- ICML一致子模最大化
在具有一致性约束的动态环境中，我们研究了在基数约束下最大化单调次模函数，其在数据挖掘和机器学习中有多个应用。我们提供了在此场景中具有一致性和逼近质量之间不同权衡的算法。实验证明我们算法在真实世界实例中的有效性。
- DEMOS: 动态环境中基于局部球面 - BEV 感知的 3D 场景动作合成
该研究提出了第一个动态环境动作合成框架（DEMOS），通过预测当前场景来即时预测未来动作，并用其动态更新潜在动作，从而在处理动态环境时取得了显著的性能优势。
- 通过随机梯度 MCMC 扩展动态边缘分区模型
该论文介绍了一种用于从静态图结构数据中提取重叠社区结构的边缘划分模型，通过使用 Dirichlet 先验规范，结合时间演化行为和负二项分布增广技术，提出了负二项分布增广技术的吉布斯采样器和用于可伸缩推理的随机梯度马尔可夫链蒙特卡罗算法，并证 - 流式终身学习及任意时间推理
在动态环境中，在线、单通、类增的情况下，我们利用基于贝叶斯的框架和在线内存回访的有效方法来解决这个挑战性的 lifelong learning 问题，并在实验证明了我们的方法超越了此前的研究成果。
- EMNLPDOROTHIE: 用于交互式自动驾驶代理处理意外情况的口语对话系统
介绍了一种基于 DOROTHIE 平台的 Situated Dialogue Navigation (SDN) 导航基准，考察自主驾驶代理通过对话进行动态环境下导航的能力，结果表明，端到端模型在这种高度动态的语言引导导航任务中是非常困难的。
- AAAI利用合作逻辑对控制参数进行建模
本文提出了一种多智能体情境下协作逻辑的形式化机制来解决在不确定环境中代理商联合和互动的挑战以及研究代理商的策略和行动。
- 基于地磁惯性导航的动态传感器匹配
使用地球磁场作为参考坐标系，将来自多个传感器的数据转换为统一的参考坐标系，并得出关于动态环境重建质量的评估和可能用于光学多传感器环境检测的基础。
- CVPR动态环境下的物体实例识别
在人们与物体交互的动态环境下，物体实例的识别存在许多挑战，需要在低层次（如颜色、纹理）和高层次（如对象类别）特征的整合、处理重叠物体的前景特征选择、针对实例特有的外观变化的鲁棒性等方面进行进一步研究。该论文通过对 EPIC-KITCHENS - 学习在随机动态环境中持续优化无线资源
本文提出了一种在动态环境中实现数据驱动方法持续学习和优化的方法，通过将持续学习（CL）概念融入到无线系统学习的建模过程中，使学习模型不断适应新的情境，同时不忘记从前几次情境中学习的知识，并针对两种流行的基于深度神经网络的模型进行定制。数值结 - CARL：基于强化学习的可控四足机器人运动智能体
本文提出了一种名为 CARL 的四足代理，它能够通过高级指令进行控制并在动态环境中自然地反应，同时通过生成对抗网络和深度强化学习来适应高级控制，从而使代理能够产生平稳的过渡并从未见过的外部扰动中恢复，并通过添加导航模块使代理可以在动态环境中 - 动态 SLAM: 速度之需
本文提出了一种基于特征、无模型、可识别动态物体的 SLAM 算法，使用了语义分割技术来估算场景中刚性运动物体的运动轨迹和速度，并能够生成静态和动态结构的地图。该算法在模拟、合成和实际数据集上均实现了良好的性能。
- 基于自适应学习的车联网边缘计算任务卸载系统
本论文针对汽车间的计算任务卸载环境动态不确定的挑战，提出了一种基于自适应学习的任务卸载算法，在多臂赌博理论基础上，利用邻近车辆的卸载延迟性能进行学习并且能够适应动态环境，实现了分布式协作的任务卸载，并证明了具有子线性的学习遗憾。在综合考虑各 - ICCV使用深度继承表示进行视觉语义规划
本文提出了一种基于强化学习和模仿学习的视觉语义计划解决方案，使用后继表示来实现跨任务的泛化，用于预测将动态环境从初始状态转换到目标状态的操作序列，在 THOR 环境中实现了近乎最优的结果。
- 具有拒绝选项的早期时间序列分类器
本文提出了一种分类器架构，其中包含一个拒绝选项，能够在不需要等待整个时间序列信号出现的情况下进行在线决策，应用于气味 / 气体信号的分类问题，构建了一种新型电子鼻，即 Forefront-Nose，实验结果证实了该算法与标准分类器从早期性和