications/05-TrafficCA_JCA2013.pdf |
Traffic prediction based on a local exchange of information
|
|
| /publications/03-ICAART2013_BallisticShill.pdf |
Soft control of swarms: Analytical approach
|
|
| /publications/04-Eurocast2013_MCD_Agents.pdf |
Self-Organized Mixed Canonic-Disipative Dynamics for Brownian Planar Agents
|
|
| /publications/02-ACRI2012_TrafficCA_SpringerLNCS.pdf |
Decentralized Method for Traffic Monitoring
|
|
Внешние ссылки
Кол-во: 52
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 52 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор |
|---|---|
| arxiv.org |
PRIMAL3: Pathfinding via Reinforcement and Imitation Multi-Agent Learning - Leveraging LaCAM3
|
| marmotlab.github.io |
Paper Website
|
| arxiv.org |
RL2-VLA: Adaptive RL Latent Compositional Steering with Test-Time Scaling for Vision-Language-Action Models
|
| rl2-vla.github.io |
Paper Website
|
| arxiv.org |
HeLoM: Hierarchical Learning for Whole-Body Loco-Manipulation by a Hexapod Robot
|
| marmotlab.github.io |
Paper Website
|
| arxiv.org |
TAGA: Terrain-aware Active Gaze Learning for Generalizable Agile Humanoid Locomotion
|
| marmotlab.github.io |
Paper Website
|
| arxiv.org |
X-Morph: Human Motion Priors for Scalable Robot Learning Across Morphologies
|
| maker-rat.github.io |
Paper Website
|
| arxiv.org |
AID: Agent Intent from Diffusion for Multi-Agent Informative Path Planning
|
| arxiv.org |
KiVi: Kinesthetic-Visuospatial Integration for Dynamic and Safe Egocentric Legged Locomotion
|
| arxiv.org |
ImagiNav: Scalable Embodied Navigation via Generative Visual Prediction and Inverse Dynamics
|
| arxiv.org |
APEX: Action Priors Enable Efficient Exploration for Robust Motion Tracking on Legged Robots
|
| arxiv.org |
GRATE: a Graph transformer-based deep Reinforcement learning Approach for Time-efficient autonomous robot Exploration
|
| arxiv.org |
Demystifying Diffusion Policies: Action Memorization and Simple Lookup Table Alternatives
|
| arxiv.org |
COIN: Collaborative Interaction-Aware Multi-Agent Reinforcement Learning for Self-Driving Systems
|
| arxiv.org |
FALCON: Actively Decoupled Visuomotor Policies for Loco-Manipulation with Foundation-Model-Based Coordination
|
| marmotlab.github.io |
Paper Website
|
| arxiv.org |
Preference-Driven Multi-Objective Combinatorial Optimization with Conditional Computation
|
| marmotlab.github.io |
Paper Website
|
| arxiv.org |
Unicorn: A Universal and Collaborative Reinforcement Learning Approach Towards Generalizable Network-Wide Traffic Signal Control
|
| stanfordmsl.github.io |
Paper Website
|
| arxiv.org |
CogniPlan: Uncertainty-Guided Path Planning with Conditional Generative Layout Prediction
|
| yizhuo-wang.com |
Paper Website
|
| arxiv.org |
Search-TTA: A Multimodal Test-Time Adaptation Framework for Visual Search in the Wild
|
| huggingface.co |
HuggingFace Demo
|
| search-tta.github.io |
Paper Website
|
| arxiv.org |
Social Behavior as a Key to Learning-based Multi-Agent Pathfinding Dilemmas
|
| arxiv.org |
SATA: Safe and Adaptive Torque-Based Locomotion Policies Inspired by Animal Learning
|
| arxiv.org |
LNS2+RL: Combining Multi-Agent Reinforcement Learning with Large Neighborhood Search in Multi-Agent Path Finding
|
| arxiv.org |
HDPlanner: Advancing Autonomous Deployments in Unknown Environments Through Hierarchical Decision Networks
|
| openreview.net |
ViPER: Visibility-based Pursuit-Evasion via Reinforcement Learning
|
| arxiv.org |
DecAP: Decaying Action Priors for Accelerated Learning of Torque-Based Legged Locomotion Policies
|
| arxiv.org |
Learning-based Hierarchical Control: Emulating the Central Nervous System for Bio-Inspired Legged Robot Locomotion
|
| arxiv.org |
IR2: Implicit Rendezvous for Robotic Exploration Teams under Sparse Intermittent Connectivity
|
| arxiv.org |
Deep Reinforcement Learning-based Large-scale Robot Exploration
|
| openreview.net |
Learning Temporally Abstract World Models without Online Experimentation
|
| arxiv.org |
SCRIMP: Scalable Communication for Reinforcement- and Imitation-Learning-Based Multi-Agent Pathfinding
|
| arxiv.org |
Spatio-Temporal Attention Network for Persistent Monitoring of Multiple Mobile Targets
|
| arxiv.org |
Legged robots for object manipulation: A review
|
| arxiv.org |
SocialLight: Distributed Cooperation Learning towards Network-Wide Traffic Signal Control
|
| arxiv.org |
ARiADNE: A Reinforcement learning approach using Attention-based Deep Networks for Exploration
|
| arxiv.org |
Distributed Reinforcement Learning for Robot Teams: A Review
|
| figshare.com |
Multi-Agent Traffic Signal Control via Distributed RL with Spatial and Temporal Feature Extraction
|
| arxiv.org |
FCMNet: Full Communication Memory Net for Team-Level Cooperation in Multi-Agent Systems
|
| arxiv.org |
ForMIC: Foraging via Multiagent RL with Implicit Communication
|
| arxiv.org |
PRIMAL2: Pathfinding via Reinforcement and Imitation Multi-Agent Learning -- Lifelong
|
| doi.org |
Coordination of lateral body bending and leg movements for sprawled posture quadrupedal locomotion
|
| arxiv.org |
Distributed Learning of Decentralized Control Policies for Articulated Mobile Robots
|
| arxiv.org |
PRIMAL: Pathfinding via Reinforcement and Imitation Multi-Agent Learning
|
| github.com |
uwsampa on GitHub
|
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Страница https://marmotlab.org/publications.html готова к продвижению на 49%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: