3447 artigos
O artigo apresenta o OnFly, um framework totalmente embarcado e em tempo real para navegação aérea visão-linguagem zero-shot, que utiliza uma arquitetura de agentes duplos, memória híbrida e verificadores semântico-geométricos para superar as limitações de estabilidade e segurança das abordagens existentes, alcançando uma taxa de sucesso significativamente superior tanto em simulações quanto em voos reais.
O artigo apresenta o A²-Edit, um novo framework unificado de edição de imagens que, apoiado pelo grande conjunto de dados UniEdit-500K e por técnicas inovadoras como o módulo Mixture of Transformer e a estratégia de treinamento Mask Annealing, permite a substituição precisa de objetos arbitrários usando apenas máscaras grosseiras, superando os métodos existentes em generalização e robustez.
O artigo apresenta o MapGCLR, um método semi-supervisionado que utiliza aprendizado contrastivo geoespacial para melhorar a representação de características em visão de pássaro (BEV) na construção de mapas HD vetoriais online, superando as abordagens supervisionadas tradicionais ao aproveitar dados não rotulados com sobreposição de trajetórias.
O artigo apresenta o BorderNet, uma arquitetura de rede neural convolucional inspirada no córtex visual que melhora a robustez na classificação de imagens ocluídas ao modelar matematicamente o processo de conclusão de bordas.
O artigo apresenta o UniCom, um modelo unificado multimodal que supera as limitações dos tokenizadores discretos e a instabilidade de representações contínuas ao utilizar um compressor semântico baseado em atenção para criar representações contínuas compactas, alcançando desempenho de ponta em geração e edição de imagens com alta consistência.
O artigo apresenta o WalkGPT, um modelo de linguagem e visão grande (LVLM) pixel-grounded que integra raciocínio linguístico e segmentação para fornecer orientação de navegação acessível e consciente de profundidade, acompanhado pelo lançamento do benchmark PAVE.
Este estudo experimental revela que as crenças de eficácia humana atuam como âncoras cognitivas que geram um otimismo sistemático em relação à IA, influenciando decisões de delegação de forma assimétrica dependendo do contexto, mas tendo um impacto mais fraco no desempenho real da equipe humano-IA, o que desafia abordagens focadas apenas na transparência e sugere novas diretrizes de design.
Este estudo avalia a viabilidade da detecção de biomarcadores de câncer em estágio inicial por meio de nanomáquinas intravasculares, demonstrando por meio de simulações computacionais que a incorporação de características vasculares realistas reduz a probabilidade de detecção, sendo os capilares o local mais eficaz para essa função.
O artigo apresenta o FutureVLA, um novo modelo de predição visuomotora conjunta que, ao desacoplar informações visuais e motoras durante o pré-treinamento e alinhar embeddings latentes no pós-treinamento, supera as limitações de modelos VLA existentes ao capturar a interdependência temporal entre percepção visual e execução motora para melhorar a previsão futura em agentes robóticos.
O artigo apresenta o MAVEN, um framework de meta-aprendizado por reforço que permite a um único policy de quadricóptero adaptar-se robustamente e realizar manobras ágeis em tempo real diante de variações significativas de massa e falhas severas em rotores, alcançando transferência zero-shot da simulação para a realidade.
Este artigo apresenta o ASTER, um quadro de aprendizado por reforço que utiliza a semeadura de estados informada por dinâmica híbrida (HDSS) para superar a esparsidade de recompensas e realizar, pela primeira vez, o voo invertido autônomo e ágil de um quadrotor com carga suspensa, demonstrando transferência zero-shot bem-sucedida entre simulação e realidade.
Este artigo demonstra que, no modelo de matéria programável com movimentos conjuntos, é possível reconfigurar qualquer estrutura amoebot em um segmento de linha canônico em tempo sublinear de , resolvendo positivamente uma questão em aberto sobre a viabilidade de algoritmos universais sem suposições auxiliares.
Este artigo apresenta o conjunto de dados eLasmobranc, uma coleção pública e curada de imagens de sete espécies de elasmobrânquios da costa mediterrânea espanhola, obtidas predominantemente fora da água com protocolos padronizados para permitir a classificação de espécies de alta precisão e apoiar o monitoramento da biodiversidade e a conservação.
O artigo apresenta o Just-in-Time (JiT), um novo framework sem necessidade de treinamento que acelera a inferência de Transformers de Difusão explorando a redundância espacial através de uma ODE aproximada e um micro-fluxo determinístico, alcançando até 7x de velocidade no modelo FLUX.1-dev com desempenho quase sem perdas.
O artigo apresenta o Pneuma-Seeker, um sistema que alinha agentes de IA ao trabalho humano com dados relacionais ao representar necessidades de informação como esquemas relacionais reificados e iterativamente refinados, superando a fragilidade dos LLMs em solicitações mal especificadas e demonstrando maior precisão e confiabilidade em ambientes reais.
Este artigo propõe um sistema de fotometria estereoscópica baseado em eventos que utiliza uma única fonte de luz rotativa e uma rede neural leve por pixel para estimar normais de superfície com alta precisão e robustez em condições de iluminação variável e alto alcance dinâmico, sem necessidade de calibração do sistema.
O artigo apresenta o AttriGuard, uma defesa de runtime para agentes de LLM que combate a injeção indireta de prompts ao utilizar atribuição causal baseada em testes contrafactuais para distinguir chamadas de ferramentas motivadas pela intenção do usuário daquelas induzidas por observações não confiáveis, alcançando uma taxa de sucesso de ataque de 0% com perda mínima de utilidade.
O artigo "CodePercept" identifica que a percepção, e não o raciocínio, é o principal gargalo para o raciocínio visual STEM em MLLMs e propõe uma nova abordagem que utiliza código executável como meio perceptivo, fundamentado no dataset ICC-1M e avaliado pelo benchmark STEM2Code-Eval, para superar as limitações de alucinação e ambiguidade dos métodos atuais.
O artigo apresenta o RAGPerf, um framework de benchmarking de ponta a ponta que modulariza e avalia o desempenho e a precisão de sistemas de Geração Aumentada por Recuperação (RAG), suportando diversos componentes, dados e métricas com sobrecarga negligenciável.
O artigo apresenta o Aceso, uma solução adaptativa de placement de microsserviços para PMEs que otimiza a localização geográfica considerando carbono, custo e latência, reduzindo as emissões em 37,4% e os custos operacionais em 3,6% em comparação com implantações estáticas, enquanto atende aos requisitos de serviço.