7210 Arbeiten
Diese Arbeit stellt ein vision-gesteuertes robotisches System für die gezielte Bestäubung in kontrollierten Umgebungen vor, das durch die Kombination von 3D-Pflanzenrekonstruktion, zielgerichtetem Greifplanen und physikbasierter Vibrationsmodellierung eine präzise und blüten-schonende Bestäubung ermöglicht.
Diese Arbeit stellt „Differentiable Variable Fonts" vor, ein Framework, das die parametrische Steuerung von Schriftarten durch eine differenzierbare mathematische Formulierung mit modernen Optimierungsverfahren verbindet, um automatisierte und intuitive Werkzeuge für das Design und die Animation von Typografie zu ermöglichen.
Die Arbeit stellt EB-MBD vor, eine Methode zur sicheren Trajektorienoptimierung in stark eingeschränkten Umgebungen, die durch den Einsatz progressiv eingeführter Barrieren-Funktionen die Ineffizienz und Leistungsverschlechterung herkömmlicher modellbasierter Diffusionsverfahren vermeidet und dabei eine höhere Lösungsqualität bei deutlich geringerem Rechenaufwand als projektionsbasierte Ansätze erreicht.
Die Arbeit stellt AR-Drag vor, das erste RL-gestützte autoregressive Video-Diffusionsmodell mit nur 1,3 Milliarden Parametern, das durch einen Self-Rollout-Mechanismus und eine Trajektorien-basierte Belohnungsfunktion Echtzeit-Bild-zu-Video-Generierung mit präziser Bewegungssteuerung und hoher visueller Qualität ermöglicht.
Das Paper stellt CDE (Concept-Driven Exploration) vor, eine Methode, die vortrainierte Vision-Language-Modelle nutzt, um durch rekonstruktionsbasierte intrinsische Belohnungen eine effiziente Exploration in visuellen Reinforcement-Learning-Aufgaben zu ermöglichen, was sich durch robuste Leistung in Simulationen und eine 80-prozentige Erfolgsrate bei einem realen Franka-Roboterbewegungsmanöver bestätigt.
Diese Studie untersucht die deliberativen Dynamiken und Wertausrichtungen von LLMs in Mehr-Turn-Debatten zu alltäglichen ethischen Dilemmata und zeigt, dass sich Modelle wie GPT-4.1, Claude 3.7 Sonnet und Gemini 2.0 Flash in Bezug auf Urteilsrevisionsraten, Werteprioritäten und die Anfälligkeit für Reihenfolgeeffekte je nach Synchronisationsmodus (parallel vs. sequenziell) erheblich unterscheiden.
Die Arbeit stellt einen retraining-freien, leichten Plugin-Ansatz namens „Functional Head Identification and Class-Conditioned Rescaling" vor, der durch die adaptive Neubalanceierung von wahrnehmungs- und denkorientierten Aufmerksamkeitsköpfen über die Netzwerkschichten hinweg Halluzinationen in multimodalen großen Reasoning-Modellen reduziert und dabei die Genauigkeit signifikant steigert, ohne die Architektur zu verändern oder die Latenz erheblich zu erhöhen.
Diese Arbeit stellt ein präferenzbasiertes, multi-objektives Reinforcement-Learning-Framework vor, das es humanoiden Robotern ermöglicht, durch einen einzigen Policy-Navigationsbefehle präzise zu verfolgen und gleichzeitig externe Kräfte während der menschlichen Interaktion nachgiebig zu kompensieren.
Die Arbeit stellt DropVLA vor, einen neuartigen Backdoor-Angriff auf Vision-Language-Action-Modelle, der es Angreifern ermöglicht, unter minimaler Datenvergiftung und ohne sichtbare Leistungsverschlechterung gezielt einzelne, sicherheitskritische Roboteraktionen an vorherbestimmten Entscheidungspunkten auszulösen.
Die Arbeit stellt einen datengetriebenen Rahmen vor, der ein erlerntes Weltmodell mit sampling-basiertem MPC kombiniert, um humanoide Roboter effizient und robust physische Kontakte in unstrukturierten Umgebungen zu planen, ohne auf Demonstrationsdaten angewiesen zu sein.
