在本文中，我们研究了具有混合模拟数字架构的极尺度多输入多输出（XL-MIMO）系统的通道估计问题，该系统在分散的基带处理（DBP）框架内实现，并具有星星拓扑。由于过度的计算复杂性或降级性能，现有的集中式和完全分散的通道估计方法面临局限性。为了克服这些挑战，我们提出了一种新型的两阶段渠道估计方案，将局部稀疏重建与全球融合和改进整合在一起 ...

在宽带极大的多尺度多输入式输出（XL-MIMO）系统中，极大的天线阵列（ELAAS）和在较高频段的运行部署引入了显着的近场效应，例如球形波前传播和空间非平稳（SNS）特性。结合双宽带的影响，这些效应从根本上重塑了角度 - 延迟域中宽带XL-MIMO通道的稀疏模式，从而使现有的基于稀疏的通道估计方法不足。为了应对这些挑战，本文考虑了双宽带效应，球形波前和SNS属性，重新审视了宽带XL-MIMO系统的 ...

近年来，腿部和轮尾的机器人在主要为跨各个领域的人类创造的环境中获得了突出的任务。许多这些机器人面临的一个重大挑战是它们导航楼梯的能力有限，这阻碍了它们在多层型环境中的功能。这项研究提出了一种旨在解决此限制的方法，采用强化学习来开发适用于各种机器人的多功能控制器 ...

通过腿部机器人在具有挑战性的环境上进行本地导航的常见方法需要路径计划，路径跟随和运动，这通常需要机动控制策略，以准确跟踪指挥速度。但是，通过将导航问题分解为这些子任务，我们限制了机器人的功能，因为各个任务不考虑完整的解决方案空间。在这项工作中，我们建议通过深入强化学习训练端到端政策来解决完整的问题 ...

大型语言模型（LLM）评估通常依赖于跨用户和提示的汇总指标，例如准确性或人类偏好。这种平均掩盖了模型性能的用户和及时特定的变化。为了解决这个问题，我们提出了及时的领导板（P2L），该方法可产生特定提示的排行榜 ...

开发可以跨不同任务，环境和物理实施方案操作的通用代理是机器人和人工智能的巨大挑战。在这项工作中，我们专注于实施方案的轴，并研究实施方案缩放定律$ \ unicode {x2013} $假设，即增加训练实施方案的数量可以改善对看不见的术语的概括。使用机器人运动作为测试床，我们可以在过程中生成一个$ \ sim $ 1,000各种实施方案，跨越人形生物，四倍和十六进制的数据集，并培训能够在随机子集上处 ...

在复杂的小径上远足需要对不可预测的地形进行平衡，敏捷性和适应性决策。当前的类人动物研究仍然分散，远足不足：运动侧重于没有长期目标或情境意识的运动技能，而语义导航则忽略了现实世界的体现和当地地形差异。我们建议培训类人动物以在复杂的步道上远足，推动视觉感知，决策和运动执行的综合技能发展 ...

我们提出了MIMO-7B，这是一种用于推理任务的大型语言模型，在训练前和训练后阶段都进行了优化。在预训练期间，我们会增强数据预处理管道，并采用三阶段数据混合策略来增强基本模型的推理潜力。 MIMO-7B基碱在25万亿 Token 上进行了预训练，并具有增强性能和加速推理速度的其他多句预测目标 ...