跳到正文

内容形态

论文与研究 最新动态

四领域论文、技术报告与研究解释,明确预印本、投稿、接收和出版状态。

1,994 条精选近 30 天 1,302 条共收录 10,555 条

更新

精选归档 · 第 32 页

11月3日周二第 621–640 条
  1. arXiv · 机器人与计算机视觉82

    Look as You Leap:面向高自由度机器人的运动与感知同步规划方法

    该研究针对动态空间中机器人需持续感知环境的挑战,提出一种名为 PS-PRM 的 GPU 并行化概率路图规划器。该方法利用神经代理模型近似感知分数(如目标检测置信度),将其融入运动规划搜索过程,以解决运动与感知需求冲突及实时评估成本高的问题。实验表明,该规划器在静态和动态环境下的仿真及真实机器人实验中,均优于基于强化学习和轨迹优化的基线方法。

    推荐理由:提出 PS-PRM 规划器,利用神经代理模型近似感知分数并引入 GPU 并行,解决高自由度机器人在动态环境中运动与感知的联合优化难题。

  2. arXiv · 机器人与计算机视觉82

    FDSG:动态场景图预测新框架

    该论文提出 Forecasting Dynamic Scene Graphs (FDSG) 框架,旨在将场景图生成从图像扩展至视频,通过建模实体关系及其时间演化来解决现有方法无法显式处理时序动力学或假设静态标签的局限。

    推荐理由:提出 FDSG 框架,利用查询分解与神经随机微分方程预测未观测帧的实体标签、边界框及关系。

  3. arXiv · 机器人与计算机视觉78

    面向多源遥感数据的共享模式协作网络 SPCNet 研究

    针对多源遥感数据分类中难以联合建模长程依赖与异质模态共享空间模式的挑战,作者提出了共享模式协作网络(SPCNet)。该方法设计了引入共享大核算子与动态卷积分支的共享模式协作块以捕捉通用结构,并开发了区域自适应模态分配器进行特征融合。在 Houston2013、Augsburg 和 Houston2018 数据集上的实验表明其性能优于现有方法,代码将公开。

    推荐理由:提出共享模式协作网络解决多源遥感数据分类难题,代码将公开。

  4. arXiv · 机器人与计算机视觉82

    Parametric CAD Bench v3:基于文本与工程图纸的代理参数化 CAD 创作评估基准

    本文发布 Parametric CAD Bench v3,这是一个包含 100 个任务的基准,涵盖从文本生成 CAD、文本生成并编辑以及从工程图纸重建机械零件。

    推荐理由:该基准通过几何相似度与规范一致性评估代理生成 CAD 脚本的能力,并开放了任务、配置及结果工件。

  5. arXiv · 机器人与计算机视觉82

    大规模神经系统中在线主动学习的端到端稳定性分析

    该预印本论文针对安全关键应用中的在线主动学习(OAL)提出了稳定性理论框架。研究将预测误差作为反馈信号更新结构化深度模型,并证明仅靠输出误差收敛不足以保证全局参数收敛。通过分离输出调节、内部零动力学及层间耦合,结合持续激励与主动阻尼消除残差空模态,利用级联李雅普诺夫分析确立了整体学习过程的渐近稳定性,同时利用单调激活函数和微分同胚映射确保目标参数轨迹的唯一性。

    推荐理由:该文提出基于李雅普诺夫稳定性的在线主动学习框架,解决了大规模多层神经网络在动态环境下的参数收敛与稳定性问题。

  6. arXiv · 机器人与计算机视觉78

    标量平滑性仅是贝索夫谱上的一个点:一种新的模型响应度量方法

    针对现有 Lipschitz 常数或 Hessian 曲率无法捕捉真实扰动下模型响应变化的问题,本文提出有限差分粗糙度谱(finite-difference roughness spectrum),将标量平滑性与方向性曲率统一在贝索夫理论框架下。

    推荐理由:提出有限差分粗糙度谱理论,在图像分类与量化分配中验证了其对噪声鲁棒性与混合精度分配的改进效果。

  7. arXiv · 机器人与计算机视觉78

    TriPhysBench:评估具身智能体物理智能的基准与框架

    论文介绍 TriPhysBench 基准和 TriPhys 框架,旨在评估和提升具身智能体的物理感知、知识检索及定量推理能力。基准包含来自 200 个视频的 410 个问题,涵盖测量驱动与知识驱动的子任务;现有六款视觉语言模型中最佳者准确率仅 50.38%。

