4495 papers
ButterflyViT is een nieuwe methode die Vision Transformers voor randapparatuur mogelijk maakt door experts te behandelen als geometrische herschikkingen van een gedeelde quantized substraat, wat resulteert in een 354-voudige vermindering van het geheugengebruik bij 64 experts met verwaarloosbaar verlies aan nauwkeurigheid.
Deze studie biedt een uitgebreid overzicht van robotische foundation-modellen voor industriële toepassingen en introduceert een beoordelingsframework dat aantoont dat de huidige modellen nog onvoldoende zijn voor industriële inzet, omdat ze vooral beperkte pieken vertonen in plaats van een geïntegreerde dekking van veiligheids-, real-time en integratie-eisen.
Deze paper introduceert XMACNet, een lichtgewicht en verklaarbaar CNN-model dat zichtbare beelden en vegetatie-indexen combineert via zelf-attention en multi-modale fusie om chili-ziekten nauwkeurig te detecteren en te visualiseren voor toepassing in de precisielandbouw.
Dit paper introduceert EarthBridge, een hoogwaardig framework voor cross-modale beeldvertaling tussen EO-, IR- en SAR-sensoren dat gebruikmaakt van Diffusion Bridge Implicit Models en Contrastive Unpaired Translation om de tweede plaats te behalen in de 4th Multi-modal Aerial View Image Challenge.
Dit artikel introduceert een algemeen, op gradiënten gebaseerd, genesterd co-designkader dat aerodynamische vormgeving en besturing voor vleugelrobots gelijktijdig optimaliseert door gebruik te maken van een neuronaal surrogaatmodel voor complexe stroming, wat leidt tot superieure prestaties bij taken als perchen en kort landen in vergelijking met bestaande methoden.
Het artikel introduceert HiDE, een hiërarchisch model voor geleerde afbeeldingscompressie dat externe priors via een gestructureerde tweelaagse woordenboekretrieval en een contextbewuste schatter efficiënter benut dan bestaande methoden, wat leidt tot aanzienlijke bitrate-reducties.
Dit paper introduceert een efficiënte methode voor het zoeken naar buren in 3D-puntenwolken door ruimtevullende krommen en lineaire octrees te combineren, wat leidt tot een tot 10 keer snellere zoektijd en een aanzienlijke reductie in cache-misses vergeleken met bestaande oplossingen.
Deze paper introduceert een nieuwe methode die RRT-achtige zoekalgoritmen combineert met sampling-based MPC en een stabiele manifeest-samplingstrategie om via zwarte-bak-simulatie diverse en langdurige robotmanipulatiestrategieën te genereren zonder menselijke demonstraties of taakspecifieke begeleiding.
Dit paper introduceert HybridMimic, een hybride RL-centroïdale besturingsframework dat een geleerd beleid gebruikt om dynamisch contacttoestanden en gewenste snelheden te voorspellen, waardoor robuustere en fysiek haalbare bewegingsnabootsing voor humanoïde robots wordt bereikt, zoals aangetoond door een 13% lagere trackingfout op de Booster T1.
Dit artikel presenteert een multi-layer Sim-to-Real-raamwerk dat virtuele realiteit gebruikt om gazedriven modellen te trainen en te evalueren voor een assistieve nekexoskelet, waarmee gepersonaliseerde besturingsstrategieën voor patiënten met een 'dropped head syndrome' effectief kunnen worden geïdentificeerd.
Dit paper introduceert AceMAD, een multi-agent debatframework dat de 'Martingale-vloek' doorbreekt door asymmetrische cognitieve potentiële energie te benutten, waardoor waarheidsgetrouwe agenten hun meerderheidsfouten kunnen corrigeren en de collectieve convergentie naar het juiste antwoord wordt versneld.
Dit artikel presenteert een hybride machine learning-model dat MRI-beelden verwerkt via een combinatie van CNN-architecturen (VGG19, EfficientNet en ResNet50) en een Bi-LSTM-classificatie, waardoor een nauwkeurigheid van 98,83% wordt bereikt voor de vroege detectie van cerebrale parese bij pasgeborenen.
Dit paper introduceert 'context specificatie' als een proces om diffuse belanghebbendenperspectieven om te zetten in duidelijke, meetbare constructen, waardoor AI-evaluaties beter aansluiten bij de operationele realiteit en duurzame meerwaarde voor organisaties kunnen leveren.
Dit artikel onderzoekt hoe de onstabiele grens tussen agent en wereld in decentrale multi-agent-versterkingslearning leidt tot een continu-leerprobleem waarbij de invariante kern van succesvolle beslissingsstructuren kan verdwijnen door beleidsgestuurde niet-stationariteit.
Deze studie presenteert een door AI ondersteunde database van bijna 24.000 presentaties van de Society for Social Work and Research (SSWR) over twee decennia, waarin een aanzienlijke groei in samenwerking, internationale deelname en een aanhoudende dominantie van kwantitatieve methoden wordt vastgesteld.
Deze studie analyseert de impact van netwerkdegradaties op robotische teleschirurgie door middel van een nieuw fault-injectietool (NetFI) en een gebruikersstudie, waarmee kwantitatieve inzichten worden verkregen over de operationele grenzen en kwetsbare bewegingsprimitieven voor het ontwikkelen van robuuste besturingsstrategieën.
Dit artikel onthult dat modellen die hun redenering consistent houden met visuele input tijdens lange taken (gemeten via Step Grounding Rate) beter generaliseren naar onbekende situaties dan modellen die alleen op de eindnauwkeurigheid worden beoordeeld.
Dit artikel presenteert een receding-horizon optimalisatiestrategie die de asynchrone dynamiek van motoren en de redundantie van volledig geactueerde omnidirectionele UAV's benut om motorcommando-oscillaties te onderdrukken en zo de trajectvolging te verbeteren.
Dit artikel beschrijft hoe een MSW-opleiding kunstmatige intelligentie gebruikte om meer dan 40.000 vacatures te analyseren, waardoor strategische inzichten in arbeidsmarkttrends en vaardigheidsvereisten werden gegenereerd om de curriculumontwikkeling te stroomlijnen.
Het artikel presenteert RoboCritics, een systeem dat Large Language Models voor robotprogrammering aanvult met expert-informed critics die bewegingsfouten detecteren en transparante feedback bieden, waardoor de veiligheid en betrouwbaarheid van door niet-experts gegenereerde robotcode aanzienlijk worden verbeterd.