5752 artículos
El artículo presenta FG-CLTP, un marco de preentrenamiento contrastivo que integra representaciones táctiles de nubes de puntos 3D cuantitativas con lenguaje para superar las limitaciones de los métodos actuales y lograr un control robótico más preciso en tareas de manipulación complejas.
Este artículo presenta BiLaLoRA, un método de desvanecimiento de imágenes reales que combina una pérdida dirigida por texto basada en CLIP para el aprendizaje no supervisado y una estrategia de posicionamiento de capas LoRA de dos niveles para una adaptación eficiente y dirigida.
Este artículo propone una arquitectura jerárquica que combina aprendizaje por refuerzo y control predictivo de modelo para gestionar la locomoción de robots con patas y híbridos, logrando la transferencia cero-shot de simulación a realidad en un robot Centauro de 120 kg sin necesidad de aleatorización de dominios.
El estudio presenta VoxCare, un sistema escalable de sensores auditivos corporales que analiza en tiempo real los patrones de comunicación natural de los profesionales sanitarios sin almacenar audio crudo, revelando cómo estas interacciones reflejan la carga de trabajo y el estrés para mejorar la entrega de cuidados.
El artículo presenta S2D, una nueva metodología que combina un modelo de difusión eficiente y una estrategia de reconstrucción robusta para transformar nubes de puntos dispersas en representaciones 3D densas de alta calidad mediante mallas de Gauss 3D, logrando así una reconstrucción de alta fidelidad con un número mínimo de vistas de entrada.
Este artículo formaliza la selección de respuestas de DNS autoritativo como un dominio semántico acotado por las restricciones del protocolo, demostrando que cualquier mecanismo de selección en tiempo de consulta puede reducirse a una forma normal finita y estableciendo una estructura algebraica que permite un razonamiento preciso sobre la equivalencia y la expresividad entre sistemas heterogéneos.
Este estudio analiza cómo las arquitecturas de redes neuronales convolucionales influyen en la precisión del modelo y examina factores adicionales que afectan la eficiencia computacional en entornos de aprendizaje distribuido, proporcionando perspectivas clave para optimizar su despliegue en escenarios intensivos de recursos.
Este artículo propone un método de inferencia multi-paso sin entrenamiento para la extracción de hablantes objetivo que, utilizando un modelo preentrenado congelado, refina iterativamente la estimación mediante interpolación y selección de candidatos, optimizando métricas intrusivas o no intrusivas (o una combinación de ambas) para lograr mejoras consistentes y un control adaptable en el despliegue práctico.
Este estudio presenta una nueva arquitectura de automatización robótica de procesos (RPA) para la detección de lesiones de cáncer oral que, mediante el uso de patrones de diseño y procesamiento por lotes, logra una mejora de eficiencia de 60 a 100 veces en comparación con los métodos estándar.
Este trabajo presenta un marco de aprendizaje por imitación de por vida que utiliza un espacio latente multimodal para la reproducción de experiencias y un mecanismo de ajuste incremental para estabilizar la adaptación, logrando un nuevo estado del arte en los benchmarks LIBERO con mejoras significativas en el rendimiento y una reducción sustancial del olvido catastrófico.
Este artículo presenta la Huffman-Bucket Sketch (HBS), una estructura de datos simple y fusionable que comprime sin pérdidas un HyperLogLog a un espacio óptimo de bits mediante codificación Huffman dinámica, manteniendo actualizaciones de tiempo constante y reduciendo significativamente los requisitos de memoria.
El sistema CBCTRepD, desarrollado con un conjunto de datos de 7.408 estudios, mejora la interpretación de tomografías cónicas (CBCT) orales y maxilofaciales al generar informes de alta calidad que asisten a radiólogos de todos los niveles en la reducción de errores y la estandarización de los diagnósticos.
El artículo presenta STADA, un marco de generación de pruebas basado en especificaciones que utiliza lógica temporal (LTLf) para crear sistemáticamente escenarios de conducción autónoma que superan significativamente a los métodos existentes en cobertura y eficiencia.
Este artículo presenta un procedimiento lineal para reconocer subconjuntos mínimamente insatisfacibles (MUS) en fórmulas 2-CNF, extiende resultados sobre la complejidad NP de ciertos casos y demuestra que encontrar o decidir la existencia de MUSs que contengan una o dos cláusulas unitarias es resoluble en tiempo polinómico.
Este artículo propone SSL-V3, un modelo basado en aprendizaje auto-supervisado y transformadores de visión que integra la evaluación de calidad de video sin referencia para mejorar la clasificación de videos, demostrando una alta precisión en datasets de salud como I-CONECT al abordar la escasez de etiquetas de calidad.
El artículo presenta Med-DualLoRA, un marco de ajuste fino federado y eficiente en parámetros que adapta modelos fundacionales a imágenes de resonancia magnética cardíaca 3D mediante la descomposición aditiva de adaptadores globales y locales, logrando un mejor rendimiento y privacidad en entornos clínicos heterogéneos con menor costo de comunicación.
El artículo presenta VCR, un marco novedoso para la mejora de imágenes en baja iluminación que utiliza recalibración de canales impulsada por la varianza y alineación de distribuciones de color para superar las limitaciones de consistencia y fidelidad cromática de los métodos existentes.
Este informe resume los hallazgos y recomendaciones estratégicas del taller del NSF sobre el diseño conjunto de algoritmos y hardware para aplicaciones médicas, el cual abogó por un cambio fundamental en el desarrollo de tecnologías sanitarias mediante inversiones en infraestructuras compartidas, sistemas conscientes de los flujos de trabajo clínicos y ecosistemas de validación escalables para garantizar plataformas seguras y resilientes.
Este trabajo propone un marco de control adaptativo que combina un controlador de impedancia cartesiana y un agente de aprendizaje por refuerzo para automatizar con éxito el raspado de muestras de materiales heterogéneos en laboratorios, superando a las estrategias de fuerza fija mediante la transferencia de una política entrenada en simulación a un robot real.
El artículo presenta PPGuide, un marco ligero basado en un clasificador que utiliza un proceso de autoaprendizaje para guiar a las políticas de difusión preentrenadas hacia acciones más robustas y evitar modos de fallo durante la inferencia, logrando mejoras consistentes en diversas tareas de manipulación robótica.