Convierte tu trayecto en lluvia de ideas: función oculta de Android Auto
Convierte tu trayecto en sesión de ideas con esta función olvidada de Android Auto. Aumenta tu productividad sin distracciones. ¡Descúbrela!
#trayecto
TrajGenAgent: Agente LLM jerárquico para trayectorias de movilidad
Descubre TrajGenAgent, un agente LLM jerárquico que genera trayectorias de movilidad realistas sin ajustar modelos. ¡Mejora tus simulaciones con IA!
Corrección Especulativa con Rollback para Imitación de Agentes Web Diversos
Descubre cómo SRC mejora el entrenamiento de agentes web por imitación, reduciendo errores y aumentando diversidad. Resultados en WebArena-Infinity.
De la geometría a la dinámica: aprendizaje con datos escasos
Nuevo enfoque combina geometría y control estocástico para aprender dinámicas de sistemas con datos escasos. ¡Resultados superiores!
Fusión multicámara calibrada por medición para localización interior basada en visión
Descubre cómo la fusión multicámara calibrada por medición reduce la varianza de trayectoria y mejora la suavidad del movimiento en localización interior basada en visión.
Pronosticar el comportamiento futuro como una tarea de aprendizaje
Entrena predictores de comportamiento que superan a GPT-5.4 y Claude Opus-4.6 sin explicaciones. Anticipa el comportamiento de modelos de IA en un solo paso.
ISE: Receta basada en ejecución para trayectorias multi-turn de agentes OS
Aprende cómo ISE sintetiza trayectorias multi-turno y mejora agentes OS alcanzando un 37.7% en ClawEval, superando a GPT-4o.
ISE: Receta de trayectorias multi-turno para agentes OS
ISE genera trayectorias multi-turno con ejecución real, mejorando agentes OS en un 95% en ClawEval con Qwen3-8B. ¡Descúbrelo!
Generación de anomalías de movilidad con LLM y restricciones cinemáticas
Descubre cómo generar anomalías de movilidad usando LLM y restricciones cinemáticas para mejorar la detección de patrones anómalos en trayectorias humanas.
NOVA: Regresión simbólica para modelos de conducción interpretables
NOVA descubre modelos interpretables de conducción usando regresión simbólica. Logra un 67% de precisión en cambio de carril, superando alternativas.
Diffusion Forcing Planner: Planificación con Historial Annealed y Guía Temporal
Descubre cómo el Diffusion Forcing Planner logra trayectorias estables en conducción autónoma mediante guía temporal con historial annealed. Resultados en nuPlan.
N-GRPO: Mezcla de Vecinos en Embeddings para Optimización
Descubre cómo N-GRPO revoluciona la exploración en modelos de lenguaje, generando trayectorias diversas sin perder coherencia semántica. Mejora el razonamiento matemático en LLMs.
MODIP: Optimización Basada en Modelos para Políticas de Difusión
MODIP optimiza políticas de difusión con modelos del mundo, mejorando el aprendizaje robótico. Resultados competitivos en D4RL y RoboMimic.
Robustez de tareas mediante reetiquetado de datos robóticos visión-acción
TREAD usa VLMs para reetiquetar datos robóticos y mejorar robustez en tareas nuevas. Aumenta la generalización de tu robot.
Optimización conjunta de precodificación y trayectoria con LLM en UAV
Descubre cómo los LLM mejoran la seguridad y eficiencia en redes de drones mediante precodificación y trayectorias óptimas. Un enfoque innovador de IA.
Análisis de eventos raros mediante control óptimo estocástico
Control óptimo estocástico para eventos raros: muestreo eficiente de trayectorias reactivas con mayor precisión en tasas de reacción.
Destilación de un agente de compras desde trazas de la Subnet ShoppingBench en Bittensor
Aprende a usar las arenas de agentes de Bittensor para entrenar modelos pequeños: de 18% a 42.7% de ASR en tareas de compras.
Refinamiento conservador de trayectorias con flujos contrafactuales
Refina trayectorias offline de forma conservadora con flujos contrafactuales. Mejora políticas a partir de datos históricos sin extrapolar. Resultados en D4RL.
SAD-Flower: Planificación Segura y Consistente con Flow Matching
Descubre cómo SAD-Flower usa flow matching para planificar trayectorias seguras, admisibles y consistentes dinámicamente. Sin reentrenamiento.
Estudio sobre aprendizaje multitarea profundo en vehículos autónomos conectados
Descubre cómo el aprendizaje multitarea profundo revoluciona los vehículos autónomos conectados, optimizando percepción, predicción y control en entornos complejos.