8170 artículos
Este artículo presenta el análisis teórico y la discretización mediante elementos virtuales de un modelo acoplado 3D-2D que combina flujo de Stokes y placas poroelásticas Biot-Kirchhoff, demostrando su solvabilidad única, estabilidad y convergencia óptima, y validando su aplicación en la simulación de aislamiento inmune mediante membranas de nanoporos de silicio.
Este artículo propone una estrategia de control robótico robusta y conforme, basada en aprendizaje por refuerzo multi-tarea y destilación de políticas, que logra ensamblajes de alta precisión en lotes con tipos y cantidades de ajuste inciertos mediante la descomposición de tareas y la fusión de visión y fuerza.
Este artículo presenta un algoritmo determinista de tiempo polinomial basado en un marco de cómputo gráfico que, mediante la extensión incremental de aristas y un mecanismo de recorte de inconsistencias globales, demuestra que P = NP al evitar la enumeración explícita de certificados.
El artículo presenta YOPO, un marco unificado de un solo paso basado en transformadores que logra un estado del arte en la estimación de pose 9D de múltiples objetos a nivel de categoría a partir de una sola imagen RGB, eliminando la necesidad de modelos CAD, profundidad o etapas cascada.
Este trabajo presenta Adaptive Tamaraw, un marco unificado que combina técnicas de regularización y agrupación supersecuencial para ofrecer una defensa adaptable contra la huella digital de sitios web, logrando reducir la sobrecarga en un 99% en comparación con Tamaraw clásico mientras mantiene garantías de seguridad demostrables.
El artículo presenta BLAST, una herramienta que combina modelos de lenguaje grandes y pruebas de software basadas en búsqueda para generar automáticamente pruebas que reproducen errores a partir de pares de problemas y parches, logrando un rendimiento superior al estado del arte y validando su utilidad práctica mediante un bot desplegado en repositorios de GitHub.
El artículo presenta CoRe-GS, un marco de dispersión gaussiana de lo grueso a lo fino que optimiza selectivamente solo los objetos de interés en una escena, logrando una reconstrucción 3D más rápida y de mayor calidad al reducir los costos computacionales innecesarios para aplicaciones robóticas.
Este estudio presenta el primer análisis a gran escala del uso de aritmética de punto flotante en repositorios públicos de GitHub para lenguajes estáticamente tipados, revelando que, aunque algunos benchmarks existentes son representativos, el código real presenta matices que requieren nuevas evaluaciones y proporcionando un conjunto de datos de 10 millones de funciones para guiar el desarrollo futuro de técnicas de razonamiento.
Este trabajo presenta AwesomeDE, un enfoque que utiliza modelos de lenguaje grandes (LLM) y el marco para generar y evolucionar automáticamente algoritmos de optimización evolutiva con restricciones, demostrando una mayor eficiencia computacional y precisión en comparación con los métodos existentes.
Este artículo presenta un enfoque de aprendizaje descentralizado que permite a equipos de robots cuadrúpedos cooperar mediante contacto físico para transportar objetos no manipulables, utilizando una arquitectura jerárquica y un diseño de recompensas que fomenta un comportamiento de agarre rígido sin necesidad de comunicación ni acoplamiento mecánico.
Este artículo analiza ocho implementaciones reales de IA en contextos no occidentales para identificar seis factores clave y proponer 12 directrices que priorizan la colaboración interdisciplinaria y el diseño culturalmente alineado para lograr sistemas de IA seguros, equitativos y efectivos en ámbitos de alto impacto.
Este artículo presenta el Sistema de Cámara de Imágenes de Desove y Larvas de Coral (CSLICS), una solución automatizada de bajo costo que utiliza visión por computadora para contar desoves de coral con precisión, reduciendo drásticamente el trabajo manual y facilitando la restauración de arrecifes a gran escala.
Este trabajo propone un método no supervisado para recuperar los mecanismos de codificación y decodificación de conceptos en redes neuronales profundas mediante la identificación de pares de direcciones latentes, lo que permite desvelar conceptos interpretables, explicar predicciones y corregir errores sin depender de la reconstrucción de características.
El artículo presenta LLaVAShield, un sistema de seguridad diseñado para auditar diálogos multimodales de múltiples turnos en modelos de visión-idioma, respaldado por el nuevo conjunto de datos MMDS y el marco de red teaming MMRT, que supera a las herramientas existentes al abordar riesgos contextuales y de intención oculta.
Este estudio presenta un pipeline de aprendizaje profundo escalable que, mediante un enfoque de U-Net de doble paso aplicado a mapas históricos, genera el primer conjunto de datos nacional de huellas urbanas abierto para Francia entre 1925 y 1950, superando las limitaciones de ruido y artefactos de los mapas antiguos.
Los autores proponen un algoritmo de planificación de movimiento en tiempo real basado en curvas Bézier y funciones de barrera y Lyapunov (MPC-CLF-CBF) que garantiza la conectividad y mejora la navegación de flotas de robots en entornos cluttered, permitiendo la recuperación ante pérdidas de conexión y validándose mediante simulaciones y experimentos físicos con ocho cuadricópteros Crazyflie.
El artículo presenta LARA-Gen, un marco que habilita el control continuo y fino de las emociones en la generación de música mediante la alineación de representaciones latentes afectivas y un módulo basado en el espacio valencia-activación, superando las limitaciones de los enfoques basados en texto y logrando un rendimiento superior en adherencia emocional y calidad musical.
Este artículo presenta un sistema de mapeo métrico-semántico centrado en activos para entornos interiores que combina mallas detalladas de objetos con sus categorías y poses, logrando una precisión superior a los métodos basados en modelos fundamentales y una integración eficiente con modelos de lenguaje grandes para la navegación y planificación robótica.
NaviGait es un marco jerárquico que combina la optimización de trayectorias con el aprendizaje por refuerzo para sintetizar locomoción bípeda robusta e intuitiva seleccionando y ajustando mínimamente patrones de marcha de una librería offline, lo que simplifica el diseño de recompensas y acelera el entrenamiento en comparación con métodos convencionales.
El artículo presenta BanaServe, un marco de orquestación dinámica para la inferencia de modelos de lenguaje grandes (LLM) que optimiza el equilibrio de recursos y la eficiencia en arquitecturas desacopladas mediante la migración flexible de pesos y cachés KV, superando significativamente a soluciones existentes como vLLM y DistServe en rendimiento y latencia.