5702 artículos
Este documento presenta las actas del primer taller CHIdeology de la conferencia CHI 2026, celebrado en Barcelona, que tiene como objetivo desentrañar la fragmentación de las políticas, valores e imaginarios de la Interacción Humano-Computadora a través del análisis de las ideologías.
El artículo presenta OnFly, un marco totalmente integrado a bordo que mejora la seguridad y eficiencia de la navegación aérea visión-lingüística de cero disparos mediante una arquitectura de doble agente, memoria híbrida y verificación semántico-geométrica, logrando un aumento significativo en la tasa de éxito de las tareas tanto en simulación como en vuelos reales.
El paper presenta A²-Edit, un marco unificado de inpainting que permite editar objetos arbitrarios utilizando solo una máscara aproximada, respaldado por el nuevo dataset UniEdit-500K, un módulo Mixture of Transformer para manejar la diversidad de categorías y una estrategia de entrenamiento con annealing de máscaras para mejorar la robustez.
El artículo presenta MapGCLR, un enfoque semi-supervisado que mejora la construcción de mapas HD vectorizados en línea mediante aprendizaje contrastivo auto-supervisado que aprovecha la consistencia geoespacial entre superposiciones de características en vista de pájaro, logrando un rendimiento superior al de los métodos supervisados convencionales.
El artículo presenta BorderNet, una arquitectura de red neuronal convolucional inspirada en el modelo matemático de la corteza visual para completar bordes en imágenes ocluidas, la cual demuestra un rendimiento superior en conjuntos de datos como MNIST, Fashion-MNIST y EMNIST frente a oclusiones tipo rayas y cuadrículas.
El artículo presenta UniCom, un marco unificado que supera las limitaciones de los tokenizadores visuales discretos mediante representaciones semánticas continuas comprimidas, logrando un rendimiento de vanguardia en la generación y edición de imágenes con una convergencia rápida y una consistencia superior.
El artículo presenta WalkGPT, un modelo de lenguaje-vision grounded que integra razonamiento conversacional, segmentación y estimación de profundidad para guiar la navegación peatonal accesible, junto con el nuevo benchmark PAVE para evaluar estas capacidades.
Mediante un experimento controlado, este estudio revela que las creencias de eficacia actúan como anclajes cognitivos que generan un optimismo sistemático hacia la IA, el cual solo se mitiga con información sobre el rendimiento de la IA, mientras que las discrepancias en estas creencias influyen más en las decisiones de delegación que en el rendimiento real del equipo humano-IA.
Este estudio presenta un modelo computacional que evalúa la detección de biomarcadores de cáncer en etapas tempranas mediante nanomáquinas intravasculares, demostrando que la incorporación de características fisiológicas realistas, como el flujo no uniforme y la interacción con glóbulos rojos, reduce la probabilidad de detección en comparación con modelos simplificados, siendo los capilares el entorno más eficaz para este propósito.
FutureVLA es un modelo que mejora la predicción conjunta visomotora en agentes robóticos mediante una arquitectura que desacopla la información visual y motora para capturar la continuidad temporal y los priores físicos, lo que permite a los modelos VLA existentes internalizar estas capacidades predictivas sin modificar su arquitectura de inferencia.
El marco de aprendizaje por refuerzo meta MAVEN permite a un único policy de cuadricóptero lograr una navegación ágil y robusta mediante la adaptación en tiempo real a variaciones dinámicas extremas, como cambios de masa del 66,7% y fallos del 70% en el empuje de un rotor, logrando una transferencia exitosa de simulación a la realidad en menos de una hora de entrenamiento.
El artículo presenta ASTER, un marco de aprendizaje por refuerzo robusto que logra, por primera vez, el vuelo invertido autónomo en sistemas de cuadricópteros con carga suspendida mediante una estrategia de inicialización de estados informada por dinámicas híbridas (HDSS) que supera los desafíos de la exploración y la transferencia simulación-real.
Este artículo demuestra que es posible reconfigurar sublinealmente cualquier estructura de materia programable en una línea canónica en rondas utilizando movimientos conjuntos centralizados, resolviendo así una cuestión abierta sobre la viabilidad de algoritmos universales sin suposiciones auxiliares.
Este artículo presenta el conjunto de datos eLasmobranc, una colección pública y curada de imágenes de siete especies de elasmobranquios del Mediterráneo español, obtenidas principalmente fuera del agua bajo protocolos estandarizados para facilitar la clasificación de especies a nivel morfológico y apoyar el monitoreo de la biodiversidad y la conservación.
Este trabajo presenta Just-in-Time (JiT), un marco de aceleración espacial sin entrenamiento para Transformadores de Difusión que, mediante la selección dinámica de tokens ancla y un flujo micro determinista, logra una aceleración de hasta 7 veces en el modelo FLUX.1-dev manteniendo una fidelidad de generación casi sin pérdidas.
El artículo presenta Pneuma-Seeker, un sistema basado en la reificación relacional que utiliza agentes de IA para transformar las necesidades de información imprecisas de los usuarios en esquemas de datos concretos y ejecutables, logrando así una mayor precisión y confianza al trabajar sobre datos relacionales heterogéneos en comparación con enfoques basados únicamente en prompts.
Este trabajo propone un sistema de estereofotometría basado en eventos que utiliza una única fuente de luz rotatoria y una red neuronal ligera por píxel para estimar normales de superficie sin calibración, logrando mayor precisión y robustez ante iluminación ambiental y especularidad en comparación con métodos existentes.
El artículo presenta AttriGuard, un nuevo mecanismo de defensa en tiempo real para agentes LLM que utiliza atribución causal y pruebas contrafactuales para distinguir y bloquear inyecciones de prompts indirectas en las invocaciones de herramientas, logrando una tasa de éxito de ataque del 0% con una pérdida de utilidad mínima.
El artículo "CodePercept" identifica que las limitaciones en el razonamiento visual STEM de los modelos de lenguaje multimodal (MLLM) se deben principalmente a deficiencias perceptivas, proponiendo un nuevo paradigma que utiliza código ejecutable como medio de percepción para generar el dataset ICC-1M y el benchmark STEM2Code-Eval, logrando así una comprensión visual más precisa y verificable.
El documento presenta RAGPerf, un marco de referencia de código abierto y bajo costo que permite el análisis detallado y la configuración modular de sistemas de generación aumentada por recuperación (RAG) mediante la evaluación de su rendimiento, uso de recursos y precisión en diversos escenarios y componentes.