5339 articles
Le papier présente OAuthHub, un cadre de développement qui utilise les appareils personnels des utilisateurs comme intermédiaires pour contrôler l'accès aux données OAuth, permettant ainsi aux applications tierces de limiter leur accès aux données aux moments strictement nécessaires tout en réduisant la complexité du code et les temps de développement.
Cet article présente une méthode d'optimisation conjointe sans modèle qui détermine automatiquement la disposition optimale de capteurs flexibles et les paramètres d'un réseau de prédiction de forme pour améliorer la proprioception des déformations libres dans la robotique douce et les dispositifs portables.
Cet article présente la première évaluation systématique de l'incertitude des modèles vision-langage pour l'anticipation précoce des actions humaines en interaction homme-robot, introduisant un protocole d'évaluation et des métriques pour garantir la fiabilité des prédictions dans des conditions d'observation partielle.
Cet article présente FLA³, une plateforme d'apprentissage fédéré intégrant des mécanismes de gouvernance stricts (authentification, autorisation et comptabilité) pour permettre des recherches cliniques collaboratives transfrontalières tout en garantissant la confidentialité des données et la conformité réglementaire.
Cet article propose une base théorique pour l'interrogation des bases de données catégorielles en définissant et en démontrant l'équivalence d'un calcul et d'une algèbre catégoriels, tout en analysant leurs règles d'optimisation, leur pouvoir d'expression et leur complexité computationnelle.
Ce papier propose d'utiliser un pool de mémoire CXL pour stocker la mémoire conditionnelle des engrammes dans les grands modèles de langage, offrant une solution de stockage évolutive et rentable qui maintient des performances d'inférence proches de celles de la DRAM grâce à l'intégration dans SGLang.
En exploitant l'exposant de Lyapunov de Burau comme sonde algébrique au sein des composantes fortement connexes d'un graphe d'autorisations cloud, cette étude démontre que les statistiques abéliennes sont insuffisantes pour distinguer les régimes de risque dispersés et concentrés, permettant ainsi d'automatiser la détection des élévations de privilèges grâce à l'avantage offert par la non-commutativité.
Le papier présente 4DEquine, un cadre novateur qui dissocie la reconstruction de mouvement et d'apparence pour générer des avatars équin 4D animés à haute fidélité à partir d'une vidéo monoculaire, en s'appuyant sur des réseaux de neurones spécialisés et de nouveaux ensembles de données synthétiques pour atteindre des performances de pointe sur des données réelles.
Ce papier présente HG-Lane, un cadre de génération haute fidélité qui améliore considérablement la détection de voies dans des conditions météorologiques et d'éclairage adverses sans nécessiter de ré-annotation, en fournissant un nouveau benchmark de 30 000 images qui booste les performances des modèles existants.
Cette étude évalue les performances de protocoles de réseaux tolérants aux délais (DTN) dans un scénario simulé de secours après le séisme de Kathmandu au Népal, démontrant l'efficacité de ces méthodes pour améliorer la transmission des messages de détresse tout en révélant les compromis entre fiabilité et utilisation des ressources.
Ce papier présente XL-VLA, un cadre vision-langage-action qui utilise un espace latent d'action unifié et invariant aux embodiments pour permettre un apprentissage évolutif et efficace de la manipulation dextrieuse à travers divers robots, surpassant ainsi les modèles de base opérant dans les espaces articulaires bruts.
Ce papier présente « Dance2Hesitate », un jeu de données multimodal open-source contenant des démonstrations de mouvements hésitants enseignées par des danseurs et des robots, conçu pour améliorer la compréhension et la sécurité dans la collaboration humain-robot.
En exploitant le jeu isométrique 6D et l'apprentissage automatique sur des données OpenRobotRehab, cette étude caractérise les comportements neuromoteurs sains et post-AVC pour éclairer la conception d'interfaces robotiques de réadaptation adaptatives capables de distinguer les stratégies pathologiques et de promouvoir des mouvements plus sains.
Cet article propose une méthode pour les véhicules sous-marins autonomes qui utilise la modélisation du contexte environnemental visuel, détecté via des embeddings DINOv2 en une seule prise, pour optimiser la recherche de espèces de corail rares et atteindre jusqu'à 75 % de l'échantillonnage cible en moitié moins de temps que les stratégies d'exhaustivité.
Ce papier présente K-Join, un algorithme parallèle simple qui améliore le traitement des jointures en déterminant une répartition optimale des données via une combinaison linéaire de recouvrements de sommets, définissant ainsi une nouvelle mesure théorique appelée « reduced quasi vertex-cover » qui garantit une charge de travail minimale.
Cet article présente une nouvelle théorie de la localité entièrement symbolique, soutenue par un compilateur capable de dériver des polynômes de performance pour des boucles affines, permettant de prédire avec une précision de 99,6 % le nombre de défauts de cache pour n'importe quelle configuration en moins d'une milliseconde.
Ce papier présente SoftGM, une architecture de contrôle distribué inspirée du poulpe et basée sur des réseaux de neurones graphiques, qui permet à des bras robotiques mous d'apprendre à atteindre des cibles dans des environnements complexes en découvrant les obstacles en ligne sans connaissance géométrique globale.
Cette étude présente un cadre automatisé intégrant une segmentation anatomique assistée par l'IA et une analyse radiomique sur des IRM préopératoires pour prédire la survie postopératoire des patients atteints de métastases hépatiques du cancer colorectal.
Cet article présente un cadre de contrôle prédictif hiérarchique perceptive (HTMPC) qui utilise l'inférence bayésienne pour modéliser les changements d'objets et optimiser l'exécution de tâches de manipulation mobile séquentielles dans des environnements semi-statiques non structurés, surpassant les méthodes existantes en réactivité et en efficacité sans dépendre de cartes préétablies.
Ce papier présente Paladin, un cadre de sécurité qui combine le contexte applicatif et l'intelligence artificielle générative pour permettre aux administrateurs de définir et d'appliquer facilement des politiques de protection contre les vulnérabilités des API cloud, notamment la consommation de ressources incontrôlée, l'accès non autorisé aux flux sensibles et les authentifications défaillantes.