8752 papers
Het artikel introduceert MoMaStage, een gestructureerd visueel-taalframework dat een hiërarchische vaardigheidsbibliotheek en een topologiebewuste vaardigheids-staatgrafiek combineert om langdurige binnenlandse mobiele manipulatie-taken zonder expliciete kaartmapping logisch consistent en robuust uit te voeren via gesloten-lus herplanning.
Dit onderzoek presenteert een rectified flow-model dat, getraind op de SAILOR-dataset, realistische post-behandelings MRI-scans van gliomapatiënten genereert op basis van pre-behandelingsbeelden en stralingsdosisplanningen, waardoor snellere en gepersonaliseerde aanpassingen van de radiotherapie mogelijk worden.
Deze paper introduceert DDHF, een real-time methode voor het detecteren van drones op basis van gebeurteniscamera's die via een niet-uniforme discrete Fourier-transformatie de rotorfrequenties analyseert en hiermee zowel hogere nauwkeurigheid als lagere latentie bereikt dan traditionele diepe leer-algoritmen zoals YOLO.
AULLM++ is een nieuw raamwerk dat Large Language Models inzet voor micro-expressieherkenning door visuele kenmerken te integreren in tekstuele prompts via een multi-granulariteitsfusie en een relationele graaf, wat leidt tot state-of-the-art prestaties en superieure generalisatie.
Dit paper introduceert het HECK-framework, dat autonome agents met LLM-gestuurde actiegeneratie verbetert door middel van een multi-dimensionale strategieoverdracht, een gestructureerde foutclassificatie en causale contextgrafische zoekopdrachten voor nauwkeurigere taakuitvoering.
Het paper introduceert StructBiHOI, een hiërarchisch framework dat een Mamba-gebaseerde diffusion denoiser en gescheiden VAE-modellen combineert om stabiele, fysiek plausibele en semantisch uitgelijnde bimanuele hand-object interacties over lange tijdsperiodes te genereren.
Dit paper introduceert een nieuw capability-architectuur die, geïmplementeerd op FPGA met legacy hardware en een gedisaggregeerde Zephyr-RTOS, de integriteit van ingebouwde apparaten waarborgt door alle runtime-softwarecomponenten en randapparatuur als onbetrouwbaar te behandelen zonder hardwarewijzigingen.
Deze paper introduceert SPIRAL, een gesloten-lusframework dat door middel van reflectieve planningsagenten en iteratieve verbetering controllable video-generatie op lange termijn mogelijk maakt, waardoor de beperkingen van bestaande open-lusmodellen worden overwonnen.
Dit artikel introduceert en evalueert een schaalbaar systeem voor het streamen van dynamische puntwolken met on-the-fly transcodering, waarbij caching en speculatieve transcodering worden ingezet om de serverbelasting te verminderen en de kwaliteit van de gebruikerservaring bij gelijktijdige clients te waarborgen.
Dit artikel introduceert een AI-gedreven waarnemingsmethode voor mobiele robotchemici in zelfrijdende laboratoria die, door menselijke intenties te voorspellen, proactieve interactie mogelijk maakt en zo de inefficiëntie van passief wachten oplost.
Dit paper introduceert CliCooper, een multi-client split learning-framework dat privacy en vertrouwen waarborgt in gedeeltelijk vertrouwde omgevingen door middel van differentieel privacy en dynamische watermerken, terwijl het tegelijkertijd modelnauwkeurigheid behoudt en aanvallen op labels, data en auteursrechten effectief neutraliseert.
Deze paper introduceert het AFOP-ML-framework, een meta-leerbenadering met automatische feature-optimalisatie die robots in staat stelt om met weinig trainingsdata zowel vormen als materialen nauwkeurig te herkennen via tactiele sensoren, zelfs in uitdagende scenario's met onbekende objecten of verstoringen.
Dit paper introduceert de FoMo-dataset, een uitgebreide verzameling van multi-seizoensdata uit een boreaal bos die is ontworpen om de robuustheid van robotnavigatiesystemen te testen onder extreme seizoensgebonden omstandigheden zoals sneeuw en vegetatiegroei.
Deze paper introduceert IMaX, een effectieve methode die de prestaties van semi-supervised domain generalization verbetert in scenario's met langstaartige klassenverdelingen door de wederzijdse informatie tussen geleerde kenmerken en latente labels te maximaliseren met behulp van een aangepast entropisch doel.
Dit paper introduceert OLLA, een framework dat Large Language Models combineert met online aggregatie en semantisch gestratificeerd sampling om de verwerking van ongestructureerde tekst in relationele queries aanzienlijk te versnellen en real-time, progressieve resultaten te leveren.
Het artikel introduceert Alfa, een methode voor testtijd-personalisatie die bestaande pre-getrainde filters in oogvolgingsmodellen herweegt via een op aandacht gebaseerde laag-rang aanpassing, waardoor deze modellen met slechts enkele ongelabelde steekproeven effectief kunnen worden aangepast aan gebruikersspecifieke kenmerken en nieuwe state-of-the-art resultaten behalen.
Dit paper introduceert een Hybrid Evaluation-based Genetic Programming-methode (HE-GP) voor het efficiënt oplossen van het onzekere Agile Earth Observation Satellite Scheduling-probleem door een dynamisch schakelmechanisme tussen exacte en benaderende evaluatiemodellen te implementeren, wat leidt tot een aanzienlijke reductie in rekentijd zonder in te leveren op de kwaliteit van de gegenereerde planningspolitieken.
Dit verslag documenteert de werkzaamheden van de SymBa-groep tijdens de ALICE 2026-werkplaats, waarin Barricelli's pionierswerk over symbiogenese wordt gerepliceerd en uitgebreid naar tweedimensionale werelden en DNA-normen om de rol ervan bij het ontstaan van leven, open-endedheid en collectieve intelligentie te onderzoeken.
Deze brief onderzoekt multi-mode pinching-antennasystemen (PASS) voor efficiënte multi-user communicatie via een enkel golfgeleider, waarbij een PSO-gebaseerd algoritme wordt voorgesteld om de som-rate te maximaliseren door zendstraling, antenne-posities en propagatieconstanten gezamenlijk te optimaliseren, en aantoont dat zowel modeselectie als modecombinatie aanzienlijk betere prestaties leveren dan conventionele systemen.
Dit paper introduceert R2F, een framework voor objectnavigatie dat zonder grote taalmodellen (LLMs) of visueel-taalmodellen (VLMs) werkt door ray frontiers te herinterpreteren als semantische hypotheses, waardoor real-time prestaties worden bereikt met een tot zes keer snellere uitvoering dan bestaande VLM-gebaseerde methoden.