Guía local, impacto global: Región de confianza gaussiana
GTR: región de confianza Gaussiana para transiciones de comportamiento en aprendizaje por refuerzo no estacionario. Ideal para juegos, robótica y más.
#simulación
Grasp-Then-Plan con Atribución de Fallos: Manipulación Robótica Precisa
Descubre cómo GTP-FA mejora la manipulación robótica con un marco de dos etapas que diagnostica y corrige fallos de agarre y planificación en tareas complejas.
Flow Learners para PDEs: hacia un paradigma física-a-física
Los Flow Learners alinean dinámica continua con IA para transformar la simulación de PDEs y cuantificar incertidumbre.
Aprendizaje profundo bilevel para control óptimo de obstáculos
Método S2-FOBA: aprendizaje profundo bilevel de un solo bucle para control óptimo de obstáculos. Eficiente, sin malla y escalable a dominios complejos.
Machine learning causal para efectos ambientales en viviendas
Descubre cómo los modelos de machine learning causal superan a la regresión tradicional para medir el impacto de mejoras ambientales en el precio de viviendas, según simulación Monte Carlo.
Assistax: Benchmark de RL multiagente acelerado por hardware para robótica asistencial
Conoce Assistax, un benchmark open-source que acelera el entrenamiento de robots asistenciales con RL multiagente usando JAX. Hasta 370x más rápido que alternativas CPU.
Portero humano con aprendizaje por refuerzo eficiente en fútbol
Nuevo método de aprendizaje por refuerzo crea porteros humanos en EA Sports FC 25. Supera a la IA nativa un 10% y entrena 50% más rápido.
Pi Agent con Gemini Enterprise: Sistema de Acción Autónomo para Cadena de Suministro
Pi Agent con Gemini Enterprise automatiza tu cadena de suministro: planificación autónoma en 60 segundos. Alinea ventas, finanzas y operaciones sin reuniones. Solicita demo.
RESCAST-100K: Dataset completo para predicción de carga y temperatura en hogares
Dataset RESCAST-100K: 100,000 hogares simulados para predicción de carga y temperatura. Ideal para transferencia de aprendizaje y adaptación de dominio.
¿Campos precisos engañan al diseño fotónico? De precisión global a lectura de puertos
Descubre cómo los campos precisos pueden desviar el diseño fotónico y cómo el nuevo operador neural PaNO mejora la lectura de puertos reduciendo errores hasta un 72%.
Visibilidad de falsos éxitos en manipulación robótica
¿Pueden los robots ocultar fallos? Un estudio revela que los falsos éxitos en manipulación son más detectables de lo que parece, pero el ruido los enmascara. Descubre cómo.
Heterogeneidad cognitiva y sesgos en cadenas de suministro con LLM
La heterogeneidad cognitiva en LLM (DeepSeek, GPT) afecta cadenas de suministro. La simulación revela sesgos y cómo compartir información mitiga ineficiencias.
Epi-LLM: sondeando sesgos conductuales de LLM con modelos epidémicos
Descubre el marco Epi-LLM, que combina modelos de lenguaje y agentes sintéticos para simular comportamientos humanos durante epidemias, comparando con datos rea
OmniDreams: Modelo Generativo de Mundo para Simulación de Vehículos Autónomos
Descubre cómo OmniDreams, el modelo generativo de NVIDIA, revoluciona la simulación de vehículos autónomos en tiempo real con escenarios de conducción.
Modelos físicamente viables para IA encarnada condicionada por consultas
Descubre por qué los modelos del mundo pueden fallar en IA encarnada y cómo construir modelos físicamente viables para consultas de intervención.
Mecanismos de salud con búsqueda de Policy-as-Code y respuesta estratégica
Optimiza mecanismos sanitarios con Policy-as-Code y simulación multiagente. Un programa evolutivo elimina la sobrecodificación y reduce rechazos. ¡Descubre cómo!
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.
Transformer de Física Adaptativa para Sistemas de Energía Subterránea
El APT fusiona atención global-local para simular sistemas subterráneos con alta precisión y supera modelos previos. ¡Descúbrelo!
Modelado de orden reducido de Hamiltonianos con redes simplécticas
Descubre cómo las redes neuronales simplécticas preservan la estructura hamiltoniana en modelos reducidos, logrando simulaciones precisas y estables a largo plazo.
Ondas planas globales desde gaussianas: carga periódica al instante
Descubre ELECTRAFI: predice densidad de carga periódica en cristales con velocidad récord y reduce costos de DFT hasta un 20%. Precisión y eficiencia sin precedentes.