3818 artigos
O artigo apresenta o DropVLA, um ataque de backdoor de nível de ação que compromete modelos Visão-Linguagem-Ação (VLA) forçando a execução de primitivas de ação específicas em pontos de decisão escolhidos pelo atacante com alta taxa de sucesso e mínima degradação do desempenho nominal, mesmo sob condições de treinamento com dados envenenados limitados e em ambientes de mundo real.
Este artigo apresenta um modelo de mundo baseado em visão egocêntrica que combina aprendizado offline com controle preditivo baseado em amostragem para permitir que humanoides planejem interações físicas complexas e robustas em tempo real, superando as limitações de eficiência de amostragem e generalização de métodos tradicionais.
Este estudo conclui que, embora o efeito de protótipo promova a aprendizagem, ensinar soluções para o estresse digital a outros não foi suficiente para reduzir significativamente o próprio estresse ou os comportamentos problemáticos associados, destacando a dificuldade de transformar o engajamento cognitivo em mudança comportamental real.
Esta revisão de escopo sistemática analisa o estado da arte de modelos generativos profundos não supervisionados para detecção de anomalias em neuroimagem, destacando seu potencial para localizar patologias sem necessidade de anotações detalhadas, ao mesmo tempo em que identifica desafios como a heterogeneidade metodológica e a necessidade de validação externa mais robusta.
Este trabalho apresenta uma métrica probabilística robusta para avaliar a colocação de objetos a partir de observações parciais, permitindo um raciocínio unificado de pegar e colocar sem necessidade de modelos prévios ao integrar estabilidade, viabilidade de preensão e livre-espaço diretamente em nuvens de pontos.
Este artigo apresenta o framework CMR (Repetição Multimodal Baseada em Colisão) para o novo desafio de Segmentação Audiovisual Contínua (CAVS), abordando eficazmente a deriva semântica e a confusão por co-ocorrência em cenários de aprendizado contínuo de classes finas através de estratégias inovadoras de seleção e repetição de amostras.
O artigo apresenta o PolyJailbreak, um novo framework de jailbreak em caixa preta para modelos de linguagem multimodal que explora a assimetria de segurança entre modalidades e utiliza otimização por aprendizado de reforço multiagente para superar os mecanismos de defesa, alcançando taxas de sucesso superiores a 95% em modelos comerciais como GPT-4o e Gemini.
O artigo apresenta o HumanMPC, um framework de Controle Preditivo Modelado (MPC) que garante navegação segura e eficiente de veículos aéreos não tripulados (MAVs) em ambientes com humanos, combinando previsões de movimento baseadas em dados com uma formulação de segurança inovadora que evita conservadorismo excessivo.
Este artigo propõe um framework de HCI para integrar o Minecraft Education Edition no sistema educacional de Bangladesh, adaptando-se às severas restrições de infraestrutura através de três níveis de implantação (online, LAN e offline), conteúdos localizados em bengali e interfaces acessíveis, visando melhorar o aprendizado em ambientes com poucos recursos.
O artigo apresenta o Dream4Drive, um novo framework de geração de dados sintéticos que utiliza modelos de mundo de direção e um conjunto de dados 3D (DriveObj3D) para criar vídeos realistas e multi-visão, demonstrando melhorias significativas no desempenho de modelos de percepção autônoma, especialmente em casos extremos, superando as limitações de métodos anteriores que dependiam de estratégias de treinamento ineficientes.
O artigo apresenta o MoE-GS, um novo quadro unificado para a reconstrução de cenas dinâmicas via Gaussian Splatting que integra múltiplos especialistas especializados por meio de um roteador de pixels consciente de volume para superar as limitações de métodos existentes, oferecendo também estratégias de otimização para mitigar o custo computacional.
Este estudo preenche uma lacuna na literatura ao realizar uma avaliação experimental comparativa de alternativas ao Redis (Valkey, KeyDB e Garnet) em ambientes Kubernetes, analisando métricas de desempenho, eficiência e viabilidade de longo prazo para identificar os trade-offs entre performance, compatibilidade e sustentabilidade dessas soluções de armazenamento em memória.
Este artigo apresenta o HCLA, um sistema multiagente centrado no ser humano que utiliza agentes de linguagem para transformar intenções analíticas em regras explícitas, quantificar riscos em transações de ativos digitais e reconstruir justificativas rastreáveis no estilo de especialistas, visando aprimorar a transparência e a responsabilidade na forense financeira regulatória.
O artigo apresenta o AnyPcc, um framework universal de compressão de nuvens de pontos que supera as limitações de generalização existentes ao combinar um Modelo de Contexto Universal robusto a diversas densidades com uma estratégia de Ajuste Fino Adaptativo à Instância (IAFT), alcançando resultados state-of-the-art em diversos conjuntos de dados reais com baixa complexidade.
Este artigo propõe um método automatizado de contagem de pragas em armadilhas aquáticas que utiliza um sistema robótico de agitação ativa e um controle em malha fechada baseado na confiança da contagem para mitigar oclusões, reduzir erros de contagem e otimizar o tempo de execução em comparação com métodos estáticos e de velocidade constante.
O artigo apresenta o CountFormer, um framework que substitui o codificador de imagem por um modelo de visão auto-supervisionado (DINOv2) para melhorar a consistência estrutural no contagem de objetos sem exemplares, demonstrando que representações de base podem reduzir erros de supercontagem em objetos complexos, embora os resultados quantitativos no benchmark FSC-147 permaneçam competitivos com abordagens anteriores.
O artigo apresenta o LagMemo, um sistema de navegação visual que utiliza uma memória de Gaussiana 3D com linguagem para permitir a navegação em múltiplos objetivos com consultas de vocabulário aberto, superando os métodos mais avançados e introduzindo o conjunto de dados GOAT-Core para avaliação rigorosa.
O artigo apresenta o SAGE, uma abordagem zero-shot que utiliza orientação estrutural e síntese generativa para criar transições de vídeo visualmente coerentes e consistentes entre clipes diversos, superando métodos clássicos e generativos existentes sem a necessidade de ajuste fino ou dados de treinamento específicos.
Este estudo apresenta o MobiDock, um manipulador móvel bimanual modular e auto-reconfigurável que utiliza uma estratégia de acoplamento autônomo baseada em visão computacional e um mecanismo de trava rosqueada para transformar dois robôs independentes em uma plataforma unificada, resultando em maior estabilidade dinâmica, precisão angular e eficiência operacional em comparação com a cooperação não acoplada.
Este artigo apresenta o VOPP, um novo planejador online de POMDP totalmente vetorizado que elimina gargalos de sincronização ao representar os dados como tensores e realizar cálculos massivamente paralelos, alcançando uma eficiência 20 vezes superior a solvers paralelos existentes e superando solvers sequenciais com um orçamento de planejamento 1000 vezes menor.