Ver antes de colisionar: RL segura anticipatoria con modelos de lenguaje visual
Descubre cómo los modelos de lenguaje visual congelados permiten un RL anticipatorio que evita colisiones antes de que ocurran, superando métodos tradicionales.
#colisiones
IR-SIM: Simulador ligero nativo de habilidades para navegación robótica
Simulador ligero IR-SIM: crea escenarios de navegación robótica desde lenguaje natural, entrena algoritmos y pasa a entornos reales sin código extra. Ideal para benchmarking.
RAM: Alcanzabilidad a través de Morfologías
RAM: una representación neuronal que predice la alcanzabilidad robótica en nanosegundos con un 86% de precisión, generalizando a morfologías no vistas.
Tu modelo ya lo sabe: filtro de seguridad con atención para VLA
Aprovecha la atención interna de los modelos VLA para filtrar obstáculos en tiempo real. Sin entrenamiento extra.
Bandidos Multi-Agente Lipschitz
Aprende sobre el protocolo modular para bandidos multiagente Lipschitz: coordinación descentralizada, sin comunicación, con cotas de arrepentimiento óptimas. Ideal para IA y robótica.
Una exploración de la generación de morfología de enemigos basada en colisiones
Descubre tres nuevos enfoques para generar morfologías de enemigos basados en colisiones de juego. Mejora tu PCG con inteligencia artificial.
Funciones Neurales de Navegación para Planificación de Movimiento Zero-Shot
Descubre cómo las funciones de navegación neural permiten planificar movimiento en entornos nuevos sin reentrenamiento, con trayectorias libres de colisiones y convergencia al objetivo.
BilliardPhys-Bench: evaluando el razonamiento físico de los LLM multimodales
BilliardPhys-Bench expone los límites de los LLM multimodales en razonamiento físico, revelando el 'sesgo de estasis' en predicciones de billar sintético.
Detección colaborativa de objetos espaciales con múltiples satélites LEO
Aumenta la detección de objetos espaciales un 46% con fusión multivista de satélites LEO. Mejora la seguridad orbital.
Detección de colisiones en modelos visión-lenguaje para colaboración segura robot-humano
Descubre cómo los modelos de visión-lenguaje fallan en detectar colisiones robot-humano. TouchSafeBench revela sus limitaciones en seguridad.
Evitación de colisiones en multitudes: simulación basada en datos
El modelo CPGAN integra la física de colisiones en la función de pérdida para simular evitación de colisiones en multitudes, reduciendo drásticamente los choques en flujos bidireccionales.