8803 artículos
SPAN-Nav es un modelo fundacional de extremo a extremo que mejora la navegación visión-idioma mediante la inyección de conciencia espacial 3D universal en el razonamiento de acciones, utilizando un token espacial compacto y un conjunto de datos masivo para lograr un rendimiento superior y una generalización robusta en diversos entornos.
Este trabajo presenta un nuevo algoritmo de minería de subcadenas frecuentes con privacidad diferencial que mantiene garantías de error cercanas a la óptima mientras reduce drásticamente la complejidad de tiempo y espacio en comparación con enfoques anteriores, haciendo el proceso escalable.
Este trabajo generaliza el algoritmo óptimo para la selección de particiones bajo privacidad diferencial a la privacidad diferencial de Rényi, proponiendo una extensión para usuarios con múltiples particiones que mejora el rendimiento de los algoritmos actuales y demostrando la ventaja inherente de los mecanismos no aditivos sobre los aditivos en este contexto.
El artículo presenta PS-Mamba, un marco jerárquico de espacio de estados que mejora la restauración de imágenes mediante una partición geométrica que preserva la topología local y conexiones simétricas que mitigan la decadencia de información a larga distancia, superando así las limitaciones de los modelos Mamba y Transformers existentes.
El artículo presenta SAGE, el primer modelo de lenguaje grande multimodal (MLLM) de extremo a extremo que procesa nubes de puntos sin codificadores preentrenados, tratando los datos 3D como un "idioma extranjero" mediante un tokenizador ligero y una estrategia de optimización de preferencias para superar las limitaciones de alineación semántica y eficiencia computacional de los métodos existentes.
Este trabajo presenta STONE, un conjunto de datos multi-modal a gran escala para la navegación de robots fuera de carretera que ofrece mapas de travesabilidad 3D generados automáticamente y percepciones sincronizadas de LiDAR, cámaras y radares para diversos entornos, estableciendo además un nuevo estándar de referencia para la predicción de travesabilidad.
Este artículo evalúa la efectividad práctica del ajuste de índices impulsado por modelos de lenguaje grande (LLM) en comparación con el Asesor de Ajuste de Bases de Datos (DTA) de Microsoft, concluyendo que, aunque los LLM pueden identificar configuraciones superiores y ofrecer conocimientos intuitivos, su adopción en producción sigue siendo un desafío debido a su alta variabilidad de rendimiento y los costos de validación.
Este artículo presenta un marco de planificación de movimiento robusto para carreras autónomas multiagente que combina la identificación de brechas topológicas mediante GPs estocásticos y un MPC acelerado con un solver PTC, logrando una mejora significativa en tiempos de maniobra, tasas de adelantamiento y latencia computacional en la plataforma F1TENTH.
ZipPIR es un protocolo de recuperación privada de información de alto rendimiento que elimina la necesidad de almacenamiento en el cliente mediante la compresión de cifrados LWE a cifrados Paillier, logrando una alta velocidad de transferencia y actualizaciones dinámicas eficientes sin comprometer la escalabilidad.
Este artículo propone un marco jerárquico basado en el ciclo Observe-Orient-Decide-Act (H-OODA) que integra la nube, el borde y los terminales mediante virtualización de funciones de red para mejorar la toma de decisiones autónoma y el control cooperativo de enjambres de UAVs en entornos inciertos.
El artículo presenta WESPR, un marco de trabajo rápido que integra la percepción geométrica y datos meteorológicos para predecir campos de viento locales y adaptar la planificación de trayectorias y el control de drones en tiempo real, logrando mejoras significativas en la estabilidad y precisión de vuelo frente a condiciones turbulentas.
Este trabajo propone un marco de aprendizaje métrico consciente de la geometría que utiliza descriptores de ángulos interarticulares invariantes para superar la variabilidad de dominio y lograr un reconocimiento de lenguaje de señas de pocos ejemplos entre idiomas con alta precisión, incluso en escenarios de recursos limitados.
El artículo presenta PIM-SHERPA, un método puramente de software que resuelve las inconsistencias de atributos y diseño de memoria en sistemas con procesamiento en memoria (PIM) para habilitar una inferencia eficiente de modelos de lenguaje grandes (LLM) en dispositivos, logrando ahorros significativos de capacidad sin sacrificar el rendimiento.
El artículo presenta TubeMLLM, un modelo fundacional unificado que combina comprensión estructurada y generación controlable mediante priores topológicos en lenguaje natural para superar las inconsistencias topológicas en el modelado de anatomía vascular, demostrando un rendimiento superior y una capacidad de transferencia cero-shot en múltiples conjuntos de datos y modalidades.
Este artículo propone una nueva función de pérdida para entrenar una red neuronal convolucional distribuida (DisCNN) que extrae exclusivamente características de una clase positiva específica mapeándolas a un conjunto compacto, logrando así una arquitectura ligera con excelente generalización para la detección de objetos en fondos complejos.
El artículo presenta UniField, un marco unificado que mejora la calidad de las imágenes de resonancia magnética (MRI) al aprovechar modelos fundacionales 3D preentrenados y un mecanismo de rectificación espectral consciente del campo magnético para superar las limitaciones de generalización y escasez de datos, respaldado por la publicación del conjunto de datos multi-campo más grande hasta la fecha.
El artículo presenta TRIP-Bag, un sistema de teleoperación portátil y de fácil configuración que permite la recolección rápida y fiable de datos de alta fidelidad para el aprendizaje de robots, superando las limitaciones de los enfoques existentes al eliminar la brecha de embodiment y facilitar su uso fuera del laboratorio.
El artículo presenta Flash-KMeans, una implementación optimizada para GPU que supera los cuellos de botella de E/S y contención de memoria mediante innovaciones como FlashAssign y sort-inverse update, logrando aceleraciones de hasta 17,9 veces respecto a las mejores soluciones existentes y habilitando el uso de k-means en sistemas en línea.
El artículo presenta HelixTrack, un método basado en eventos que rastrea objetos tipo hélice y estima su RPM en tiempo real, junto con la introducción del nuevo conjunto de datos TQE para abordar la falta de datos públicos en esta tarea.
Este artículo presenta MORLAX y MO-Playground, un algoritmo de aprendizaje por refuerzo multiobjetivo nativo de GPU y un entorno de simulación acelerado que permiten aproximar conjuntos de Pareto en minutos con una aceleración de 25 a 270 veces respecto a los enfoques tradicionales basados en CPU, facilitando así la resolución de problemas complejos de robótica multiobjetivo como la locomoción de un robot humanoide.