Reducing Collision Checking for Sampling-Based Motion Planning Using Graph Neural Networks 
基于抽样的运动计划是在机器人技术中的一种流行方法，用于在连续配置空间中找到路径。在此过程中，与障碍物检查碰撞是主要的计算瓶颈。我们提出了新的基于学习的方法来减少碰撞检查以通过训练图神经网络（GNN）加速运动计划，以执行路径探索和路径平滑 ...
0 0 0 2025/02/27 arXiv:2210.08864v1 user
Differentiable Spatial Planning using Transformers 
我们考虑空间路径计划的问题。与从头开始优化新计划的经典解决方案相反，我们以地面真相障碍位置访问了完整的地图，我们以可区分的方式从数据中学习了计划者，这使我们能够从过去的数据中利用统计规律。我们提出了空间规划 Transformer （SPT），鉴于障碍物地图学会学会通过计划长距离空间依赖性来生成动作，这与以前的数据驱动的计划者不同，这些计划者以迭代方式通过卷积结构在本地传播信息 ...
0 0 0 2025/02/27 arXiv:2112.01010v1 user
SIFT: Grounding LLM Reasoning in Contexts via Stickers 
本文确定了对上下文的误解可能是在大型语言模型的推理过程中的一个重要问题，从较小的模型等较小的模型等较小的模型到诸如deepSeek-r1之类的尖端。例如，在“每公斤10美元”一词中，LLMS可能无法认识到每个“每种”的意思是”，导致计算错误 ...
0 0 0 2025/02/27 arXiv:2502.14922v1 rookie
When language and vision meet road safety: leveraging multimodal large language models for video-based traffic accident analysis 
在24/7/365时间范围内运行的流量视频的可用性增加具有增加交通事故的时空覆盖范围的巨大潜力，这将有助于提高交通安全性。但是，在24/7/365的工作协议中分析数百个（即使不是数千个）的交通摄像机的录像仍然是一项极具挑战性的任务，因为基于当前的基于视觉的方法主要集中在提取原始信息（例如车辆轨迹或个人对象检测）上，但需要经费的后处理后处理以获得可行的洞察力。我们提出了Seeunsafe，这是一个新 ...
0 0 0 2025/02/27 arXiv:2501.10604v1 18066355288
From 2D to 3D: Re-thinking Benchmarking of Monocular Depth Prediction 
最近提出了许多单眼深度预测（MDP）的方法，以及基准测试工具的同样快速演变。但是，我们认为MDP目前正在目睹基准过拟合，并依赖于仅部分有助于衡量预测对3D应用程序的实用性的指标。这限制了真正意识到的新方法的设计和开发，这些方法真正意识到并改善了场景的3D结构，而不是优化2D基于2D的距离 ...
0 0 0 2025/02/27 arXiv:2203.08122v1 jevonhhh
HateXplain: A Benchmark Dataset for Explainable Hate Speech Detection 
仇恨言论是困扰在线社交媒体的一个具有挑战性的问题。尽管不断开发更好的仇恨言语检测模型，但关于仇恨言论的偏见和解释性方面的研究很少。在本文中，我们介绍了Hatexplain，这是第一个基准仇恨言论数据集，涵盖了该问题的多个方面 ...
0 0 0 2025/02/27 arXiv:2012.10289v2 wzz
BlueSWAT: A Lightweight State-Aware Security Framework for Bluetooth Low Energy 
蓝牙低能（BLE）是一种用于资源约束的物联网设备的短距离无线通信技术。不幸的是，BLE容易受到基于会话的攻击的攻击，在该攻击中，以前的数据包构建了可利用的条件，以使随后的数据包妥协连接。防御基于会话的攻击是一项挑战，因为在单独检查时，攻击顺序中的每个步骤都是合法的 ...
0 0 0 2025/02/26 arXiv:2405.17987v1 pngyuo
Regularity as Regularization: Smooth and Strongly Convex Brenier Potentials in Optimal Transport 
估计两种高维密度之间的瓦斯恒星距离受到维数的诅咒：一个人需要指数（WRT维度）数量的样本数，以确保两种经验措施之间的距离与原始密度之间的距离相当。因此，最佳运输（OT）只能在机器学习中使用，如果它具有基本正规化。另一方面，近年来，OT文献的最大成就之一在于规律性理论：Caffarelli表明，两个行为良好的措施之间的OT图是Lipschitz，或者在考虑2-Wasserstein距离时（这是Bre ...
0 0 0 2025/02/26 arXiv:1905.10812v5 pyddyp

来一起翻译吧！


为了您和其他读者获得更好的阅读体验，请您勇敢地改进翻译，特别是一些显而易见的机器翻译错误。


虽然我们追求卓越，但我们并不要求翻译十全十美，因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译，您不必担心会因为您的失误导致无法挽回的破坏。（改编自维基百科）