2546 articoli
Il paper presenta TRIP-Bag, un sistema di teleoperazione portatile e pronto all'uso contenuto in una valigiera commerciale che permette la raccolta rapida di dati ad alta fedeltà per l'apprendimento robotico, colmando il divario tra le piattaforme di raccolta e i robot target senza richiedere competenze tecniche avanzate.
Il paper presenta Flash-KMeans, un'implementazione GPU ottimizzata che supera i colli di bottiglia di I/O e di contenzione delle versioni esistenti tramite le innovazioni FlashAssign e sort-inverse update, ottenendo speedup fino a 17,9 volte rispetto ai migliori baseline e fino a 200 volte rispetto alle librerie industriali come FAISS.
Il paper presenta HelixTrack, un metodo basato su eventi che traccia oggetti simili a eliche e ne stima il regime di rotazione (RPM) con latenza microsecondica, superando i limiti dei metodi basati su fotogrammi e introducendo il nuovo dataset TQE per validare le prestazioni in scenari di movimento ego e distrattori.
Il paper presenta MORLAX e MO-Playground, un nuovo algoritmo MORL nativo per GPU e un ambiente di gioco accelerato che sfruttano il parallelismo massivo per ridurre drasticamente i tempi di calcolo e migliorare le prestazioni nella risoluzione di complessi problemi robotici multi-obiettivo.
Il paper propone RAE-NWM, un modello di navigazione che opera nello spazio delle rappresentazioni visive dense di DINOv2 invece che in uno spazio latente compresso, utilizzando un Conditional Diffusion Transformer per migliorare la stabilità strutturale e la precisione delle azioni durante la pianificazione.
Il paper propone il modulo Geometric Semantic Decoupling (GSD), una soluzione priva di parametri che migliora la generalizzabilità dei rilevatori di immagini generati dall'IA disaccoppiando le rappresentazioni semantiche dai tracciati forensi, superando così il problema del "semantic fallback" e ottenendo prestazioni superiori nelle valutazioni cross-dataset.
Il paper presenta Poly-DETR, un modello Transformer che riformula la segmentazione di istanze come regressione sparsa di vertici tramite una rappresentazione polare, superando i limiti delle predizioni dense di pixel per ottenere prestazioni superiori e un minore consumo di memoria, specialmente in scenari ad alta risoluzione e su oggetti di forma regolare.
Il paper introduce "Reasoning-Oriented Programming", un nuovo paradigma di attacco che sfrutta la capacità di ragionamento composizionale dei modelli visione-linguaggio per aggirare le allineamenti di sicurezza concatenando input benigni e ortogonali, superando così le difese esistenti su modelli sia open-source che commerciali.
Il paper propone RF-Mem, un sistema di recupero della memoria per LLM personalizzati che, ispirandosi al processo duale umano di familiarità e rievocazione, adatta dinamicamente la strategia di ricerca per migliorare precisione e scalabilità superando i limiti dei metodi tradizionali.
Questo articolo presenta "Platooning as a Service" (PlaaS), un framework decisionale basato su un gioco di Stackelberg che ottimizza la tariffazione e l'adesione al convoglio per veicoli autonomi connessi, dimostrando come le politiche di prezzo e i sussidi governativi possano massimizzare i profitti del fornitore e ridurre le emissioni di CO₂, sebbene i benefici sul consumo di carburante siano ottimali solo a velocità moderate.
Il paper propone DiP, un nuovo framework di apprendimento rappresentazionale per grafi multimodali che utilizza nodi pseudo specifici per modalità e percorsi informativi dinamici per superare le limitazioni delle strutture statiche, garantendo una propagazione dei messaggi adattiva, espressiva ed efficiente.
Questo lavoro introduce un framework su larga scala per la navigazione visione-linguaggio che sfrutta video web e rappresentazioni geometriche implicite per superare i limiti dei simulatori, ottenendo prestazioni all'avanguardia e agenti di navigazione zero-shot più robusti.
Questo studio analizza l'impatto della latenza end-to-end sulla fluidità di interazione e sulla presenza sociale nelle conferenze in realtà virtuale attraverso esperimenti soggettivi che confrontano questi sistemi con la videoconferenza tradizionale, fornendo indicazioni per ottimizzare l'esperienza utente negli ambienti virtuali immersivi.
Questo articolo studia il problema online del matching non incrociato pesato nel piano euclideo, dimostrando l'impossibilità di algoritmi deterministici con rapporto competitivo non banale, ma proponendo invece algoritmi randomizzati a rapporto costante, analizzando varianti come la revocabilità e i punti collineari, e migliorando i limiti sulla complessità degli consigli per l'ottimalità.
Il paper propone il modello TPIFM, una soluzione basata sul principio dell'energia libera che valuta la fluidità percettiva dell'interazione nella realtà aumentata collaborativa remota classificando i compiti in base alla loro sensibilità ai ritardi di rete e permettendo così un'ottimizzazione adattiva dell'esperienza utente.
Il paper presenta ForgeDreamer, un nuovo framework per la generazione 3D da testo in ambito industriale che risolve le sfide di adattamento di dominio e di ragionamento geometrico attraverso un meccanismo di ensemble Multi-Expert LoRA e un approccio di potenziamento geometrico basato su ipergrafi cross-view.
Il paper presenta "FungiSync", un'esperienza di realtà mista collaborativa che traduce l'interdipendenza delle reti micorriziche in un rituale partecipativo in cui il contatto fisico tra i partecipanti fa fondere i loro ambienti digitali individuali, invitando a un'epistemologia fungina basata sulla simbiosi come critica all'individualismo accelerato.
Questo articolo propone nuove strategie di addestramento e funzioni di perdita che riducono l'elenco dei Gaussiani necessari per il rendering di ciascun pixel, accelerando significativamente l'apprendimento dello 3D Gaussian Splatting senza comprometterne la qualità visiva.
Il paper presenta SVOR, un framework robusto che supera le limitazioni delle condizioni reali nella rimozione di oggetti dai video grazie a tre innovazioni chiave (MUSE, DA-Seg e un training curricolare su due stadi), ottenendo risultati all'avanguardia nella stabilità temporale e nella gestione di ombre, movimenti bruschi e maschere difettose.
Questo lavoro propone il primo modello feed-forward per la decomposizione convessa in mondi aperti, apprendendo campi di caratteristiche continui che, tramite un obiettivo auto-supervisionato basato sulla geometria, permettono di scomporre forme 3D complesse in corpi convessi di alta qualità per applicazioni come la rilevazione delle collisioni.