Unsupervised Discovery of Failure Taxonomies from Deployment Logs
该论文提出了一种从大规模部署日志中无监督地发现故障分类体系的方法，通过结合视觉语言推理与语义空间聚类，自动生成可解释且可操作的故障模式，从而指导数据收集并增强机器人系统的运行时故障监测能力。
💻 Category
cs
3819 篇论文
Assigning Multi-Robot Tasks to Multitasking Robots
本文提出了一种将多机器人任务分配给多任务机器人的新颖框架，通过考虑多任务执行带来的物理约束，利用加权 MAX-SAT 编译和贪婪启发式算法，在仿真与实物实验中显著提升了任务分配效率。
Context Matters! Relaxing Goals with LLMs for Feasible 3D Scene Planning
本文提出了名为 ContextMatters 的框架，通过结合大语言模型与经典规划器，利用场景上下文对不可达目标进行分层松弛以生成可行计划，从而在真实 3D 环境中显著提升了具身智能体的任务成功率。
Transforming H&E images into IHC: A Variance-Penalized GAN for Precision Oncology
本研究提出了一种引入方差惩罚机制的改进型金字塔 pix2pix 生成对抗网络，通过从常规 H&E 染色图像生成高保真 IHC 图像，有效解决了 HER2 阳性乳腺癌诊断中的模式崩溃问题，为精准肿瘤学提供了一种低成本、可扩展的 AI 驱动诊断新方案。
Light of Normals: Unified Feature Representation for Universal Photometric Stereo
该论文提出了名为 LINO UniPS 的通用光度立体方法，通过引入光注册令牌与交错注意力机制实现光照与法线的有效解耦，结合小波双分支架构与法线梯度感知损失以保留高频几何细节，并借助大规模合成数据集 PS-Verse 及课程训练策略，在多个基准测试中取得了新的最先进性能。
Open-Vocabulary Camouflaged Object Segmentation with Cascaded Vision Language Models
本文提出了一种由视觉语言模型（VLM）引导的级联框架，通过利用 VLM 特征作为提示来指导 Segment Anything Model 进行精准分割，并将分割结果作为软空间先验保留全图上下文以消除域差距，从而有效解决了开放词汇伪装物体分割中的视觉模糊与未见类别分类难题。
WaLi: Can Pressure Sensors in HVAC Systems Capture Human Speech?
本文提出了名为 WaLi 的攻击方法，利用 HVAC 系统中现有的压力传感器，通过复数 Conformers 和全局注意力机制从低分辨率噪声数据中重建出可懂度较高的人类语音，揭示了此类传感器前所未有的隐私泄露风险并提供了相应的防御方案。
SUBARU: A Practical Approach to Power Saving in Hearables Using SUB-Nyquist Audio Resolution Upsampling
本文提出了名为 SUBARU 的框架，通过在助听设备中联合采用亚奈奎斯特采样率和低比特分辨率模数转换，并结合宽带重建方法，在显著降低功耗的同时实现了嘈杂环境下的高效多模态语音增强。
Autonomous Vision-Aided UAV Positioning for Obstacle-Aware Wireless Connectivity
本文提出了一种名为 VTOPA 的视觉辅助定位算法，该算法通过计算机视觉自主提取障碍物和用户位置信息，动态优化无人机位置以维持视距连接并适应交通需求，从而在复杂城市环境中显著提升网络吞吐量并降低延迟。
LD-RPS: Zero-Shot Unified Image Restoration via Latent Diffusion Recurrent Posterior Sampling
该论文提出了一种名为 LD-RPS 的零样本统一图像恢复方法，通过利用预训练潜在扩散模型结合多模态理解先验与轻量级对齐模块，采用循环后验采样策略，有效解决了现有方法在泛化性和闭集约束方面的局限。
Query-Based Adaptive Aggregation for Multi-Dataset Joint Training Toward Universal Visual Place Recognition
该论文提出了一种名为查询自适应聚合（QAA）的新型特征聚合技术，通过利用学习到的查询作为参考码本，有效解决了多数据集联合训练中因数据差异导致的特征聚合容量受限问题，从而实现了在保持高性能的同时显著提升视觉地点识别模型在多样化数据集上的泛化能力。
Hybrid Diffusion Policies with Projective Geometric Algebra for Efficient Robot Manipulation Learning
本文提出了一种名为 hPGA-DP 的新型混合扩散策略，通过将投影几何代数（PGA）的几何归纳偏置嵌入网络架构（利用 P-GATr 作为状态编码器和动作解码器），显著提升了机器人操作学习的训练效率与任务性能。
A Robust Incomplete Multimodal Low-Rank Adaptation Approach for Emotion Recognition
本文提出了一种名为 MCULoRA 的鲁棒不完整多模态低秩适应框架，通过模态组合感知低秩适应（MCLA）模块解耦共享信息与模态特性，并利用动态参数微调（DPFT）模块基于表征空间可分性优化训练比例，从而有效解决了多模态情感识别中因模态缺失导致的梯度冲突问题并显著提升了预测性能。
Unified Medical Image Segmentation with State Space Modeling Snake
本文提出了一种名为 Mamba Snake 的新型深度蛇形框架，通过引入状态空间建模、Mamba 演化模块及双分类协同机制，有效解决了统一医学图像分割中多尺度结构异质性与器官间关系建模的难题，并在五个临床数据集上实现了优于现有最先进方法的平均 3% 的 Dice 提升。
: Permutation-Equivariant Visual Geometry Learning
本文提出了，一种无需固定参考视图、采用全排列等变架构的自监督前馈神经网络，通过直接预测仿射不变相机姿态和尺度不变局部点图，在相机位姿估计、单目/视频深度估计及稠密点云重建等任务中实现了最先进的性能。
Post-Disaster Affected Area Segmentation with a Vision Transformer (ViT)-based EVAP Model using Sentinel-2 and Formosat-5 Imagery
本文提出了一种基于 Vision Transformer 的深度学习框架，利用主成分分析扩展少量标注数据并融合多源遥感影像，以在缺乏精确地面真值的情况下提升灾后受灾区域分割的平滑度与可靠性，从而增强台湾太空总署的紧急增值产品（EVAP）效能。
Auto-scaling Approaches for Microservice Applications: A Survey and Taxonomy
本文针对微服务应用自 2018 年以来在复杂交互与动态负载下的自动扩缩容挑战，系统综述了最新方法，并从基础设施、架构、扩缩容策略、优化目标及行为建模五个维度构建了分类体系，旨在平衡资源效率、成本与 SLA 保障。
BrownoutServe: SLO-Aware Inference Serving under Bursty Workloads for MoE-based LLMs
本文提出了 BrownoutServe 框架，通过引入“联合专家”机制和动态褐出（Brownout）策略，有效解决了混合专家（MoE）大模型在突发负载下的静态部署效率低与 SLO 保障难的问题，显著提升了吞吐量并大幅降低了 SLO 违规率。
C-Koordinator: Interference-aware Management for Large-scale and Co-located Microservice Clusters
本文针对大规模混部微服务集群中的资源竞争与干扰问题，提出并实现了基于 CPI 高精度预测的开源平台 C-Koordinator，有效提升了资源利用率并将应用延迟降低了 16.7% 至 36.1%。
They See Me Rolling: High-Speed Event Vision-Based Tactile Roller Sensor for Large Surface Inspection
本文提出了一种结合神经形态相机与滚动机制的新型触觉传感器，利用事件驱动多视图立体视觉和贝叶斯融合策略，实现了在 0.5 m/s 高速下对大型工业表面进行亚毫米级精度的连续 3D 扫描，其速度比现有连续触觉传感方法快 11 倍。