6583 articoli
Il paper presenta DropVLA, un attacco backdoor a livello di azione per i modelli Vision-Language-Action che, mediante un'iniezione mirata di dati di addestramento, forza l'esecuzione di primitive fisiche specifiche in punti decisionali scelti dall'attaccante mantenendo inalterate le prestazioni nominali del compito.
Questo lavoro presenta un modello del mondo basato sulla visione egocentrica e un controllo predittivo del modello (MPC) addestrati su dati offline senza dimostrazioni, che permettono a un umanoide fisico di pianificare in tempo reale interazioni fisiche complesse in ambienti non strutturati con maggiore efficienza rispetto ai metodi di apprendimento per rinforzo tradizionali.
Questo studio ha dimostrato che l'approccio basato sull'effetto protègè, che prevede l'insegnamento di soluzioni allo stress digitale ad altri, non è risultato efficace nel ridurre lo stress digitale o migliorare la gestione dei social media rispetto ai gruppi di controllo, evidenziando la difficoltà di tradurre l'impegno cognitivo in un cambiamento comportamentale duraturo.
Questa revisione sistematica esamina l'applicazione dei modelli generativi profondi non supervisionati per il rilevamento di anomalie nelle neuroimmagini, evidenziando il loro potenziale per la localizzazione di patologie senza annotazioni voxel-level, pur sottolineando le sfide legate all'eterogeneità metodologica e alla validazione esterna.
Questo lavoro introduce una metrica probabilistica robusta per la stabilità di posizionamento che, valutando direttamente le nuvole di punti parziali, abilita un ragionamento unificato e privo di modelli per la presa e il posizionamento di oggetti non visti su supporti complessi.
Questo lavoro introduce il nuovo compito di Segmentazione Audio-Visiva Continuale (CAVS) e propone il framework Collision-based Multi-modal Rehearsal (CMR) per mitigare la deriva semantica e la confusione da co-occorrenza, ottenendo risultati superiori rispetto ai metodi a modalità singola in scenari di apprendimento incrementale.
Il lavoro presenta PolyJailbreak, un nuovo framework di jailbreak black-box per i modelli linguistici multimodali (MLLM) che sfrutta l'asimmetria nella sicurezza tra modalità testuale e visiva, utilizzando primitive atomiche e ottimizzazione multi-agente per superare i meccanismi di sicurezza e ottenere tassi di successo superiori al 95% su modelli commerciali come GPT-4o e Gemini.
Il paper presenta HumanMPC, un framework di controllo predittivo basato su modelli che garantisce una navigazione sicura ed efficiente di droni in ambienti affollati, combinando previsioni del movimento umano guidate dai dati con una formulazione di sicurezza innovativa che riduce il conservatorismo eccessivo.
Questo documento propone un quadro concettuale HCI per l'implementazione di Minecraft Education Edition nel sistema educativo bangladese, adattando l'apprendimento basato su giochi a tre livelli di infrastruttura tecnologica e risorse per superare le sfide di connettività, energia e accesso all'hardware nelle scuole rurali e urbane.
Il paper introduce Dream4Drive, un nuovo framework di generazione di dati sintetici che, decomponendo i video in mappe guida 3D e adattando modelli di mondo guidati, migliora significativamente le prestazioni dei modelli di percezione per la guida autonoma, specialmente nella gestione di casi limite, superando i limiti delle attuali strategie di addestramento.
Il paper propone MoE-GS, un nuovo framework unificato per la ricostruzione di scene dinamiche tramite Gaussian Splatting che integra esperti specializzati tramite un router aware del volume per migliorare la qualità della sintesi di nuove viste, offrendo anche strategie di ottimizzazione per l'efficienza e la distillazione.
Questo studio valuta le prestazioni e la sostenibilità di Valkey, KeyDB e Garnet come alternative cloud-native a Redis, evidenziando i compromessi tra efficienza, compatibilità e longevità del progetto in ambienti Kubernetes.
Il paper presenta HCLA, un sistema multi-agente basato su LLM e centrato sull'utente che, attraverso un flusso di lavoro conversazionale, trasforma l'intento analitico in regole esplicite e ricostruisce giustificazioni di stile esperto per migliorare la trasparenza e l'accountability nel rilevamento delle transazioni anomale con asset digitali.
Il paper introduce AnyPcc, un framework universale per la compressione di nuvole di punti che supera i limiti di generalizzazione degli metodi esistenti grazie a un modello di contesto robusto e a una strategia di fine-tuning adattivo per istanza, ottenendo prestazioni state-of-the-art su dataset diversificati con un basso overhead computazionale.
Questo articolo propone un metodo automatizzato per il conteggio dei parassiti nelle trappole ad acqua che utilizza un sistema di agitazione robotica attiva e adattiva per ridurre l'occlusione, migliorando significativamente l'accuratezza e riducendo i tempi di esecuzione rispetto ai metodi tradizionali basati su immagini statiche.
Il paper introduce CountFormer, un framework basato su DINOv2 che, sostituendo l'encoder di immagini con rappresentazioni foundation auto-supervisionate, mira a migliorare la consistenza strutturale nel conteggio di oggetti senza esempi, ottenendo risultati competitivi su FSC-147 e riducendo gli errori di sovrastima legati a componenti simmetriche o strutture complesse.
Il paper presenta LagMemo, un sistema di navigazione robotica che utilizza una memoria 3D basata su Gaussian Splatting arricchita da informazioni linguistiche per gestire in modo efficace la navigazione multi-obiettivo con query a vocabolario aperto, dimostrando prestazioni superiori rispetto agli stati dell'arte su un nuovo benchmark curato chiamato GOAT-Core.
Il paper presenta SAGE, un approccio zero-shot che genera transizioni video strutturalmente coerenti tra clip diverse combinando guida strutturale e sintesi generativa, superando le limitazioni dei metodi tradizionali e generativi attuali senza richiedere addestramento su dati specifici.
Il paper presenta MobiDock, un sistema mobile manipolatore bimanuale modulare e auto-ricostituibile che, grazie a una strategia di aggancio autonoma basata su visione artificiale e un meccanismo di bloccaggio a vite, trasforma il controllo complesso di due robot indipendenti in un'unica piattaforma stabile e più efficiente.
Il paper presenta VOPP, un nuovo pianificatore POMDP online vettorializzato che sfrutta il calcolo massivamente parallelo per eliminare le dipendenze e le sincronizzazioni, risultando fino a 20 volte più efficiente dei solutori paralleli esistenti e superiore ai solutori sequenziali con un budget di pianificazione 1000 volte inferiore.