3447 件の論文
本論文は、不安定な意思決定や長期的な進捗監視の課題を解決し、安全性と効率性を両立させるために、共有知覚型デュアルエージェント構造、ハイブリッドメモリ、セマンティック幾何学的検証器、および後退地平線計画器を組み合わせた完全オンボードのゼロショット航空ビジョン・言語ナビゲーションフレームワーク「OnFly」を提案し、シミュレーションおよび実世界飛行でその有効性を実証しています。
この論文は、粗いマスクのみで任意のオブジェクトを参照画像に基づいて編集できる統合的なインペインティングフレームワーク「A-Edit」を提案し、そのために大規模な多カテゴリデータセット「UniEdit-500K」を構築するとともに、カテゴリ間でのセマンティックな転移を強化する「Mixture of Transformer」モジュールと、マスク精度への依存度を低減する「Mask Annealing Training Strategy」を導入して、既存手法を凌駕する性能を実現したものです。
本論文は、自己教師あり学習と地理空間的一貫性を活用した対照損失を導入することで、オンラインベクトル化 HD 地図構築の精度向上とラベル削減を実現する「MapGCLR」という手法を提案し、その有効性を示したものです。
視覚野における輪郭補完の数学的モデリングを活用して画像の被せに対する頑健性を高めた畳み込みニューラルネットワーク「BorderNet」を設計し、複数のデータセットと被せ条件下でその有効性を検証した論文です。
離散化による情報損失や連続表現の学習不安定性という課題を克服するため、チャネル次元圧縮とトランスフュージョン・アーキテクチャを採用し、高品質な生成と優れた制御性を両立する統合マルチモーダルモデル「UniCom」を提案する論文です。
歩行者ナビゲーションのアクセシビリティ向上を目的として、既存の視覚言語モデルが抱える物体の幻覚や深度推定の不確実性を解消し、単一アーキテクチャで言語推論とセグメンテーションを統合した新しいモデル「WalkGPT」と、大規模なベンチマークデータセット「PAVE」を提案する論文です。
この論文は、AI との協働における人間の「自己効力感」と「AI への信頼」が実際のチームパフォーマンスに直結しない「AI 楽観バイアス」の存在を実証し、単なる透明性の提供ではなく、文脈に応じた設計指針の必要性を提唱しています。
この論文は、非一様な血流や赤血球との相互作用など現実的な血管環境をシミュレーションに組み込むことで、血管内ナノマシンを用いたがんバイオマーカーの早期検出の可行性を評価し、その結果、毛細血管があらゆるナノマシンサイズにおいて最も高い検出確率を示すことを明らかにしたものである。
FutureVLA は、視覚情報と動作情報を構造的に分離しつつ物理的常識を統合する「Joint Visuomotor Predictive Architecture」を提案し、時連続性と視覚条件付き監督の脱結合を実現することで、既存のビジョン・言語・動作モデルの予測能力を向上させる。
この論文は、メタ強化学習フレームワーク「MAVEN」を提案し、単一のポリシーが質量変化やローター推力損失といった多様な動的変化に対して、シミュレーションから実世界へのゼロショット転移を可能にする適応的な高速マニピュレーションを実現することを示しています。
本論文は、非滑らかなハイブリッド力学や極端な報酬の希薄さという課題を克服し、ハイブリッド力学に基づく状態初期化戦略（HDSS）を導入することで、ケーブル吊り下げ型クアッドコプターによる自律的な逆転飛行を世界で初めて実現した強化学習フレームワーク「ASTER」を提案しています。
本論文は、アモエボット構造の並列移動（ジョイントムーブメント）モデルにおいて、補助的な仮定なしに任意の構造をラウンドで線形構造へ再構成するサブリニア時間普遍再構成アルゴリズムを初めて提案し、このモデルが補助仮定なしに効率的な再構成を可能にすることを示した。
この論文は、絶滅危惧種である板鰓類（エラスモブランチ）の保全と生物多様性モニタリングを支援するため、地中海東部沿岸の 7 種を対象に、陸上環境で収集された高品質な画像と専門家による注釈を備えた「eLasmobranc Dataset」を公開し、微細な形態分類を可能にする新たなリソースを提供したことを報告しています。
この論文は、拡散トランスフォーマーの推論コストを削減するため、時間的領域ではなく空間的冗長性に着目し、学習不要で最大 7 倍の高速化を実現する新たなフレームワーク「Just-in-Time (JiT)」を提案しています。
本論文は、LLM の曖昧な指示による誤答を解消し、信頼性と検査可能性を高めるため、ユーザーの情報ニーズを関係スキーマとして再具体化（リリアイフィケーション）し、それを基に実行可能なプログラムを生成する AI エージェント「Pneuma-Seeker」を提案し、その有効性を示したものである。
本論文は、回転する単一光源とイベントカメラ、およびキャリブレーション不要の軽量ピクセルごとのニューラルネットワークを組み合わせることで、環境光や高光沢の影響を受けにくい高精度なイベントベースのフォトメトリックステレオ手法を提案し、既存手法より平均角度誤差を 7.12% 削減する成果を示しています。
本論文は、LLM エージェントの間接プロンプトインジェクション攻撃を、外部観測を制御してツール呼び出しの因果的必要性を検証する「アトリガード」というランタイム防御手法により、高い検出精度と適応攻撃への耐性をもって防ぐことを提案しています。
この論文は、STEM 分野の視覚推論における MLLM の限界が推論能力ではなく知覚能力にあることを発見し、実行可能なコードを知覚の媒体として活用する「CodePercept」を提案し、100 万組の画像・説明文・コードのデータセットと、画像復元コード生成による厳密な評価ベンチマークを導入することでこの課題を解決しようとするものです。
本論文では、RAG パイプラインの各コンポーネントをモジュール化し、実世界のワークロードをシミュレートしながら、パフォーマンスと精度を包括的に評価できるエンドツーエンドのベンチマークフレームワーク「RAGPerf」の設計と実装を提案しています。
本論文は、中小企業が直面する地域限定インフラ環境において、炭素排出量、コスト、遅延制約を同時に考慮し、洞察に基づく探索空間剪定技術を用いてマイクロサービスを動的に配置する「Aceso」を提案し、実環境での評価により既存の静的配置と比較して炭素排出量を37.4%、運用コストを3.6%削減しながらサービスレベル目標を維持できることを示しています。