6354 Arbeiten
Das Paper stellt SysNav vor, ein dreistufiges System, das durch die Entkopplung von semantischer Schlussfolgerung, Navigationsplanung und Bewegungssteuerung mittels Vision-Language-Modellen zuverlässige und effiziente Objekt-Navigation über große Distanzen in komplexen realen Umgebungen für verschiedene Roboterplattformen ermöglicht.
Der vorgestellte Ansatz PaQ-DETR verbessert die Objekterkennung durch eine dynamische, inhaltsabhängige Generierung von Abfragen und eine qualitätsbewusste Zuweisungsstrategie, die das Ungleichgewicht bei der Abfragenutzung überwindet und konsistente Genauigkeitssteigerungen auf verschiedenen Benchmarks erzielt.
Die Arbeit stellt T2Nav vor, ein Zero-Shot-Navigationssystem für autonome Agenten, das algebraische Topologie, temporale Graphen und Loop-Detection nutzt, um in unbekannten Umgebungen effizient Hindernisse zu vermeiden, Schleifen zu erkennen und Ziele auf Basis von Referenzbildern zu erreichen.
Das Paper stellt SurgSync vor, ein Framework zur synchronisierten Erfassung multimodaler chirurgischer Roboterdaten auf Basis des dVRK, das durch hochwertige Sensoren und eine Validierung an ex-vivo-Gewebe eine umfassende Datensammlung für das Training von KI-Systemen ermöglicht.
Die Arbeit stellt DLRMamba vor, eine effiziente Methode zur Multispektral-Fusion für die Objekterkennung am Edge, die durch eine Low-Rank-SS2D-Architektur und strukturaware Distillation die Rechenkosten von Mamba-Modellen senkt, ohne die Detektionsgenauigkeit auf ressourcenbeschränkter Hardware zu beeinträchtigen.
Dieses Paper stellt LIPP (Load-Aware Informative Path Planning) vor, eine Erweiterung der klassischen Informationspfadplanung, die durch die explizite Modellierung der Kopplung zwischen Informationsgewinn und lastabhängigen Reisekosten die Energieeffizienz bei physischen Probenentnahmen optimiert und dabei die klassische Planung als Spezialfall bei vernachlässigbarer Probenmasse einschließt.
Dieses Paper stellt ESM-YOLO+ vor, ein leichtgewichtiges Netzwerk zur Fusion von sichtbaren und infraroten Fernerkundungsbildern, das durch einen maskenbasierten Aufmerksamkeits-Fusionsmechanismus und eine strukturelle Trainingsverbesserung die Erkennung kleiner Ziele in komplexen Hintergründen mit hoher Präzision und geringer Rechenkomplexität ermöglicht.
Die Studie stellt MindfulAgents vor, ein auf Large Language Models basierendes Multi-Agenten-System, das durch personalisierte, expertenkonforme Meditationsskripte und Echtzeit-Anpassungen nachweislich das Engagement, das Stressniveau und das Achtsamkeitsniveau der Nutzer sowohl kurz- als auch langfristig verbessert.
Die Autoren stellen ein kontrastives Few-Shot-Framework vor, das RGB-Bilder mit spärlichen 1D-Laser-Tiefendaten und negativen Prototypen kombiniert, um die Genauigkeit der Hinderniserkennung und der Erkennbarkeit von begehbarer Fläche bei der Indoor-Roboter-Navigation signifikant zu verbessern.
Die Studie entwickelt ein physikbasiertes Modell zur Vorhersage von Bewegungsversagensmechanismen und zur Risikobewertung für laufende Roboter auf granularer Schräge, indem sie zeigt, dass die Leistungsminderung primär durch verzögerte Verankerung und erhöhten Rückwärtsschlupf statt durch übermäßiges Einsinken verursacht wird.
