准确预测未来的交通媒介轨迹对于确保安全自动驾驶至关重要。但是，部分观察到的轨迹可以显着降低甚至最新模型的性能。先前的方法通常依靠知识蒸馏将特征从完全观察到的轨迹传递到部分观察到的轨迹 ...
结构从动作（SFM）（旨在共同恢复相机姿势和一组图像的场景的3D几何形状的任务）仍然是一个棘手的问题，尽管进步了数十年，但仍有许多开放的挑战。 SFM的传统解决方案由一个复杂的最小求解器的管道组成，当图像没有足够重叠，动作太少等时，倾向于传播错误和失败。最近的方法试图重新审视此范式，但我们从经验上表明它们掉落了，缺乏解决这些核心问题 ...
由于避免碰撞和驱动限制的非凸约限制，生成本地最佳的无人机 - trajectories是具有挑战性的。我们提出了第一个基于局部优化的UAV-Trajectory Generator，同时保证了已知环境的有效性和渐近最佳性。 \ textit {有效性：}给定一个可行的初始猜测，我们的算法保证了在整个优化过程中对所有约束的满意度 ...
运动计划（MP）是需要快速方法来找到连接给定的起始和目标状态的快速方法的核心机器人问题之一。神经运动计划者（NMP）在查找路径解决方案时表现出快速的计算速度，但需要大量的专家轨迹进行学习，从而增加了大量的训练计算负载。相比之下，最近的进步还导致了一种具有物理信息的NMP方法，该方法直接解决了运动计划的Eikonal方程，并且不需要专家进行学习 ...
无监督的中心学习旨在将场景分解为可解释的对象实体，称为插槽。基于插槽的自动编码器是该任务的突出方法。在其中，关键方面包括指导编码器生成特定对象的插槽并确保解码器在重建过程中使用它们 ...
受限的运动计划（CMP）旨在在运动学约束歧管上给定的开始和目标配置之间找到无冲突的路径。这些问题出现在各种场景中，从对象操纵到腿部机动运动。但是，流形的零体积性质使CMP问题具有挑战性，而最新的方法仍然需要几秒钟才能找到一条路径，并且需要一个计算上宽泛的路径数据集来进行模仿学习 ...
2025年1月下旬，DeepSeek发布了新的推理模型（DeepSeek R1）；尽管美国GPU出口禁令，但它以成本的一小部分开发，但仍与OpenAI的模型竞争。该报告讨论了该模型及其发布对生成AI领域的含义。我们简要讨论了最近几周从中国发布的其他模型，这是它们的相似之处。专家混合（MOE），增强学习（RL）和聪明的工程的创新使用似乎是这些模型能力的关键因素 ...
脑启发的尖峰神经网络（SNN）在神经形态硬件的饲料推断期间低能消耗，在神经形态计算领域中获得了突出性。但是，如何有效地从SNN的稀疏事件驱动的属性中有效地受益，以最大程度地降低反向传播的学习成本，这仍然是一个悬而未决的挑战。在本文中，我们对现有的事件驱动的学习算法进行了全面检查，揭示了它们的局限性，并提出了新的解决方案来克服它们 ...
