7354 件の論文
本論文は、ドローンが進行方向と機体の向きが異なる場合でも全方向からの障害物を回避できることを目指し、全方位視覚に基づく新しい課題設定とベンチマークを構築するとともに、パンオラマ画像を深度マップに変換して軽量なポリシーネットワークで制御コマンドを生成する「Fly360」と呼ばれる二段階の知覚・意思決定パイプラインを提案し、シミュレーションおよび実世界実験を通じてその有効性を検証したものである。
この論文は、大規模言語モデル（LLM）の推論能力と鳥瞰図（BEV）表現の空間的一貫性を統合した「BEVLM」を提案し、これにより複雑な運転シナリオにおける推論精度と安全上の重要な状況におけるエンドツーエンドの走行性能を大幅に向上させることを示しています。
この論文は、動画予測ニューラルネットワークを用いて新たな視覚運動錯覚を生成するモデル（EIGen）を開発し、人間も同様に錯覚することを確認することで、錯覚が脳の予測機能に起因する可能性を示し、人工知能研究において生物の「意図的な失敗」を模倣する価値を提唱しています。
この論文は、医師や看護師など222名の病院職員から収集した質問に基づき、MIMIC-III と eICU のオープンソースデータベースを基に作成され、複雑な医療クエリや時間表現の理解、回答不可能な質問の判別といった実用的な課題に挑む電子カルテ向けテキスト -SQL ベンチマーク「EHRSQL」を提案するものです。
本論文は、深層学習を用いて理論的に両立が困難な複数の望ましい特性を近似的に満たすメカニズムを設計する手法の技術的詳細と主要な成果を概説し、車両ネットワーク、モバイルネットワーク、農業資材の調達オークションという 3 つのケーススタディを通じてその有効性を示しています。
本論文は、生物の知覚適応を模倣し、予測誤差とベイズ的驚きという自由エネルギー原理の構成要素を統合した「FEP-Nav」と呼ばれるフレームワークを提案し、勾配ベースの更新なしにリアルタイムで知覚を適応させることで、ノイズや欠損のある環境下でもロボットが堅牢に視覚ナビゲーションを遂行できることを示しています。
この論文は、単に「正解と誤答の両方を提示する」という対照的プロンプトを付加するだけで、大規模言語モデルの推論能力を飛躍的に向上させ、既存のゼロショットや数ショット手法を上回る性能を達成できることを示しています。
この論文は、特権情報を活用した強化学習と教師あり学習の二段階アプローチにより、非ホロノミック車両のタスク領域巡回問題（DTSPN）に対して、既存の LKH アルゴリズムより約 50 倍高速かつ高精度な経路生成を実現する新たな学習手法を提案しています。
本論文は、非 IID データ環境における並列分割学習の課題を解決し、中央集権的なサンプリングと同等の精度と安定性を達成するサーバー主導の「GPSL」という新しい手法を提案し、大規模クライアント環境でのスケーラビリティと学習効率の向上を実証しています。
この論文は、生物の生存と繁殖という目的（死が意味の基盤となること）に基づき、価値（快・不快）を優先して未ラベルの感覚情報を階層的に解釈するプロセスが、現象的意識の核心であり、アクセス意識に先行する客観的性質の構築を必然的に導くことを示す形式科学としての意識論を提唱しています。
本論文は、マスク拡散モデル（MDM）の推論において既存の未マスクトークンも反復的に修正可能にする「パスプランニング（P2）」という新たなサンプリング戦略を提案し、これにより理論的な尤度上限の拡張を証明するとともに、タンパク質や RNA 配列、数学的推論、物語生成、コード生成など多様な領域で最先端の生成性能を実現したことを示しています。
この論文は、非独立同一分布（non-IID）データや中央集権型アーキテクチャの課題に対処するため、マクロプログラミングとフィールド協調を活用した分散型階層構造「FBFL」を提案し、その MNIST 等を用いた大規模評価において、FedAvg や FedProx などの既存手法を上回る性能と耐障害性を示したことを報告しています。
本論文は、従来の強化学習の限界を克服し、生成モデルを「制御としての推論」の枠組みで統合的に分類・分析し、実世界への応用における課題と将来展望を論じた包括的な調査研究である。
本論文は、ゲーム開発パイプラインにおける AI 駆動のグラフィック資産生成ツールの統合課題を明らかにするために行われたユーザー調査に基づき、デザイナーや開発者のニーズに応えるためのツール設計指針（ヒューリスティック）を提案しています。
この論文は、大学レベルの AI 講義において学生がチャットボットと行った 1 万 6,851 件の対話を収集・分析した「StudyChat」データセットを公開し、概念理解やコーディング支援を目的とした LLM の活用が成績向上に寄与する一方、レポート作成や学習目標の回避への利用は成績低下と相関することを明らかにしたものである。
本論文は、機械の残存耐用年数（RUL）予測において、過去のサイクルデータに依存せず現在のセンサー測定値のみを用いて高精度な予測を可能にする、双方向敵対ネットワークと共変量符号化を組み合わせた新しいフレームワーク「BACE-RUL」を提案し、航空エンジンやリチウムイオン電池などの実データを用いた実験で既存の最先端手法を上回る性能を実証したものである。
この論文は、視覚言語モデルの安全性微調整が表面的なテキストパターンと安全応答の間の偽の相関を強化する「安全の蜃気楼」を生み出し、攻撃への脆弱性や過剰な拒否を引き起こす問題を指摘し、有害な知識を直接削除する機械的忘却（Machine Unlearning）を用いることで、攻撃成功率を最大 60.27% 削減し、不要な拒否を 84.20% 以上削減できることを示しています。
本論文は、ジェネレーティブ AI の時代における生体医工学教育の課題を克服し、2021 年から 2023 年にかけてジョージア工科大学とエモリー大学の合同プログラムで実施された 3 年間の事例研究を通じて、学生数 248 名を対象とした高度な問題解決型学習（PBL）フレームワークが、研究生産性の向上や革新的な手法の開発など、生体医工学における AI 教育の統合と学習成果の改善に有効であることを示しています。
本論文は、大規模言語モデル（LLM）の欠陥特定能力を評価する新たなフレームワークを開発し、意味的変換を施したコードに対して LLM の推論が構文的手がかりに依存していることを実証的に示すとともに、LLM のコード意味理解の向上を促す知見を提供するものです。
この論文は、単一時間スケールでの処理に限界がある既存の時系列予測モデルの課題を解決するため、異なるサンプリングレートを持つ複数の Mamba ブロックを組み合わせる「ms-Mamba」という新しいアーキテクチャを提案し、複数のベンチマークで最先端のモデルを上回る性能と効率性を示したことを述べています。