我们提出了一种控制模拟的类人动物以抓住对象并将其移动以遵循对象轨迹的方法。由于在用灵巧的手控制类人动物方面面临的挑战，先前的方法通常使用无形的手，仅考虑垂直升降机或短轨迹。这种有限的范围妨碍了对动画和模拟所需的对象操纵的适用性 ...
在这项工作中，我们解决了剥夺手动相互作用（HOI）的具有挑战性的问题。考虑到错误的相互作用序列，目的是完善不正确的手轨迹，以去除感知逼真的序列的相互作用伪像。这项挑战涉及复杂的相互作用噪声，包括不自然的手势和不正确的手动关系，以及对新的相互作用和多样化噪声模式的鲁棒性概括的必要性 ...
工业异常检测（IAD）由于稀缺性样本而构成了巨大的挑战，因此必须必须部署能够鲁棒性概括以有效地检测出不见异常的模型。传统的方法通常受到手工制作的功能或特定领域的专家模型的约束，难以解决此限制，强调了对范式转变的需求。我们介绍了Anomalyr1，这是一个利用VLM-R1的开创性框架，该框架是一种以其出色的概括和可解释性为众所周知的多模式大型语言模型（MLLM），以彻底改变IAD ...
了解人类在手动相互作用中的行为方式对于在服务机器人操纵和扩展现实中的应用至关重要。为了实现这一目标，已经提出了一些最近的作品，以同时预测以人类自我为中心视频的手动轨迹和对象。该联合预测是2D空间中未来手动相互作用的综合表示，表明了潜在的人类运动和动机 ...
长期以来，使人形机器人能够清洁房间一直是人类研究社区中的梦想。但是，许多任务都需要多类人类的合作，例如将大型和重型家具携带在一起。鉴于关于多人类协作的运动捕获数据的稀缺性以及与多机构学习相关的效率挑战，这些任务不能使用专为单人场景设计的培训范式直接解决 ...
机器学习的力场通过在前所未有的时间和长度尺度上启用材料质量的模拟来改变材料的原子建模。但是，它们目前受到以下限制：（i）必须对每个特定感兴趣系统的潜力进行开发和验证的重大计算和人类努力； （ii）总体上缺乏从一个化学系统到下一个化学系统的可传递性。在这里，使用最先进的MACE架构，我们引入了一个单一的通用ML模型，该模型在150K无机晶体的公共数据库上训练，该模型能够在分子和材料上运行稳定的分子动 ...
我们提出了Geouni，Geouni是第一个能够在单个框架内生成问题解决方案和图表的统一几何专家模型，其方式可以创建独特和个性化的几何问题。传统上，解决几何问题和生成图已被视为机器学习中的独立任务，没有成功地集成两者以支持问题的创造。但是，我们认为几何学的精通需要所有这些技能的无摩擦整合，从解决问题到可视化几何关系，最后是制定量身定制的问题 ...
清晰感最小化（SAM）通过最大程度地减少训练损失和损失清晰度来改善深层神经网络训练。尽管取得了实际的成功，但SAM的概括增强背后的机制仍然难以捉摸，从而限制了其在深度学习优化中的进步。在这项工作中，我们调查了SAM的核心成分，以改进概括，并引入“友好sam”（F-SAM），以进一步增强SAM的概括 ...