Die Studie zeigt, dass der Protégé-Effekt, bei dem Teilnehmer digitale Stressbewältigung anderen beibringen, im Vergleich zu reinen Lern- oder Kontrollgruppen keine signifikante Reduktion des eigenen digitalen Stresses bewirkt und somit die Schwierigkeit unterstreicht, kognitive Engagement in tatsächliche Verhaltensänderungen umzusetzen.
Diese systematische Übersichtsarbeit fasst den aktuellen Stand der unsupervised deep generative models zur anormale Detektion in der Neurobildgebung zusammen, hebt ihr Potenzial für die pathologieunabhängige Lokalisierung von Anomalien hervor, identifiziert jedoch methodische Heterogenität und mangelnde externe Validierung als wesentliche Herausforderungen.
Diese Arbeit stellt eine robuste probabilistische Metrik vor, die auf Basis von unvollständigen Punktwolken die Stabilität, Greifbarkeit und Kollisionsfreiheit von 6D-Platzierungsposen bewertet, um modellfreies, einheitliches Pick-and-Place-Reasoning für bisher unbekannte Objekte in unstrukturierten Umgebungen zu ermöglichen.
Diese Arbeit stellt ein neuartiges Framework namens Collision-based Multi-modal Rehearsal (CMR) vor, das durch gezielte Stichprobenselektion und kollisionsbasierte Wiederholung das Problem der Modalitätsverschränkung beim kontinuierlichen Audio-Visuellen Segmentieren löst und dabei semantische Drift sowie Verwechslungen bei häufig gemeinsam auftretenden Klassen effektiv adressiert.
Die Arbeit stellt PolyJailbreak vor, einen neuartigen Black-Box-Angriffsrahmen für multimodale Sprachmodelle, der die als „multimodale Sicherheitsasymmetrie" identifizierte Schwachstelle nutzt, um durch eine strukturierte Bibliothek atomarer Strategien und reinforcement-learning-basierte Optimierung die Sicherheitsmechanismen führender Modelle wie GPT-4o und Gemini mit über 95 % Erfolgsquote zu umgehen.
Der Artikel stellt HumanMPC vor, ein sicherheitsgarantierendes Modellprädiktives-Steuerungsframework für die effiziente 3D-Navigation von Mikro-Luftfahrzeugen in Menschenmengen, das datengetriebene Vorhersagemodelle mit einer neuartigen, weniger konservativen Reachability-Analyse kombiniert.
Der vorgestellte Entwurf eines HCI-Rahmens „Khelte Khelte Shikhi" schlägt einen gestuften, kontextangepassten Einsatz von Minecraft Education Edition in Bangladeschs Bildungssystem vor, der durch lokale Netzwerke, Offline-Modi und kulturell lokalisierte Inhalte die Herausforderungen unzureichender Infrastruktur und Ressourcen bewältigt, um gamifiziertes Lernen auch in ressourcenarmen Umgebungen zu ermöglichen.
Das Paper stellt Dream4Drive vor, ein neues Framework zur Erzeugung synthetischer, fotorealistischer Mehransichtsvideos mittels 3D-Assets und Weltmodellen, das speziell darauf ausgelegt ist, die Leistung von Wahrnehmungsmodellen im autonomen Fahren, insbesondere bei seltenen Randfällen, signifikant zu verbessern.
Die Arbeit stellt MoE-GS vor, ein neuartiges Framework für die dynamische 3D-Gaussian-Splatting-Rekonstruktion, das durch einen volumenbewussten Pixel-Router mehrere spezialisierte Experten kombiniert, um die Qualität der Novel-View-Synthese zu verbessern und gleichzeitig durch Pruning sowie Destillationstechniken die Effizienz zu steigern.
Diese Studie bewertet die Leistung, Effizienz und langfristige Tragfähigkeit moderner Cloud-nativer In-Memory-Speicher wie Valkey, KeyDB und Garnet im Vergleich zu Redis durch experimentelle Benchmarks in Kubernetes-Umgebungen.