7781 Arbeiten
Die Arbeit stellt mit RuleSafe einen neuen Benchmark für langfristige Manipulationsaufgaben an artikulierten Objekten vor und schlägt VQ-Memory vor, eine kompakte, vektorquantisierte Gedächtnisdarstellung, die die Planung und Generalisierung von Vision-Language-Action-Modellen in nicht-Markovschen Umgebungen signifikant verbessert.
Die Arbeit stellt RESBev vor, eine robuste und plug-and-play-fähige Methode für die Vogelperspektive (BEV) in autonomen Fahrzeugen, die durch ein latentes Weltmodell korrupte Beobachtungen rekonstruiert und so die Widerstandsfähigkeit bestehender Systeme gegen sensorische Störungen und adversariale Angriffe signifikant verbessert.
Die Arbeit stellt DCAU-Net vor, ein effizientes Framework für die medizinische Bildsegmentierung, das durch eine neue Differential Cross Attention (DCA) zur Reduktion der Rechenkomplexität bei gleichzeitiger Hervorhebung diskriminierender Strukturen sowie eine Channel-Spatial Feature Fusion (CSFF) für die adaptive Integration semantischer und räumlicher Merkmale die Segmentierungsgenauigkeit und Robustheit verbessert.
Diese Studie stellt eine von einem Large Language Model (LLM) gesteuerte Methode zur dynamischen multimodalen Ausdrucks生成 vor, die in virtuellen Lernumgebungen semantisch abgestimmte Sprache und Gesten erzeugt und nachweislich die Lernwirksamkeit, das Engagement sowie das menschliche Erscheinungsbild von pädagogischen Agenten verbessert.
Diese Arbeit stellt eine Reinforcement-Learning-Strategie vor, die Unified Vision-Language-Modelle durch eine hybride Warm-up-Phase und eine erweiterte Group Relative Policy Optimization (GRPO) mit hybriden sowie prozessbasierten Belohnungen befähigt, hochwertige multimodale interleaved Ausgaben ohne große spezialisierte Datensätze zu generieren.
Die Autoren stellen den DynHiL-EQA-Datensatz und das trainingfreie Framework DIVRR vor, um die Herausforderungen dynamischer, von Menschen bevölkerter Umgebungen beim Embodied Question Answering durch eine relevante Sichtverfeinerung und selektive Speicherauswahl zu bewältigen und dabei sowohl die Robustheit als auch die Inferenzeffizienz zu steigern.
Die Arbeit stellt NS-VLA vor, ein neuartiges neuro-symbolisches Vision-Language-Action-Framework, das durch den Einsatz eines symbolischen Encoders, eines symbolischen Lösers und Online-Reinforcement-Learning die Daten-effizienz, Generalisierbarkeit und Explorationsfähigkeit von Robotern in Manipulationsaufgaben verbessert.
Diese Arbeit stellt einen neuen, auf Large Language Models basierenden Rahmen für die automatische Programmkorrektur vor, der speziell entwickelt wurde, um Sicherheitslücken an Schnittstellen zwischen isolierten Softwarekompartimenten durch eine Kombination aus spezialisiertem Fuzzing, Analysetechniken und Validierung zu identifizieren und zu beheben.
Diese Studie bietet eine umfassende Analyse verschiedener Zeit-of-Flight-Nicht-Sichtlinien-Imaging-Methoden, indem sie diese unter einem gemeinsamen mathematischen und hardwaretechnischen Rahmen vergleicht, um ihre Ähnlichkeiten, Unterschiede sowie gemeinsame Leistungsgrenzen bezüglich räumlicher Auflösung und Rauschempfindlichkeit objektiv zu bewerten.
Die Arbeit stellt MASSE vor, ein dynamisches Suchverschlüsselungsschema für mehrere Clients, das attributbasierte Zugriffskontrolle integriert, um eine feingranulare Autorisierung und effiziente Aktualisierungen in der Cloud zu ermöglichen, ohne die Privatsphäre der Schlüsselwörter oder Attribute zu gefährden.
