- 情境指令数据库：动态环境中的任务指导
Situational Instructions Database (SID) 通过将具体场景图与动态生成的任务专用指令相结合，提供了一个新颖数据集，使得 AI 系统能够在具备改进的情境感知和操作精度的基础上执行复杂的现实世界任务。该数据集 - 通过互动游戏背景中的意图理解研究 LLMs 的社交智能
使用新的框架 InterIntent，通过对大型语言模型进行多人游戏测试，发现虽然大型语言模型在选择意图方面表现出色，但对他人意图的推断能力较弱，与人类表现相差 20%；游戏表现与意图理解相关，强调了这四个组成部分对成功的重要性。研究强调了 - CrisisSense-LLM：灾难信息学中用于多标签社交媒体文本分类的指令微调大型语言模型
通过对事先训练的大型语言模型（LLM）进行指令微调，将其嵌入灾害特定知识，从而实现对灾害相关推文的多标签分类，提高社交媒体数据在灾难情境感知中的效用。
- CVPR三维视觉语言推理中的情境认知的重要性
SIG3D 是一个端到端的基于情境的 3D 视觉语言推理模型，该模型在情境估计和问题回答方面的性能明显优于现有模型，尤其是在情境估计准确率方面提升超过 30%。
- LADI v2：低海拔灾害图像的多标签数据集和分类器
基于机器学习的计算机视觉模型在自然灾害后的应急管理操作中是有前景的工具，而空中拍摄的照片则可以为情境感知和损伤评估等应用提供宝贵的信息。然而，在灾害发生后可能拍摄的数以万计的照片中，应急管理人员通常面临寻找最相关照片的挑战。为了解决这个问题 - 发展与自主驾驶车辆的联合行动情景感知
人与自动驾驶汽车交互设计师如何支持乘车者信息需求是自动驾驶汽车采用的未解答问题。为了实现共同的人与自动驾驶汽车行动目标，如安全交通、信任或从自动驾驶汽车中学习，人、自动驾驶汽车和人 - 自动驶驶汽车系统必须共同具备足够的情境意识。我们提出了 - 自主导航中的高效多分支分割网络用于情境感知
实时和高精度情景感知技术对无人水面载具的自主导航至关重要，特别是鲁棒且快速的障碍物语义分割方法是必不可少的。本研究建立了一个海港环境中捕获无人水面载具和无人航空器的角度的数据集，并分析了数据特征。统计分析揭示了海洋和天空的分布与行坐标信息之 - 自动驾驶全景分割鲁棒性的基准测试
准确的情景感知对于辅助和自动驾驶功能 (AAD) 的安全决策至关重要。全景分割是一种有前景的感知技术，可以在像素级别上识别和分类对象、潜在危险和可驾驶空间。本研究提出了一个统一的流程，评估全景分割模型在 AAD 中的鲁棒性，并将其与传统图像 - 在控制室中分析操作员状态和 AI 增强决策支持的影响：一种人为参与的专项强化学习框架的干预策略
评估了基于人工智能决策支持系统与改进的人机界面的影响和应用，利用动态影响图、隐藏马尔可夫模型和深度强化学习，在复杂工业和化学过程控制室中减轻操作员负担、提高情景感知以及提供不同干预策略的功能。
- 大型语言模型情境感知的规划
该研究通过基于大规模语言模型的情境感知评估新兴规划能力，提出了新的标准化评估方法、独特的数据集以及显示提示和多智能体方案能够显著提高上下文敏感规划任务性能的实证研究结果，旨在推进座位代理和自动规划研究领域，同时强调环境可靠性挑战和当前方法的 - 利用 PointNet 在空中雷达点云中对无人机碰撞危险进行分割
利用雷达技术进行航空点云的语义分割，同时识别多个碰撞威胁，提高无人机的环境感知能力和安全性。
- 情境感知度在语言模型中的测量
我们研究大型语言模型中的 `情景意识 ' 的出现，提出了` 脱离上下文推理 ' 作为情景意识的一种能力，并通过实验探索了该能力。我们发现，模型的成功在于训练设置，并且需要数据增强。这些发现为进一步的实证研究提供了基础，以预测和潜在地控制大型 - CLARA: 对于可靠的交互式机器人代理对用户的命令进行分类和消歧
本文研究了如何利用大型语言模型实现人机交互，并提出了一种基于不确定性估计方法的指令分类机制，利用上下文关系对摸棱两可的指令进行澄清，并使用问答生成技术与用户交互，最后在实际的人机交互场景中进行了验证。
- 地震灾害中寻求帮助的信息的检测：推特下的废墟
该研究提出了一种交互式工具，通过收集和分类社交媒体上的呼救信息、提取其实体标签并可视化在地图上，提高寻找被困人员、救援和捐赠等救灾工作的效率，其实验表明 tweet 分类的 F1 分数高达 98.3％，实体提取的 F1 分数为 84.32％ - 结构化室内环境中机器人导航的高级情境图
本文提出了一个名为 S-Graphs + 的环境感知模型，它由五层优化图组成，包括度量层、关键帧层、度量 - 语义层、新颖房间层和新颖地板层，该模型可以提高机器人的位姿估计和室内环境信息提取的性能，从而扩展机器人的情景感知能力。
- DRAMA: 驾驶中的联合风险定位和字幕
提出了一种联合风险定位和风险解释的研究方向，使用 DRAMA 数据集探索了交互式驾驶场景中的多方面联合风险定位和字幕，其中包括多任务预测架构的基准测试和详细分析。
- 可解释人工智能在临时人机协同中的效用
本研究通过两个实验研究了应用可解释人工智能技术对于提高团队情境感知、共享心智模型等关键特征的人 - 机团队的效果。结果发现，人 - 机团队的构成对可解释人工智能技术的效果产生了显著影响，初学者受益于通过可解释人工智能技术提高的情境感知，而专 - 增强现实辅助界面对高度自主驾驶汽车驾驶员目标感知的影响
使用增强现实技术作为用户界面的驾驶辅助系统，通过突出道路上的潜在危险物，帮助驾驶员改善在部分自动驾驶汽车中的情境感知能力，通过人机交互实验获得实验结果以提供设计指南。
- AAAI寻找我的钥匙 -- 聚合对象的时空实例以实现长时间内的高效检索
该论文提出了一种名为 D3A 的三级层次联合的检测方法来有效地查询唯一物体实例的时空表示，采用递增和递归学习方法来鉴定最佳唯一物体代表关键帧，并允许进行多种查询模式，能在很短时间内实现搜索精度的提升。
- ICML消防应用增强现实的嵌入式深度学习系统
本研究旨在利用最新技术（例如深度学习、点云技术、红外成像技术、增强现实平台等）来提高消防员在火灾环境中的情境意识，并改善场景导航。我们设计并构建了一个嵌入式原型系统，该系统可以利用从消防员个人防护装备中内置摄像头中流传输的数据来捕捉热图像、