6408 papers
Dit paper introduceert WeldAR, een augmented reality-systeem dat novice lasers in real-time begeleidt tijdens live training, en toont aan dat deze aanpak de prestaties en het zelfstandig uitvoeren van lasvaardigheden verbetert ten opzichte van traditionele video-instructie.
Dit paper introduceert SGG-R³, een gestructureerd redeneringskader dat chain-of-thought-gestuurde supervisie en versterkende leer met een groepssequenti-beleid optimalisatie combineert om onbevooroordeelde en complete scene graph generation te realiseren door de uitdagingen van relationele sparsiteit en lange-staartverdelingen aan te pakken.
GOMA is een op analytische modellering gebaseerd framework dat via een geometrische abstractie binnen een acceptabele tijd een globaal optimale mapping voor GEMM-werklasten op ruimtelijke acceleratoren berekent, wat resulteert in aanzienlijke verbeteringen in energie-efficiëntie en doorlooptijd ten opzichte van de huidige stand van de techniek.
Dit onderzoek presenteert een door generatieve AI en conversatieagenten ondersteund muziekpsychotherapie-instrument dat, ontwikkeld in samenwerking met therapeuten en getest bij 23 dove en slechthorende personen, effectief emotionele ontlading en zelfinzicht bevordert via visuele metaforen en empathische interactie.
Dit artikel presenteert een modelvrij DRL-besturingskader voor vermogeningenrichters dat, middels een hybride beloning en kennisdistillatie, de rekenkundige last verlaagt tot microseconden-niveau terwijl het tegelijkertijd superieure transiënte respons en parameterrobuustheid garandeert.
Dit paper introduceert EcoG-Bench, een diagnostisch benchmark voor egocentrische co-spraakgrounding dat aantoont dat er een groot prestatiekloof bestaat tussen menselijke en modelprestaties, voornamelijk veroorzaakt door beperkingen in multimodale interfaces die de waarneming van temporale uitlijning tussen spraak en gebaren belemmeren.
Dit paper introduceert EvoStage, een evolutionair raamwerk dat Large Language Models (LLMs) gebruikt om door middel van gefaseerde ontwerpstappen en real-time feedback geautomatiseerde algoritmen te creëren die menselijke expertontwerpen en bestaande methoden overtreffen in complexe industriële toepassingen zoals chipplaatsing.
Dit artikel introduceert HILA, een framework voor mens-agent samenwerking dat via een tweeledige policy-optimatie met meta-cognitieve agenten leert wanneer ze zelfstandig moeten handelen en wanneer ze menselijke expertise moeten inschakelen, waardoor systemen continu kunnen leren en robuuster worden in complexe taken.
Het artikel introduceert VORL-EXPLORE, een hybride leer- en planningsframework dat de robuustheid van multi-robot verkenning in dynamische omgevingen verbetert door taaktoewijzing te koppelen aan uitvoeringsbetrouwbaarheid via een gemeenschappelijke navigatie-inschatting, wat leidt tot minder botsingen, kortere paden en minder overlap.
Dit paper introduceert ZK-ACE, een identiteitsgerichte authorisatielaag voor post-kwantum blockchains die de noodzaak van kilobyte-grote handtekeningartefacten elimineert door deze te vervangen door compacte, identiteitsgebonden zero-knowledge bewijzen, wat leidt tot een orde van grootte reductie in consensus-data en verbeterde schaalbaarheid.
Het artikel introduceert OSExpert, een computer-agent die door middel van een GUI-gebaseerde diepte-zoekalgoritme en het zelfbouwen van een vaardigheidscurriculum complexe taken efficiënter en nauwkeuriger uitvoert, waardoor de prestaties met ongeveer 20% stijgen en het efficiëntieverschil met mensen met 80% wordt verkleind.
Dit artikel introduceert een apparaat-onafhankelijk raamwerk voor het volgen van chirurgische instrumenten in augmented reality, dat door het fuseren van meerdere sensormodi binnen een dynamische scènegrafiek de robuustheid van de navigatie verbetert ondanks frequente obstructies in de operatiekamer.
Dit paper introduceert AR-ACE, een lichtgewicht mempool-propagatieprotocol voor post-kwantum blockchains dat validatiebewijzen uit het relay-netwerk verwijdert en deze enkel laat uitvoeren door de builder, wat leidt tot een orde van grootte lagere bandbreedte-overhead.
Dit artikel presenteert een energie-efficiënt online planningsframework voor draadloze aangedreven mobiele randcomputernetwerken, dat gebaseerd is op Lyapunov-optimalisatie en een relax-then-adjust-aanpak om de wisselwerking tussen energietransfer en computerafhandeling te optimaliseren en een fundamentele afweging tussen latentie en energieverbruik te realiseren.
Dit paper introduceert AutoReg3D, een autoregressieve 3D-objectdetector die LiDAR-detectie omzet in een sequentiële generatietaak zonder ankers of NMS, waardoor training wordt vereenvoudigd en de integratie van geavanceerde taalmodeltechnieken voor 3D-perceptie mogelijk wordt.
Dit paper introduceert PreHO, een voorspellend handover-mechanisme voor LEO-satellietnetwerken dat gebruikmaakt van de voorspelbare beweeglijkheid van satellieten om handovers proactief te plannen, waardoor signaaloverhead en latentie aanzienlijk worden verminderd ten opzichte van traditionele reactieve methoden.
TeamHOI is een framework dat een enkele decentrale policy gebruikt, gebaseerd op een Transformer-architectuur en een gemaskerde Adversarial Motion Prior-strategie, om realistische en schaalbare samenwerking tussen mensachtige robots bij het dragen van objecten mogelijk te maken, ongeacht het aantal teamleden of de vorm van het object.
Het paper introduceert AutoTraces, een autoregressief vision-language-trajectmodel dat de redeneercapaciteiten van grote taalmodellen combineert met een innovatieve tokenisatie van trajecten en automatische chain-of-thought-generatie om nauwkeurige en generaliseerbare voorspellingen van menselijke bewegingen in complexe omgevingen te maken.
Dit paper introduceert SI-ChainFL, een veilig en gedecentraliseerd federatief leerframework voor hogesnelheidstreinen dat Shapley-waarden gebruikt om bijdragen te belonen en zo vrijetijd en modelvergiftiging tegen te gaan, wat resulteert in een robuustere prestatie zelfs bij 90% kwaadaardige clients.
Dit artikel introduceert een nieuwe aanpak voor het ontdekken van token-specifieke Maximaal Extracteerbare Waarde (tMEV) door middel van een pipeline met statische analyse en zoektools die tot tien keer meer winst opleveren dan bestaande methoden op Ethereum.