- GNFactor:通用神经特征场下的多任务真实机器人学习
用视觉观察来实现机器人在无结构的真实环境中执行多样化操作任务一直是机器人学领域的一个长期存在的问题。本文提出了 GNFactor,它是一个具有通用化神经特征场的多任务机器人操作的可视化行为复制代理系统,通过共享的深度三维体素表示,GNFac - PIMbot:多机器人强化学习在社会困境中的策略和激励调整
本文介绍了一种名为 PIMbot 的新方法,通过策略操纵和激励操纵来操纵多机器人协作中的奖励函数,以探索多机器人通信如何实现不同结果,并展示了在 Gazebo 仿真多机器人环境中提出的方法的有效性。
- 移动机器人多目标协作交互式搜索层次学习
本文介绍了一种新颖的交互式多对象搜索任务,并提出了一种层次强化学习方法,学习探索、导航和操作技能,该方法在模拟和实际的实验中展示了零样本迁移和对不同机器人运动学的适应性。
- CVPRObjectFolder 基准测试:神经和实体对象的多感官学习
介绍了 ObjectFolder Benchmark,这是一个围绕着视觉、听觉和触觉的多感知目标中心学习的基准套件,包括对象识别、重建和操作。同时引入了 ObjectFolder Real 数据集,包括 100 个真实物品的多感知测量,重点 - 未知个性化操纵下的战略分类
本研究研究了战略分类中的基本错误界限和样品复杂性,其中代理可以在一定程度上战术地操纵其特征向量,以便被预测为积极,我们考虑个性化的操纵,并提供在线错误界限和 PAC 样品复杂性。
- 物体中心的深度主动推理模型中的对称性与复杂性
本篇论文探讨了使用主动推理方法中生成模型的潜在空间中如何出现特定物体的内在对称性,重点关注物体中心表示法,并借助主成分分析技术展示了模型在潜在空间中编码了物体主对称轴,最后指出更对称表示法的利用有助于操作任务的更好泛化。
- 探究集成方法用于检测深度伪造人脸操纵
本文讲述了人工智能 (AI) 技术支持的合成媒体 - 深度伪造技术 (deepfakes),由此带来了令人兴奋的新应用,但也产生了对我们越来越数字化的世界的严重威胁。为了缓解这些威胁,研究人员尝试提出新的深度学习技术来检测 deepfake - 计算机视觉在运输物流和仓储领域的应用文献综述
对计算机视觉技术在运输物流和仓储方面的应用进行了系统的文献综述,分别从处理任务和计算机视觉技术两个角度进行分类,并指出了未来的研究方向和相关的数据集和工业方案。
- 一对替代方案的几乎最优操纵
本研究考虑了专家在决策过程中的角色和专家的诚实度对决策结果的影响,提出了一种基于排名交换的算法来讨论排名数据的可操纵性,并通过实例进行了阐述。
- 通过交替进行多智能体路径规划和基于物理模拟的操作,实现可移动物体的复杂非抓取操作规划
该研究针对机器人在重复环境中的可操作性,提出一种基于物理模拟器的动态规划算法,结合多智能体路径规划的思想,用于实现机械臂动作计划与可移动物体状态变化之间的交互式自主调整。
- CVPR利用迁移学习进行属性推断处理
研究了在迁移学习过程中,有控制权的敌手如何在受害者微调的下游模型上进行属性推断攻击,并演示了一系列攻击,通过操纵上游模型生成中间特征,能够轻松区分在下游模型中是否存在目标属性。
- 用腿作为机械臂:推进四足动物的敏捷性超越运动
该论文讨论了如何通过在模拟中训练四足机器人学习步行和使用前腿攀爬墙壁、按按钮、与物品交互等技能,并通过行为树将这些技能结合起来执行任务,并使用分阶段的课程和 sim2real 变体在现实世界中应用这些技能。
- 机器人抓取和操作:前景展望
通过去设计机器人的双手和实现可靠的操纵,可以带领我们进入一个新的、改进的自主机器时代。
- 视频鉴别:利用注意力、场景上下文和法医痕迹检测视频伪造
该研究提出了一种新的网络 VideoFACT,能够检测和定位多种视频伪造和操纵,包括那些未在训练中遇到的,并能在具有挑战性的基于人工智能的操纵上取得更强的性能表现。
- 操作和同伴机制:一份调查
该研究调查了防止同行机制中操纵的方法,并指出了几个重要的研究挑战。
- 利用模型预测元推理进行高效的复原学习
本文介绍了一种在采样效率高的情况下,通过先在模拟器中探索当前策略的失效模式,然后学习额外的恢复技能以处理这些失效来增加其鲁棒性的通用方法,提出了在线算法 MetaReSkill 用于监视所有恢复策略的进展,并将学习资源分配给最有可能改善任务 - 基于对象的主动推理
本研究介绍了一种结合了近期深度物品类神经网络的主题对象活跃推理(OBAI)的模型,该模型通过独立信念来表征不同物体,使用选择性注意力将输入路由到相应的物体插槽,并学习动态和生成模型,从而正确地将行动扰动物体从视频输入中分割,并将这些物体朝任 - ICLRDM-NeRF:从 2D 图像中分解和操作 3D 场景几何形状
本研究利用迄今为止最新的神经辐射场技术,通过引入物体场组件从 2D 视野中学习 3D 空间中所有个体物体的独特代码,并引入反向查询算法以自由地操作学习场景表示中特定的 3D 物体形状,进而解决物体碰撞和视觉遮挡等关键问题,能够准确地从 2D - 测试二元预测的评分规则
该论文构建了一个专家预测模型,研究表明适当的计分规则可以激励专家利用他们的预测来操纵世界,并提出了一类避免这一问题的简单计分规则。
- ICML战略表现
该研究旨在解决用户如何根据机器的战略表征做出良好选择的问题,提出一种对抗机制学习算法,最小化误差并加强对抗能力。