Die Arbeit stellt eine Fallstudie vor, in der ein LLM-Agent einen vollständigen SMT-Löser für QF_UF ohne menschlich geschriebenen Code entwickelt, der den Nieuwenhuis-Oliveras-Kongruenzabschluss-Algorithmus implementiert, auf SMT-LIB-Benchmarks konkurrenzfähig ist und Beweise für Lean erzeugt.
Die Arbeit stellt HIERAMP vor, eine Methode zur Generativen Datensatz-Distillation, die das hierarchische Semantik-Verständnis des Vision Autoregressive (VAR)-Modells nutzt, um durch eine grob-zu-feine Verstärkung diskriminierender Merkmale und Strukturen die Leistung auf gängigen Benchmarks zu verbessern, ohne explizit globale semantische Nähe zu optimieren.
Diese Arbeit stellt einen adaptiven nichtlinearen Beobachter vor, der mithilfe des vollständigen nichtlinearen Dynamikmodells und unter Berücksichtigung einer nicht-konstanten Trägheitsmatrix externe Kräfte und Momente bei der physischen Mensch-UAV-Interaktion präzise schätzt, wodurch auf zusätzliche Kraft-Momenten-Sensoren verzichtet werden kann und die Methode in Simulationen eine bessere Leistung als ein Erweitertes Kalman-Filter zeigt.
Diese Studie stellt eine Pipeline zur Extraktion und Analyse dreidimensionaler histomorphometrischer Merkmale für die perineurale und lymphovaskuläre Invasion beim Prostatakarzinom vor, die nachweislich eine bessere Prognose für das biochemische Rezidiv liefert als herkömmliche zweidimensionale Ansätze.
Diese Studie zeigt, dass die intelligente Kombination von flexiblen Arbeitszeiten und Photovoltaik-Erzeugung die Aufnahmefähigkeit von Verteilnetztransformatoren für Elektrofahrzeuge signifikant steigern und so Netzüberlastungen durch unkoordiniertes Laden verhindern kann.
Dieser Artikel stellt ein zweistufiges Framework vor, das durch minimale Relaxierung und pareto-optimalen Ausgleich widersprüchlicher STL-Spezifikationen die Lösbarkeit von Modellprädiktiver Regelung wiederherstellt und so in sicherheitskritischen Anwendungen wie dem autonomen Fahren Deadlocks vermeidet.
Die Arbeit stellt Space-Control vor, einen Hardware-Software-Co-Design-Ansatz, der durch Authentifizierung des Ausführungskontexts und cache-basierte Zugriffskontrolle eine prozessspezifische Isolation für gemeinsam genutzten CXL-basierten disaggregierten Speicher ermöglicht und dabei nur einen minimalen Performance-Overhead von 3,3 % verursacht.
Diese Arbeit bietet eine kritische Überprüfung der praktischen Anwendung von Control Barrier Functions (CBFs) in der Robotik, indem sie die Lücke zwischen theoretischen Sicherheitsannahmen und der konstruktiven Realisierung bei eingeschränkten Stellgrößen aufzeigt und praktische Leitlinien für die Entwicklung robuster Sicherheitsgarantien jenseits passiv sicherer Systeme liefert.
Die vorgestellte Arbeit zeigt, dass ein rotierendes Gleichgewicht bei der kollaborativen Transport von an Seilen hängenden Lasten durch die Nutzung von Zentrifugalkräften für die horizontale Spannung ermöglicht, dass die Drohnen rein vertikalen Schub erzeugen können, was den Energieverbrauch im Vergleich zu statischen Ansätzen um bis zu 20 % senkt.
Die Studie stellt Virtual Intraoperative CT (viCT) vor, eine Methode, die mithilfe von monokularem endoskopischem Video und NeRF-Technologien intraoperative 3D-Rekonstruktionen erstellt, um statische präoperative CT-Daten während der endoskopischen Sinus-Chirurgie schrittweise an die sich verändernde Anatomie anzupassen und so präzise, hardwareunabhängige Visualisierung von Resektionsgrenzen zu ermöglichen.