4478 artigos
Este artigo propõe uma estratégia de alocação de controle com horizonte recorrente e consciência da atuação para UAVs omnidirecionais, que utiliza otimização no espaço nulo e simulação forward para antecipar e suprimir oscilações causadas por dinâmicas assimétricas dos motores, resultando em um rastreamento de trajetória superior em comparação com métodos convencionais.
Este artigo apresenta um estudo de caso em que um programa de Trabalho Social Mestre (MSW) utilizou inteligência artificial para analisar mais de 40.000 anúncios de emprego, gerando dados estratégicos sobre competências e especializações do mercado de trabalho que auxiliaram no planejamento curricular e na tomada de decisões da faculdade.
O artigo apresenta o RoboCritics, uma abordagem que integra críticos informados por especialistas ao programação de robôs baseada em LLMs para detectar e corrigir automaticamente violações de segurança e erros de execução, resultando em um processo de programação mais confiável e centrado no usuário.
O artigo apresenta o MotionBits, um novo conceito e método de segmentação baseado em equivalência cinemática espacial que identifica os menores elementos manipuláveis do mundo real, superando as abordagens atuais de segmentação semântica e oferecendo um benchmark (MoRiBo) e resultados superiores para tarefas de raciocínio e manipulação robótica.
Este estudo empírico analisa 13.602 problemas em sistemas de IA agêntica para desenvolver uma taxonomia validada de falhas, sintomas e causas raízes, revelando padrões de propagação e a origem comum de erros em mismatches entre artefatos probabilísticos e restrições determinísticas.
O artigo apresenta o Twitch, uma ferramenta que descobre automaticamente abstrações (padrões de termos recorrentes) a partir de provas parciais ou bem-sucedidas para auxiliar o provador de teoremas equacionais Twee, resultando na prova de problemas de dificuldade rating-1 e em acelerações significativas em outros.
Este trabalho apresenta o testbed LAVT e demonstra, através de 180 experimentos, que a estabilidade de sistemas de teleoperação visual para veículos autônomos sofre uma degradação não linear e abrupta entre 150 ms e 225 ms de latência de percepção, levando ao colapso do controle em malha fechada.
Este artigo apresenta o "Perturbed Gaussian Ensemble", um framework de seleção de vistas ativas que utiliza modelagem de incerteza e perturbação estocástica em campos de densidade de Gaussianas 3D para otimizar a reconstrução tomográfica com vistas esparsas, superando métodos existentes ao eliminar ambiguidades geométricas e artefatos físicos específicos da imagem de raios X.
O artigo propõe uma técnica de interpretabilidade mecânica para identificar cabeças de atenção especializadas em áudio em modelos de linguagem multimodal, permitindo a aplicação de uma intervenção de ativação durante a inferência que amplifica a atenção ao áudio e melhora a precisão em até 8 pontos percentuais sem atualizar os parâmetros do modelo.
Um experimento randomizado com 400 participantes revelou que, na leitura atenta de poemas, o uso de uma única interpretação gerada por IA aumenta tanto o desempenho quanto o prazer, enquanto múltiplas interpretações melhoram apenas o desempenho e a dependência excessiva da IA reduz o prazer, sugerindo que "menos é mais" para calibrar a assistência artificial na interpretação cultural.
Este estudo avalia quatro topologias de agentes de IA para diagnóstico de doenças raras e conclui que, embora arquiteturas multi-agente complexas não garantam melhorias gerais na precisão, a topologia hierárquica supera as demais e todas as configurações multi-agente demonstram superioridade específica em categorias como doenças ósseas e torácicas, sugerindo a necessidade de seleção dinâmica de topologias.
O artigo apresenta o PVBench, um novo benchmark que revela que mais de 40% dos patches gerados por sistemas automáticos de reparo de vulnerabilidades, embora aprovados por testes básicos, falham em testes avançados (), evidenciando a necessidade de melhorar a análise de causas raízes, a aderência a especificações e a captura da intenção dos desenvolvedores.
Este artigo apresenta o ColonSplat, um novo framework de *Gaussian Splatting* dinâmico e o conjunto de dados sintético DynamicColon, projetados para superar as limitações dos métodos atuais na reconstrução 3D precisa de movimentos peristálticos durante colonoscopias, garantindo consistência geométrica global.
Este artigo apresenta um novo framework de aprendizado eficiente em hardware para previsão de trajetórias de voo, que integra informações prévias ambientais a uma arquitetura de Transformer em cascata dupla (DTC) para prever com precisão pontos de aterrissagem, como demonstrado na trajetória de bolas de tênis.
O artigo apresenta o Robodimm, um framework de software que automatiza o dimensionamento de atuadores para robôs modulares escaláveis, utilizando formulações de dinâmica e cinemática inversa para lidar com acoplamentos de torque e efeitos de peso próprio em cadeias cinemáticas fechadas.
O artigo apresenta o CAR, um novo framework baseado em Transformers que utiliza um espaço latente de mobilidade compartilhado para permitir a rápida adaptação cinodinâmica de veículos autônomos heterogêneos com dados mínimos, reduzindo significativamente o erro de previsão em comparação com métodos tradicionais.
O artigo propõe o método LEAD (Lookahead-Enhanced Atomic Decomposition), que supera o gargalo de não-recuperação em raciocínio de longo horizonte ao combinar validação futura de curto prazo e agregação de execuções sobrepostas, permitindo que modelos como o o4-mini resolvam problemas complexos de salto de damas com maior estabilidade do que as decomposições extremas.
O artigo apresenta o PICS, um paradigma auto-supervisionado de composição por decomposição que utiliza um Transformer de Interação com Mixture-of-Experts e aumentações geométricas para gerar composições de imagens em pares com relações espaciais coerentes e maior estabilidade, superando os métodos atuais em diversas configurações.
Este estudo demonstra que o comprimento das respostas de modelos de linguagem influencia a capacidade dos usuários de detectar erros no raciocínio gerado por IA, revelando que explicações de tamanho médio são mais eficazes para manter o pensamento crítico quando o conteúdo da IA está incorreto.
Este artigo propõe um framework que utiliza a estética, especificamente cor, textura e materiais, como sinais de interação para explicar o papel e as capacidades de robôs, alinhando as expectativas dos usuários com a realidade funcional através de uma abordagem inspirada na moda.