6342 Arbeiten
Diese Arbeit stellt eine neuartige, rekursive Nullraum-Optimierungsmethode vor, die die asymmetrische Dynamik von Aktuatoren bei vollaktuierten omnidirektionalen UAVs berücksichtigt, um durch vorausschauende Glättung der Motorbefehle Oszillationen zu unterdrücken und die Trajektorienverfolgung zu verbessern.
Diese Studie beschreibt, wie ein Masterstudiengang für Soziale Arbeit mithilfe eines lokal eingesetzten KI-Modells über 40.000 Stellenanzeigen analysierte, um datengestützte Erkenntnisse über gefragte Kompetenzen und Spezialisierungen zu gewinnen und diese als strategischen Input für die Lehrplanentwicklung zu nutzen.
Die Arbeit stellt RoboCritics vor, ein System, das durch expertenbasierte Kritiker, die Bewegungsfehler erkennen und transparente Rückmeldungen geben, die Zuverlässigkeit und Sicherheit von Robotik-Programmierung mittels Large Language Models für Endanwender erhöht.
Die Arbeit stellt MotionBits vor, ein neuartiges, semantikunabhängiges Konzept zur Segmentierung von starren Körpern basierend auf kinematischer Äquivalenz, das zusammen mit dem Benchmark MoRiBo und einer lernfreien Graphenmethode die Wahrnehmung für robotische Manipulation und embodied Reasoning signifikant verbessert.
Diese Studie charakterisiert Fehler in agenter KI durch eine empirische Analyse von über 13.000 Issues aus Open-Source-Projekten, die zur Entwicklung einer validierten Taxonomie von 37 Fehlertypen, deren Symptomen und Ursachen führt und dabei häufige Fehlermuster wie die Diskrepanz zwischen probabilistischen LLM-Ausgaben und deterministischen Schnittstellen aufdeckt.
Die Arbeit stellt Twitch vor, ein Werkzeug, das mithilfe von Stitch automatisch abstrakte Termmuster aus erfolgreichen oder gescheiterten Beweisen ableitet und diese zur signifikanten Beschleunigung sowie zum Lösen zusätzlicher Gleichungsbeweise im Twee-Theorembeweiser nutzt.
Diese Arbeit untersucht die nichtlineare Stabilitätsverschlechterung von visionbasierten Teleoperationssystemen unter Netzwerklatenz und identifiziert mittels des entwickelten LAVT-Testbeds einen kritischen Kollaps der Systemstabilität bei Einweg-Perzeptionsverzögerungen zwischen 150 ms und 225 ms.
Diese Arbeit stellt einen neuen aktiven View-Selection-Ansatz namens Perturbed Gaussian Ensemble vor, der durch die stochastische Skalierung von Gaussschen Primitive eine Unsicherheitsmodellierung ermöglicht, um bei der tomographischen Rekonstruktion aus wenigen Aufnahmen die geometrischen Artefakte zu minimieren und die Bildqualität zu verbessern.
Die Studie nutzt mechanische Interpretierbarkeit, um spezifische „Hör"-Aufmerksamkeitsköpfe in Audio-Sprachmodellen zu identifizieren und durch gezielte Eingriffe in die Inferenzphase die Audio-Verarbeitung ohne Parameter-Updates signifikant zu verbessern.
Eine randomisierte Studie mit 400 Teilnehmern zeigt, dass die Unterstützung durch eine einzelne KI-Interpretation beim poetischen Close Reading sowohl die Leistung als auch das Lesevergnügen steigert, während eine übermäßige Abhängigkeit von der KI zwar die Leistung verbessert, aber das Vergnügen mindert, was die Empfehlung „weniger ist mehr" für den Einsatz von KI in der kulturellen Interpretation untermauert.
Die Studie zeigt, dass bei der Diagnose seltener Krankheiten eine hierarchische Multi-Agenten-Architektur die höchste Genauigkeit erzielt, während komplexe Topologien wie das adversäre Modell die Leistung verschlechtern und somit eine dynamische Auswahl der Systemarchitektur nahelegen.
Die Studie stellt mit PVBench einen neuen Benchmark vor und zeigt, dass über 40 % der von aktuellen automatischen Reparatur-Systemen als erfolgreich eingestuften Patches bei Berücksichtigung zusätzlicher Semantik-Tests (PoC⁺) versagen, was auf eine erhebliche Überschätzung der Erfolgsraten und Verbesserungsbedarf in der Ursachenanalyse sowie der Einhaltung von Spezifikationen hinweist.
Das Paper stellt ColonSplat vor, ein dynamisches Gaussian-Splatting-Framework, das zusammen mit dem neuen synthetischen Datensatz DynamicColon eine präzise 3D-Rekonstruktion der peristaltischen Bewegung während der Koloskopie unter Wahrung der globalen geometrischen Konsistenz ermöglicht.
Diese Arbeit stellt ein hardware-effizientes Framework zur Vorhersage von Flugbahnen vor, das Umgebungs-prioritäten mit einer Dual-Transformer-Cascaded-Architektur kombiniert, um beispielsweise den Landepunkt von Tennisbällen präzise zu bestimmen und dabei bestehende Methoden in Genauigkeit und Effizienz übertrifft.
Das Paper stellt Robodimm vor, ein Software-Framework, das mithilfe von Pinocchio und Pink sowie einer KKT-Formulierung die automatisierte Dimensionierung von Aktuatoren für skalierbare modulare Roboter mit geschlossenen kinematischen Ketten ermöglicht, um Kosten, Masse und dynamische Leistung zu optimieren.
Die Arbeit stellt CAR vor, ein Framework, das mithilfe eines Transformer-Encoders und eines gemeinsamen latenten Raums die kinodynamische Anpassung autonomer Fahrzeuge auf neue Plattformen mit minimalem Datenbedarf ermöglicht und so die Skalierbarkeit heterogener Roboterschwärme verbessert.
Die Arbeit stellt LEAD (Lookahead-Enhanced Atomic Decomposition) vor, eine Methode, die durch kurze zukünftige Validierung und die Aggregation überlappender Rollouts die durch extreme Zerlegung verursachte „Nicht-Wiederherstellbarkeits-Blockade" in der langfristigen reasoning von LLMs überwindet und so die Stabilität und Lösbarkeit komplexer algorithmischer Aufgaben wie Checkers signifikant verbessert.
Das Paper stellt PICS vor, ein selbstüberwachtes Verfahren zur parallelen Bildkomposition, das mithilfe eines Interaktions-Transformers und maskengesteuerter Mixture-of-Experts-Modelle kohärente räumliche Beziehungen und physikalische Konsistenz bei der Einfügung mehrerer Objekte sicherstellt.
Die Studie zeigt, dass bei der Fehlererkennung in LLM-Antworten die Länge der Erklärung den Einfluss der Richtigkeit der KI auf die menschliche Genauigkeit moderiert, wobei mittellange Erklärungen bei falschen LLM-Antworten zu einer besseren kritischen Bewertung führen als kurze oder lange.
Dieser vorläufige Beitrag schlägt einen Rahmen vor, der Materialien, Farben und Texturen als erklärbare Signale für die Mensch-Roboter-Interaktion nutzt, um durch gezielte ästhetische Gestaltung die Erwartungen der Nutzer an die Rolle und Fähigkeiten von Robotern zu klären.