4321 ورقة بحثية
تقدم هذه الورقة VLA-REPLICA، وهو معيار مرجعي واقعي منخفض التكلفة وسهل التكرار مبني من مكونات جاهزة للاستخدام، يعالج أوجه القصور في طرق التقييم الحالية من خلال توفير بيئة متسقة ومتنوعة ومتاحة لتقييم نماذج الرؤية واللغة والعمل (Vision-Language-Action) عبر المختبرات العالمية.
تقدم هذه الورقة البحثية إطار عمل Q-SpiRL، وهو إطار تعلم تعزيزي نبضي كمي هجين يجمع بين المعالجة الزمنية القائمة على النبضات والتحويل الميزاتي الكمي التبايني لتحقيق أداء ملاحة وتوازن فائقين في البيئات الديناميكية، كما تم التحقق من ذلك من خلال عمليات محاكاة مكثفة ونشر واقعي على أجهزة IBM الكمية.
يُعد Demo-JEPA إطار عمل مبتكر للتعلم بالتقليد عبر الأجساد المختلفة، يتجاوز الحاجة إلى مساحات عمل مشتركة من خلال تفسير العروض التوضيحية كأهداف مستقبلية ضمن بنية تنبؤية ذات تمثيل مشترك، مما يمكّن الوكلاء المستهدفين من استنتاج الحالات المرغوبة والتخطيط لها باستخدام الملاحظات البصرية وتجربة التفاعل الخاصة بهم فقط.
يقضي إطار عمل DISC على تسرب الملاحظة في عمليات التلاعب المشروطة باللغة من خلال استخدام شبكة فائقة (hypernetwork) لتوليد معلمات سياسة خاصة بالمهمة مباشرة من التعليمات، مما يؤدي إلى فصل هيكلي بين التجذر اللغوي ومعالجة الحالة البصرية، ويحقق أداءً وقدرة على التعميم يتفوقان على النماذج الأساسية المتشابكة والنماذج الضخمة سابقة التدريب.
يُعد STEAM إطار عمل للتعزيز أثناء وقت الاختبار دون الحاجة إلى تدريب، يعمل على تحسين مسارات الوكلاء المتعددين اللامركزية عبر حقن توجيه خفيف الوزن ومدرك للازدحام في السياسات سابقة التدريب للتخفيف من الاختناقات المكانية والزمانية، مما يعزز معدلات النجاح والكفاءة بشكل كبير مع حد أدنى من العبء الحسابي.
تقدم الورقة البحثية LiteViLNet، وهي شبكة خفيفة الوزن متعددة الأنماط تدمج بيانات RGB وLiDAR بكفاءة باستخدام مشفر ثنائي المسار، ووحدة دمج الميزات متعددة المقاييس، وجسر ذي نواة كبيرة لتحقيق دقة حالة الفن في تقسيم الطرق مع الحد الأدنى من المعلمات وسرعات استدلال في الوقت الفعلي مناسبة للأجهزة الطرفية محدودة الموارد.
تقترح هذه الورقة طريقة معايرة عبر الإنترنت قائمة على معلومات الشذوذ، تقوم بدمج درجات شذوذ الإدراك والديناميكيات من نموذج عالمي لضبط تقديرات الثقة ديناميكيًا عبر قياس درجة الحرارة، مما يحسن بشكل كبير من موثوقية التنبؤ بالسلامة في ظل تغيرات التوزيع في العالم الحقيقي في سباقات السيارات ذاتية القيادة دون الحاجة إلى إعادة تدريب النموذج.
يُعد EllipseLIO نظاماً لتحديد الموقع والتقدير بالقصور الذاتي باستخدام ليدار (LiDAR) في الوقت الفعلي وتكيفي، حيث يستخدم تمثيلاً إهليلجياً للتكيف تلقائياً مع مختلف المستشعرات والبيئات دون ضبط يدوي، محققاً دقة ومتانة فائقتين عبر سيناريوهات متنوعة مقارنة بالطرق الحالية المتطورة.
تقدم هذه الورقة أربع مجموعات بيانات متخصصة للطيف المرئي (التدرج الرمادي، والحراري، والليلي، ورؤية أوبسكورا) مشتقة من مجموعة بيانات KIIT-MiTA لتدريب وتقييم نموذج YOLOv11-small من أجل الكشف القوي عن الأجسام العسكرية بواسطة الطائرات بدون طيار في ظروف واقعية متنوعة وصعبة.
تقترح هذه الورقة إطار عمل للتحكم التنبئي بالنماذج يعتمد على قيود "إبسيلون" المتكيفة مع التضاريس، والذي يدمج نموذجاً شبه بارامتري للمركبة والتضاريس مع حدود "إبسيلون" ديناميكية لتحسين التخطيط الكينوديناميكي للمركبات الشبيهة بالسيارات على التضاريس الوعرة، محققاً نجاحاً وتوازناً في الملاحة يتفوق على النماذج المرجعية الحالية.