MCR-Bionic Hand: Anatomical Structural Priors for Dexterous Manipulation
提出基于解剖结构先验的MCR-Bionic手,结合骨骼、韧带、肌腱等结构实现高仿生的灵巧操控。
Haosen Yang, Guowu Wei
提出基于解剖结构先验的MCR-Bionic手,结合骨骼、韧带、肌腱等结构实现高仿生的灵巧操控。
Haosen Yang, Guowu Wei
提出一种结合空间和频域的EWSegNet,用于复杂背景下的废弃物分割,显著提升效率和精度。
Mamoona Javaid, Mubashir Noman, Abdul Hannan 等
提出CQC-RAG,通过跨查询一致性提升检索增强生成的鲁棒性,实验在TriviaQA和MuSiQue上分别超越基线4.76和9.12个百分点。
Yanjia Sun, Sifan Liu, Jie Shao
SupraSNN通过引入超标量架构实现突触级别的高并行,采用映射和调度优化,FPGA上达成MNIST 93.44%准确率,延迟149μs,能耗0.025mJ。
Seyed Sadra Ghavami, Mohammad Hossein Nikkhah, Mohammad Rasoul Roshanshah 等
ProtoX-AD是一种基于原型的自解释时间序列异常检测框架,利用变换感知的潜在表示实现与黑箱模型相当的检测性能。
Aitor Sánchez-Ferrera, Elisabeth Wetzer, Kristoffer Wickstrøm 等
本文提出DIRECT,通过多模态场景上下文动态分配测试时计算资源,有效提升机器人规划性能,降低65%的延迟。
Jadelynn Dao, Milan Ganai, Yasmina Abukhadra 等
VLGA引入密集3D几何专家,通过LiDAR监督实现 dense pointmap 重建,显著提升自动驾驶安全性和精度。
Jin Yao, Dhruva Dixith Kurra, Tom Lampo 等
提出基于Transformer的DAR-Net模型,结合像素级场景监督,识别水下多人与机器人合作中的六类潜水员活动,利用首个水下潜水员活动数据集UDA,显著优于现有模型。
Sadman Sakib Enan, Junaed Sattar
提出Turbo-Inference策略,通过迭代利用检测与分割的互补信息,显著提升COCO、Cityscapes等数据集的检测和分割性能。
Zhen Zhao, Gang Zhang, Xiaolin Hu 等
提出Bebop,通过TV损失和拒绝采样显著提升RL训练中MTP接受率,达95%并实现1.8倍加速。
Yucheng Li, Huiqiang Jiang, Yang Xu 等
本研究比较xLSTM、Mamba-2和Gated DeltaNet三种子二次架构,验证xLSTM在复杂任务中的优越性,核心在于其稳健的状态追踪与记忆累积。
Anamaria-Roberta Hartl, Levente Zólyomi, David Stap 等
提出Latent World Recovery(LWR)框架,有效应对多模态数据中的缺失问题,通过模态特定嵌入在共享潜在空间中对齐,实现缺失模态的鲁棒预测。
Hui Wang, Tianyu Ren, Joseph Butler 等
基于MARUS的虚拟海试框架,通过命令-执行追溯实现IMO/ITTC标准的USV转向性能数据采集与系统识别。
Paria Rezayan
提出数据中介模型解决AI市场中的创作激励与模型性能双重失灵问题,结合静态与动态分析,优化激励机制。
Yan Dai, Maryam Farboodi, Negin Golrezaei 等
提出RankGuard,基于用户私有点击历史的去中心化OLTR防御机制,确保模型收敛且抗污染。
Marcel Gregoriadis, Martijn de Vos, Sayan Biswas 等
本论文提出基于元数据感知的多提示推理框架,用于零样本监控视频事故理解,显著提升CVPR基准的综合评分。
Tarandeep Singh, Soumyanetra Pal, Soham Biswas 等
本文从机器学习视角分析动力系统中的不确定性,区分了内在随机性(aleatoric)与知识缺乏(epistemic),并探讨其在不同任务中的作用。
Yusuf Sale, Christopher Bülte, Felix Czaja 等
本论文提出两种在标签偏移下校准贝叶斯预测的策略:事后校准和训练中适应,验证其在合成数据中的有效性。
Seungjin Choi
提出Next Forcing多块预测框架,提升高帧率视频生成的训练速度和准确性,达成94.1% RoboTwin成功率。
Gangwei Xu, Qihang Zhang, Jiaming Zhou 等
提出AMNet实现低光视频增强的模态无关推理,支持缺失模态,性能优于现有方法。
Hangfeng Liang, Yutao Hu, Yanhan Hu 等