perception | BriefGPT - AI 论文速递

关键词perception

搜索结果 - 159

MMRo: 多模式 LLM 是否适合作为家用机器人的大脑？
评估多模态大型语言模型在机器人应用中的能力和可靠性，提出了第一个多模态 LLM for Robotic（MMRo）基准测试，并从感知、任务规划、视觉推理和安全度量等四个关键能力角度对现有模型的性能进行了实验评估，结果表明目前的模型还不足以信
PDF4 days ago
Prism: 一个解耦和评估 VLM 能力的框架
Prism 是一个创新的框架，旨在解决视觉问题求解中构成的知觉和推理过程的相互交织难题，通过将感知和推理分离为两个不同的阶段，实现了对专有和开源 Vision Language Models 在感知和推理能力上的系统比较和评估。通过将专注于
PDF12 days ago
UnO: 无监督占用场景的感知和预测
我们提出了一种使用自监督从 LiDAR 数据学习连续的 4D（时空）占据场的无监督世界模型，该模型可以轻松有效地迁移到下游任务，并在点云预测和 BEV 语义占据预测方面取得了最先进的性能，特别是在标注数据稀缺时。此外，在与先前的时空几何占据
PDF20 days ago
意识定义：生物和人工通用智能的要求
意识被人们以客观术语定义极其困难，本文通过研究意识和决策行为的关系，从根本原则上生成了一个新的意识定义，其中要求包括感知能力、记忆存储、想象力和决策能力，丢失其中任何一个组成部分都将使意识思维的能力消失。
PDFa month ago
NUTS，NARS，和 Speech
通过利用非公理化推理系统（NARS）对语音识别进行研究以探究 “智能是信息处理系统在知识和资源不充足的情况下适应环境的能力”，本文提出了一种为感知设计的 NUTS：随机降维非公理化推理有限输入学习器。NUTS 包括幼稚的降维、一些预处理，然
PDFa month ago
大型语言模型的知识边界感知：半开放问题回答
研究了大型语言模型的知识界限，发现其在半开放问题上表现不佳，缺乏对模型知识界限的认知。通过探索模糊答案的更多可能性，发现模型的知识界限，构建了一个用于感知 GPT-4 知识界限的数据集，并使用辅助模型 LLaMA-2-13B 来发现更多模糊
PDFa month ago
TopoLogic：用于驾驶场景上车道拓扑推理的可解释性流程
基于车道几何距离和车道查询相似性的车道拓扑推理方法 TopoLogic 在车道拓扑方面提供更全面的信息，显著优于现有的方法，并且可以在无需重新训练的情况下将几何距离车道拓扑推理方法应用于经过充分训练的模型中，大大提升车道拓扑推理性能。
PDFa month ago
EgoChoir：从自我中心视角捕捉 3D 人物 - 物体互动区域
理解以自我为中心的人 - 物互动是人类中心感知的一个基本方面，为增强现实 / 虚拟现实和具身人工智能等应用提供支持。本研究提出了 EgoChoir 方法，通过协调视觉外观、头部运动和 3D 对象的信息来挖掘物体互动概念和人类意图，并在以自我
PDFa month ago
儿童对生成式视觉和基于文本的人工智能模型的认知模型
研究表明，五至十二岁的儿童对于生成式人工智能模型具有积极的态度，他们对于人工智能的认识和使用具有巨大的潜力，并且与真实物体和其他技术概念相比，儿童对生成式人工智能模型的理解仍存在较大的研究空白。
PDFa month ago
RoboDrive 挑战：随时随地以任何条件驾驶
自动驾驶中，强大的感知能力在面对各种未知条件时对车辆的安全部署至关重要。以四个关键任务为中心的 RoboDrive Challenge 比赛通过推动驾驶感知技术的发展来适应现实世界中的各种变化。通过对 140 个注册团队的近千份解决方案进行
PDF2 months ago
非结构化户外环境中感知数据集调研
感知是野外机器人管道的重要组成部分。本综述在比较在非结构化户外环境中公开可用的数据集。我们关注野外机器人常见感知任务的数据集，对可用的研究数据集进行分类和比较。本综述还报告了相关数据集特征，以帮助从业者确定哪个数据集最适合他们自己的应用。我
PDF2 months ago
自动驾驶中的神经辐射场：一次综述
该论文提供了第一份有关神经辐射字段（NeRF）在自动驾驶领域应用的综合调查报告，并对感知、三维重建、同时定位和地图构建以及模拟等应用领域进行了深入分析和总结，并对未来研究方向进行了讨论。
PDF2 months ago
DIDLM：具有红外摄像头、深度摄像头、LiDAR 和 4D 毫米波雷达的全面多传感器数据集，用于 3D 地图在具有挑战性的场景中
该研究提供了一个综合多传感器数据集，旨在挑战性室内外环境中进行 3D 地图制作。数据集包括红外相机、深度相机、LiDAR 和 4D 毫米波雷达的数据，提供了探索先进感知和制图技术的可能性。多种传感器数据的整合增强了在极端条件下（如雨、雪和不
PDF3 months ago
记忆痕迹：Transformer 是否为图灵机？
通过 LLM 对 Tulving-Watkins 测试的重新访问，评估基础模型是否完全实现了这类心理模型。
PDF3 months ago
多模态感知中基于生成模型的软体机器人交互
该研究介绍了一个感知模型，通过协调来自不同模态的数据，构建一个完整的状态表示和吸收必要的信息，从而为开发复杂的控制策略铺平了道路。该模型基于感知输入和机器人动作之间的因果关系，采用生成模型来高效压缩融合信息并预测下一个观察值。我们首次提出了
PDF3 months ago
RPMArt：针对关节对象的稳健感知和操纵
通过学习估计接合参数并处理噪点云，我们提出了一个用于关节式物体的稳健感知和操纵的框架，通过局部特征学习和点元组投票的方式，我们的主要贡献是一种稳健的关节网络（RoArtNet），有效地预测关节参数和可负担点，此外，我们引入了一种关节感知的分
PDF3 months ago
MCD：机器人感知的多样化大规模校园数据集
在多个欧亚大学校园中，通过 MCD（多校园数据集），我们引入了一个综合性的数据集，其中包括各种传感模态、高精度的真实地面数据以及不同挑战性环境，与现有的地图进行注册，为感知及机器人领域的研究提供了全新的挑战。
PDF3 months ago
走向全面多模感知：引入触觉 - 语言 - 视觉数据集
通过人机级联协作构建了一个名为 TLV（触觉 - 语言 - 视觉）的触觉 - 语言 - 视觉数据集，其中包含用于多模态对齐的句级描述。利用该新数据集，使用我们提出的轻量级训练框架 TLV-Link（通过对齐链接触觉、语言和视觉）进行微小参数
PDF4 months ago
使用卷积神经网络提高机器人成功抓取检测能力
提出了一种改进的流水线模型，用于检测不同可见或不可见对象的矩形表示，以实现机器人的实时掌握，通过预处理、输出归一化和数据增强来提高准确性，并对 AlexNet、ResNet 和 Vgg19 等不同预训练模型进行了比较。尽管 AlexNet
PDF4 months ago
用可组合对象的 NeRF 来缩小视觉模拟与实际之间的差距
COV-NeRF 是一个用于合成真实世界训练数据的 NeRF 模型，通过从真实图像中提取对象并将其组合到新场景中，生成逼真的渲染图像和多种 2D 和 3D 监督信息，包括深度图、分割掩膜和网格，以快速消除各种感知模式之间的模拟与真实差距。
PDF4 months ago