近年来，图像修复取得了重大进展。然而，恢复具有生动纹理和合理结构的损坏图像仍然具有挑战性。由于卷积神经网络（，CNN）的感受野有限，一些特定方法只能处理规则纹理，而丢失整体结构 ...

近年来，拟议的关于时间序列异常检测的研究（TAD）报告了基准TAD数据集上的F1高分，给人的印象是TAD的明显改善。但是，大多数研究在评分前采用了一种称为点调整（PA）的特殊评估方案。在本文中，我们从理论上和实验上揭示了PA协议具有高估检测性能的很大可能性。也就是说，即使是随机的异常得分也可以很容易地变成最新的TAD方法 ...

图像修复的一个难题是恢复损坏区域的复杂结构。它激发了交互式图像修复，利用了额外的提示，例如... ...

加强学习（RL）可以减轻因果关系的因果混乱和分配的转变（IL）。但是，将RL应用于端到端的自主驾驶（E2E-AD）仍然是其训练难度的开放问题，而IL仍然是学术界和行业的主流范式。最近，基于模型的增强学习（MBRL）在神经计划中表现出了有希望的结果。但是，这些方法通常需要特权信息作为输入而不是原始传感器数据 ...

我们介绍了终身学习的特征施加框架。特征性是解决一组相关任务的技能配对，并与可以从技能输入空间中采样的生成模型配对。该框架扩展了生成的重播方法，这些方法主要用于避免灾难性的遗忘，还可以解决其他终身学习目标，例如前瞻性知识转移 ...

DeepSeek-R1表明，长期的经过思考（COT）推理可以通过简单的加固学习（RL）框架自然出现，并具有基于规则的奖励，在这种奖励中，训练可能直接从基本型号开始，即A范式-A范式称为零RL训练。重现零RL培训的最新努力主要集中在QWEN2.5模型系列上，这可能不是代表性的，因为我们发现基本模型已经表现出强大的指导和自我反射能力 ...

在不受约束的，混乱的环境中抓住看不见的物体是自动机器人操纵的重要技能。尽管最近在全6型二元格学习方面取得了进展，但现有方法通常包括复杂的顺序管道，这些管道具有多个潜在的故障点和不适合闭环抓地力的运行时间。因此，我们提出了一个端到端网络，该网络有效地从场景的深度记录中直接生成了6-DOF并行式抓取的分布 ...

商业深度传感器通常会产生噪声和缺失的深度商业深度传感器通常会产生噪声和缺失的深度 ...