Perfil dinámico del horizonte de riesgo para predicción de trayectorias
Reduce hasta un 25% el error en predicción de trayectorias con perfil dinámico de horizonte de riesgo. Ideal para conducción autónoma segura.
#trayectorias
MobEvolve: Agente Auto-evolutivo para Movilidad Humana Interpretable
Descubre MobEvolve, el primer sistema heurístico auto-evolutivo con agentes que genera trayectorias de movilidad humana interpretables y realistas, superando modelos profundos y LLM.
TraceGraph: Paisajes de Decisión Compartidos para Trayectorias
Descubre cómo TraceGraph usa paisajes de decisión compartidos para diagnosticar y mejorar trayectorias de agentes IA en SWE-bench.
Selección Activa de Tiempos para Aprender Trayectorias de Medidas
Descubre cómo seleccionar los mejores tiempos de medición usando aprendizaje activo y procesos gaussianos para reducir costos en biología unicelular.
LARK: Selección de trayectorias de razonamiento basada en aprendibilidad
Descubre LARK: selecciona trayectorias de razonamiento basadas en la aprendibilidad del estudiante para una destilación eficiente. ¡Optimiza tus modelos!
Reutilización de habilidades como compresión en RL agentivo
ReuseRL aplica el principio de compresión para que agentes de IA generalicen mejor. Aumenta el éxito en ALFWorld y TextWorld. ¡Descúbrelo!
SKETCH: Predicción a largo plazo de trayectorias de buques
Mejora la predicción de trayectorias de buques a largo plazo usando puntos clave semánticos con SKETCH. Evita desviaciones y mantiene consistencia direccional.
Perspectiva de energía cinética del Flow Matching
Descubre cómo la energía cinética revela fidelidad semántica en modelos de flujo. El principio de Goldilocks y KTS optimizan la generación.
CellBRIDGE: Alineación consciente de interacciones para trayectorias celulares
CellBRIDGE integra comunicación célula-célula en el transporte óptimo para mejorar trayectorias celulares en scRNA-seq. Ideal para perturbaciones in silico.
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!
Escondite en trayectorias: detección de señales de fallo para monitoreo VLA
Aprende cómo Hide-and-Seek logra detectar fallos en robots VLA sin anotaciones paso a paso, mejorando la fiabilidad en tiempo real.
DARTS: Modelado Distribucional Activo para Acelerar RL en LLMs
Descubre cómo DARTS acelera el aprendizaje por refuerzo en LLMs al modelar trayectorias de rollout con conciencia distribucional, reduciendo verbosidad y mejorando eficiencia hasta 1.77x.
¿Juega la información visual un papel decisivo en la conducción de modelos VLA?
Analizamos la relación entre información visual y comportamiento de conducción en modelos VLA mediante perturbaciones controladas. Implicaciones para sistemas más seguros.
¿Redundante o necesario? Un punto de referencia para detectar pasos redundantes en trayectorias de agentes
Identifica pasos redundantes en trayectorias con nuestro punto de referencia. Optimiza rutas y mejora la eficiencia.
De puntos GPS a patrones de viaje: Generación flexible y semántica de trayectorias con LLMs
<meta content=Convierte puntos GPS en patrones de viaje usando generación semántica con LLMs. Optimiza análisis de movilidad y descubre rutas inteligentes. name=description>
Elevación Estocástica para la Generación de Trayectorias de Sistemas Físicos Estocásticos
Elevación estocástica: generación de trayectorias en sistemas físicos. Descubre cómo simular caminos aleatorios en física, desde partículas hasta fenómenos complejos.
Descenso de espejo en el espacio de trayectorias para el aprendizaje por refuerzo on-policy bajo el puente de Schrödinger generalizado
Descenso de espejo en trayectorias para RL on-policy bajo el puente de Schrödinger generalizado. Método innovador que optimiza políticas combinando teoría de puentes de Schrödinger y aprendizaje por refuerzo.
Recuperación de la trayectoria de flujo de medidas en espacios de Hilbert bayesianos
Recupera trayectorias de flujo en espacios de Hilbert bayesianos. Enfoque bayesiano para inferencia y modelado de trayectorias complejas.
MemCollab: Colaboración de Memoria entre Modelos mediante Destilación Contrastiva de Trayectorias
<meta name=description content=Descubre la colaboración de memoria entre modelos mediante destilación contrastiva de trayectorias. Una técnica innovadora para mejorar el aprendizaje y la transferencia de conocimiento en inteligencia artificial.>
Elaborando Trayectorias Climáticas Deseables con Simulaciones Socioambientales Exploradas con RL
Descubre cómo el aprendizaje por refuerzo explora simulaciones socioambientales para identificar trayectorias climáticas deseables y sostenibles.