3416 articles
Le papier présente TRIP-Bag, un système de téléopération portable et plug-and-play contenu dans une valise commerciale, conçu pour faciliter la collecte rapide de données de manipulation de haute fidélité par des utilisateurs non experts dans divers environnements afin d'améliorer l'apprentissage robotique.
Ce papier présente Flash-KMeans, une implémentation GPU optimisée qui transforme l'algorithme K-Means en primitive en ligne en éliminant les goulots d'étranglement d'E/S et de contention matérielle grâce à des innovations de noyau comme FlashAssign et la mise à jour par inversion de tri, permettant ainsi des accélérations allant jusqu'à 17,9 fois par rapport aux meilleures solutions existantes.
HelixTrack est une méthode entièrement événementielle qui permet le suivi en temps réel et l'estimation précise du régime de rotation (RPM) d'objets propulseurs en mouvement, surpassant les approches traditionnelles grâce à un filtrage de Kalman et à l'introduction du nouveau jeu de données TQE.
Ce papier présente MORLAX, un algorithme d'apprentissage par renforcement multi-objectif natif pour GPU, et MO-Playground, un environnement d'entraînement accéléré par GPU, qui permettent ensemble d'approximer des ensembles de Pareto pour des problèmes robotiques complexes avec une accélération de 25 à 270 fois par rapport aux approches CPU traditionnelles.
Le papier propose RAE-NWM, un modèle de monde de navigation qui opère dans un espace de représentation visuelle dense (DINOv2) plutôt que dans un espace latent compressé, afin de préserver les informations structurelles fines et d'améliorer la précision du contrôle et de la planification grâce à l'utilisation d'un transformateur de diffusion conditionnel.
Ce papier propose le module Geometric Semantic Decoupling (GSD), une méthode sans paramètres qui améliore la généralisation des détecteurs d'images générées par IA en éliminant les raccourcis sémantiques pour forcer le modèle à se concentrer sur des preuves de falsification invariantes.
Ce papier présente Poly-DETR, un transformateur de détection de polygones qui reformule la segmentation d'instances comme une régression de sommets via une représentation polaire pour résoudre le compromis entre haute résolution et inférence légère, surpassant les méthodes existantes en précision et en efficacité mémoire.
Cet article présente \tool{}, un cadre automatisé de « programmation orientée raisonnement » qui contourne les mécanismes de sécurité des modèles vision-langage en orchestrant des entrées visuelles bénignes et orthogonales pour générer une logique malveillante uniquement lors de l'étape de raisonnement tardif.
Le papier présente RF-Mem, un système de récupération de mémoire adaptatif qui imite le double processus cognitif humain de familiarité et de récollection pour personnaliser efficacement les grands modèles de langage sans surcharge computationnelle.
Cet article propose le cadre « Platooning as a Service » (PlaaS), modélisé comme un jeu de Stackelberg, pour optimiser la tarification et les contrats de services de pelotonnage de véhicules connectés et autonomes afin de réduire les émissions de carbone et d'améliorer l'efficacité du transport, tout en analysant l'impact des subventions gouvernementales et des paramètres opérationnels sur la durabilité.
Ce papier propose DiP, un cadre novateur d'apprentissage de représentations pour les graphes multimodaux qui utilise des nœuds pseudo-spécifiques et des voies d'information dynamiques pour réaliser une propagation de messages adaptative, expressive et parcimonieuse avec une complexité linéaire, surpassant ainsi les méthodes existantes sur diverses tâches.
Cet article propose un cadre d'apprentissage à grande échelle pour la navigation vision-langage, tirant parti de vidéos web et de représentations géométriques implicites extraites directement des images RGB pour surmonter les limites des simulateurs et atteindre des performances de pointe avec une généralisation zéro-shot.
Cette étude examine l'impact de la latence sur la fluidité d'interaction et la présence sociale dans les conférences en réalité virtuelle, en comparant ces dimensions perceptives et cognitives à celles des visioconférences traditionnelles afin d'optimiser les systèmes immersifs.
Cet article étudie le problème de couplage non croisé pondéré en ligne dans le plan euclidien, démontrant l'impossibilité d'un rapport de compétitivité non trivial pour les algorithmes déterministes tout en établissant l'existence d'un rapport constant grâce à la randomisation, et en fournissant des bornes pour diverses variantes ainsi qu'une amélioration de la complexité en conseils nécessaire pour l'optimalité.
Ce papier propose le modèle TPIFM, une approche axée sur la tâche pour évaluer la fluidité d'interaction perceptive dans la collaboration AR à distance en tenant compte des caractéristiques intrinsèques des tâches et des contraintes réseau.
ForgeDreamer est un nouveau cadre de génération textuelle vers 3D conçu pour les applications industrielles qui surmonte les limites des méthodes actuelles grâce à un mécanisme d'ensemble LoRA multi-experts pour une généralisation inter-catégories et une approche d'amélioration géométrique par hypergraphe croisé pour assurer une cohérence structurelle de précision.
L'article présente « FungiSync », une expérience de réalité mixte collaborative qui traduit l'interdépendance des réseaux mycorhiziens en une ritualisation somatique où le toucher physique entre les participants fait fusionner leurs perceptions numériques distinctes, invitant ainsi à une épistémologie fongique fondée sur la symbiose et la relationnalité.
Cet article propose de nouvelles stratégies d'entraînement et des pertes pour accélérer l'apprentissage du splatting gaussien 3D en raccourcissant les listes de gaussiennes nécessaires au rendu, grâce à un rétrécissement régulier des échelles et une contrainte d'entropie, tout en intégrant un planificateur de résolution progressive pour améliorer l'efficacité sans sacrifier la qualité.
Ce papier présente SVOR, un cadre robuste pour la suppression d'objets vidéo qui surmonte les défis du monde réel tels que les ombres et les masques défectueux grâce à trois innovations clés : MUSE, DA-Seg et un entraînement en deux étapes, atteignant ainsi des résultats state-of-the-art.
Cet article propose une nouvelle approche d'apprentissage de champs de caractéristiques pour réaliser la première décomposition convexe en avant dans un monde ouvert, permettant de décomposer efficacement des formes 3D en corps convexes pour des applications telles que la détection de collisions.