    推荐理由:该工作提出 TriPhysBench 基准与 TriPhys 框架,揭示现有模型在物理感知、知识检索与推理协同任务上的不足并提供改进路径。

  8. arXiv · 机器人与计算机视觉82

    Uni-LaSpec:面向视觉语言模型的负载自适应推测解码方法

    论文提出了 Uni-LaSpec 框架,通过复用验证器注意力机制和接受度感知训练优化草稿质量,并利用边际成本准则动态分配验证结构以适应不同 GPU 负载。实验显示该方法在六种视觉语言模型上平均保留超过 98.6% 的接受率,吞吐量提升最高达 5.11 倍,并在多种负载场景下优于固定验证策略。

    推荐理由:该工作提出负载自适应推测解码框架,在六种大模型与十七项基准测试中验证了其在不同 GPU 负载下的效率提升。

  9. arXiv · 机器人与计算机视觉78

    超越验证损失:机器人策略预训练中的覆盖度与可靠性动态

    该论文针对现代机器人学习中仅依赖验证损失和平均任务成功率指标不足的问题,研究了闭环 pass@k 指标以评估策略在多次采样下的成功可达性。研究发现大 k 的 pass@k 能揭示传统指标无法捕捉的后训练差异,并揭示了预训练过程中覆盖率与可靠性的权衡关系。作者据此提出了无需闭环评估的离线检查点选择准则以及生成式数据增强程序,旨在扩展监督范围并保持高可靠性。

    推荐理由:提出基于 pass@k 的评估指标与离线选择准则,揭示预训练中覆盖率与可靠性的权衡关系。

  10. arXiv · 机器人与计算机视觉78

    基于地球嵌入的自适应土地单元:一种低成本的无监督建模方法

    该论文提出利用 AlphaEarth 嵌入进行无监督自适应聚类,将丹麦 4.02 亿像素压缩为 127 万个单元(约 320 倍减少),无需标签即可拟合全境。相比规则网格,新单元在匹配土地用途标签和作物声明时仅需其五分之一到四分之一数量的单元格;相比直接对卫星图像聚类,达到相同纯度所需的单元数减半。

    推荐理由:该研究提出利用 AlphaEarth 嵌入进行无监督自适应聚类,将丹麦 4.02 亿像素压缩为 127 万个单元,显著降低计算成本并支持全境建模。

  11. arXiv · 机器人与计算机视觉78

    作物映射评估下的采样偏差研究:一种基于加权预测赋能推断的校正方法

    政府机构常用作物图估算产量并制定政策,但验证标签常存在采样偏差(如只标注路边地块)。本文提出利用卫星嵌入估计权重的预测赋能推断(PPI)方法,结合未标记点预测与带权重标签误差进行修正。在五个欧洲区域实验中,该方法将最大评估误差从 0.18 降至 0.07;在肯尼亚无参考标签数据上,将路边数据集的宏观 F1 估计值从 0.93 校正至 0.61。代码已开源。

    推荐理由:针对作物图评估中的采样偏差问题,提出基于卫星嵌入的加权预测赋能推断方法,在五个欧洲区域将最大误差从 0.18 降至 0.07。

  12. arXiv · 机器人与计算机视觉83

    PanoTac:一种用于鲁棒触觉中心操作的密集三轴触觉传感器

    论文介绍了 PanoTac,这是一种低成本、柔顺的触觉指尖传感器,旨在提供密集的三轴触觉感知能力。每个指尖提供 12x32x3 的触觉表示,包含法向和两个剪切响应分量,采样率为 60 Hz,成本低于每指尖 50 美元。

    推荐理由:PanoTac 传感器在管具准备、舀取谷物等任务中,相比纯视觉基线平均提升 46.7% 性能。

  13. arXiv · 机器人与计算机视觉82

    SNAP:一种无需显式人体状态估计的语义人群导航方法

    论文提出 SNAP 方法,利用单一语义标注鸟瞰图同时推理语义地形与动态障碍物,避免依赖显式的人体状态估计。该方法在拥挤城市环境中优于现有的人群避让和语义感知基线,并成功实现零样本迁移至足式机器人,展示了在高动态真实场景中的社会合规导航能力。

