DRIFT: Adaptador de flujo residual para salidas continuas en VLMs
DRIFT adapta modelos VLM para salidas continuas con un adaptador de flujo residual, mejorando precisión en percepción y control robótico.
#percepción visual
Percepción primero: modelo nativo de video para QA implícito
Descubre por qué la percepción visual supera al razonamiento en preguntas de video. Análisis del modelo Perception First para el desafío VRR 2026.
Med-Scout: curando la ceguera geométrica en MLLMs médicos con RL
Med-Scout cura la ceguera geométrica de los MLLMs en diagnóstico médico mediante entrenamiento con refuerzo. Mejora percepción geométrica más del 40%.
Redes Neuronales de Alto Orden Inspiradas en Circuitos para PDE y Visión
CHONN: redes de alto orden inspiradas en circuitos unifican dinámicas neuronales para resolver PDEs y mejorar percepción visual. Modelado estable y eficiente.
GSAM: Marco robótico seguro y generalizable para objetos articulados
Descubre GSAM, un marco robótico que mejora un 36% la tasa de éxito en manipulación de objetos articulados, reduciendo colisiones. ¡Lee más!
ERGeoBench: Benchmark de geolocalización encarnada en MLLMs
ERGeoBench evalúa la geolocalización encarnada de modelos multimodales usando razonamiento espacial y percepción visual. Descubre sus limitaciones.
Mejorando el aprendizaje por refuerzo en entornos 3D mediante segmentación semántica: un estudio de caso en ViZDoom
<meta name=description content=Mejora el aprendizaje por refuerzo en 3D con segmentación semántica. Caso práctico en ViZDoom para optimizar el rendimiento de agentes.>