Das Paper stellt GeoSolver vor, ein Framework, das durch den Einsatz eines token-level Prozess-Reward-Modells (GeoPRM) und des Algorithmus Process-Aware Tree-GRRO die testzeitliche Skalierbarkeit und visuelle Zuverlässigkeit von Vision-Language-Modellen in der Fernerkundung durch feingranulare Prozessüberwachung signifikant verbessert.
Die Studie zeigt, dass bei begrenztem Optimierungsbudget die Evolution von spezialisierten Roboterkontrollern in einem Schwarm zu einer ineffizienteren Zusammenarbeit führt als generalistische Verhaltensweisen, wodurch sich Task-Spezialisierung nicht zwangsläufig als effizienter erweist.
Diese Arbeit stellt ein Trajektorienoptimierungsverfahren vor, das die selbstwickelnde Umleitung von Seilen bei der Manipulation verformbarer Objekte explizit berücksichtigt und durch eine Relaxierungshierarchie sowie implizite Spannungsbedingungen effizientere Manöver ermöglicht, die Drehmomente durch gezielte Seilumlenkung nutzen.
Diese Arbeit nähert sich der Lösung der Vermutung, dass beschränkte Ableitungstiefe endliche Kontrollierbarkeit impliziert, indem sie nachweist, dass universelle Modelle von solchen Regelsets keine beliebig großen Turniere enthalten können, ohne eine Schleifenabfrage zu erfüllen.
Der Artikel stellt ReTac-ACT vor, einen visuo-taktilen Imitationslern-Ansatz, der durch bidirektionale Kreuzaufmerksamkeit, eine propriozeptionsgesteuerte Gating-Mechanik und ein taktiler Rekonstruktionsziel die Präzisionsmontage in stark verdeckten Bereichen mit einer 90-prozentigen Erfolgsrate bei der NIST-M1-Benchmark deutlich verbessert.
Das Paper stellt GeoAlignCLIP vor, ein Framework, das durch Multi-Granularitäts-Konsistenzlernen und den neu erstellten RSFG-100k-Datensatz die feinkörnige Bild-Sprach-Ausrichtung in der Fernerkundung verbessert und damit bestehende Methoden in verschiedenen Aufgaben übertrifft.
Diese Studie analysiert die Leistung einer virtualisierten XRootD-Frontend-Architektur am T2_BR_SPRACE unter Hochlastbedingungen und dokumentiert, dass das System mit heterogenen VMs und modernen TCP-Optimierungen aggregierte Durchsätze von bis zu 51,3 Gb/s sowie Spitzenwerte von 41,5 Gb/s zu Fermilab erreicht.
Diese Arbeit stellt das Panorama-Sprachmodell (PLM) und den zugehörigen Datensatz PanoVQA vor, die durch eine integrierte 360°-Verarbeitung und einen neuen Sparse-Attention-Mechanismus ein ganzheitliches Verständnis von Adversen Omni-Szenen ermöglichen, das über die bloße Kombination einzelner Nahaufnahmen hinausgeht.
Die Arbeit stellt BinaryAttention vor, eine Methode zur 1-Bit-Quantisierung von QK-Attention in Vision- und Diffusion-Transformern, die durch binäre Operationen und einen lernbaren Bias eine über 2-fache Beschleunigung gegenüber FlashAttention2 bei gleichzeitiger Beibehaltung oder sogar Steigerung der Genauigkeit ermöglicht.
Diese Arbeit stellt einen propriozeptiven Rahmen für quadrupede Roboter vor, der durch die Kombination einer 2,5-D-Terrain-Schätzung mit sicherheitskritischen Kontrollbarrierefunktionen eine robuste und sichere Fortbewegung in unebenem Gelände ohne externe Sensoren ermöglicht.