    推荐理由:提出基于语义鸟瞰图的强化学习导航策略,无需显式人体状态估计即可在拥挤场景实现社会合规导航,并验证了跨足式机器人的零样本迁移能力。

  14. arXiv · 机器人与计算机视觉80

    ForceLDM:一种面向接触丰富操作的力感知潜在动力学模型

    论文提出 ForceLDM 模型,旨在解决视觉策略在接触丰富操作任务中难以推断接触状态与交互力的问题。该方法通过知识蒸馏,利用拥有未来力和光流信号的教师网络提取动态特征,并将其迁移至仅依赖当前观测的学生网络,使部署时无需未来感官输入即可推理后续接触与物理动力学。此外,引入课程渐进噪声注入策略以提升鲁棒性。实验在五个真实世界任务上验证了其在性能、泛化性及抗扰动方面的优势。

    推荐理由:提出 ForceLDM,通过知识蒸馏将含未来力信号的教师网络特征迁移至仅用当前观测的学生网络,解决接触丰富任务中的动力学建模难题。

  15. arXiv · 机器人与计算机视觉78

    ReVA-HPE:基于合成姿态监督与个性化虚拟锚点的相对 6DoF 头部姿态估计

    论文提出 ReVA-HPE 方法解决单目头部姿态估计问题,将任务定义为相对于锚点图像的几何变化估计。该方法通过从单张未标注注册图像重建个性化 Avatar 并渲染已知姿态的虚拟锚点库来消除对真实锚点姿态的需求,利用多锚点共识提供鲁棒的旋转假设,并通过地标 PnP 处理平移分支。

    推荐理由:该方法利用合成数据训练实现单目人脸相对 6DoF 姿态估计,无需真实标注即可达到 SOTA 旋转精度。

  16. arXiv · 机器人与计算机视觉78

    VerifLM:面向机器人操作的物理验证图像编辑引导目标位姿生成

    VerifLM 是一个将图像编辑生成的目标配置转换为经物理验证的六自由度物体位姿的框架。该方法利用编辑后的图像恢复主动与被动物体间的初始相对位姿,提示视觉语言模型生成分轴采样约束和任务特定验证程序,并在物理模拟器中评估候选位姿。

    推荐理由:该框架将图像编辑目标转化为经物理验证的位姿,在无需预定义网格的情况下实现高成功率。

  17. arXiv · 机器人与计算机视觉78

    面向单次可打印任务专用软体机器人的端到端协同设计研究

    论文提出一种基于仿真的协同设计框架,联合优化材料分布、气动执行器位置与朝向及控制策略,生成可直接通过熔融沉积建模单体 3D 打印的软体机器人设计。该方法采用可微分二维平面应力质点法模拟器,结合实验验证的材料模型和充气执行器的经验代理模型,实现了从任务级目标到物理可实现软体机器人的路径。研究展示了基于梯度的优化生成的软体机械臂能复现仿真预测的行为,且无需后组装即可直接转移至单次单体打印制造。

    推荐理由:该工作提出基于仿真的协同设计框架,联合优化材料分布与气动执行器布局,实现单体 3D 打印软体机械臂并复现仿真行为。

  18. arXiv · 机器人与计算机视觉78

    FineCraft:面向细粒度操作的 VLA 模型增强框架

    论文提出了 FineCraft 框架,通过任务路由混合策略独立适配 DINOv2-DiT 或预训练 pi_0.5 策略,利用局部视觉特征识别指令对象部分,结合演示与专家续写教学动作,并在执行中根据新观测进行重规划。该框架在 MetaFine Challenge 中综合得分 0.878,排名第四且五项任务均超越官方参考基准。代码已开源。

    推荐理由:该框架在 MetaFine Challenge 中排名第四,展示了预训练模型在细粒度操作任务上的适配效果。

  19. arXiv · 机器人与计算机视觉82

    Visual-to-Executable Procedural Reconstruction of Buildings

    Zichong Zhu 等人提出了 Visual-to-Executable Procedural Reconstruction of Buildings 方法,旨在从野外图像中恢复可执行的程序化建筑描述以生成可编辑的 3D 资产。

    推荐理由:该工作提出从单张图像恢复可执行的 CGA 程序以生成建筑资产,为从非结构化数据构建编辑型 3D 模型提供了新路径。