代码生成对于有效地自动化编码过程的软件工程至关重要。尽管测试时间计算方法表现出希望，但由于多个计算回合，它们遭受了高潜伏期的困扰。为了克服这一点，我们介绍了ThinkCoder，该框架将详尽的探索与最佳改进结合在一起 ...

车道检测在自主驾驶感知系统中起重要作用。随着深度学习算法的流行，基于它们的单眼巷检测方法表现出了卓越的性能，并成为自主驾驶感知的关键研究方向。这些算法框架的核心设计可以总结如下：（1）任务范式，重点是实例级别的歧视； （2）车道建模，将车道表示为神经网络中的一组可学习参数； （3）补充全球环境，增强对晦涩的车道的推论； （4）消除透视效果，为下游应用提供准确的3D车道 ...

我们使用单个关节奖励信号研究了合作多代理增强学习的问题。由于通常具有较大的组合动作和观察空间，因此这类学习问题很困难。在完全集中和分散的方法中，我们发现了虚假的奖励问题，我们称之为“懒惰的代理人”问题，这是由于部分可观察性而引起的 ...

我们提出了一个使用视觉运动扩散策略，用多方面的手来学习灵巧操纵的框架。我们的系统可以通过利用快速而响应的远程访问的teleperation设置为四指allegro手来启用复杂的手持操作任务，例如用一只手拧开瓶盖盖子。我们使用增强现实（AR）界面收集高质量的专家演示，该界面跟踪手动运动并应用逆运动和运动重新定位以进行精确控制 ...

尽管代码大语言模型（LLM）最近取得了进展，但它们的非凡能力在很大程度上取决于对高质量数据的微调，对数据收集和注释构成了挑战。为了解决这个问题，当前的方法通常会设计各种数据飞轮以收集复杂的代码指令，从而使模型能够处理更复杂的任务。但是，这些方法通常依赖于有限的专有LLMS（e ...

从早期运动原始技术（MP）技术到现代视觉语言模型（VLMS），自主操纵仍然是机器人技术中的关键主题。作为两个极端，基于VLM的方法强调了零拍和自适应操作，但在精细元素的计划中挣扎。相反，基于MP的方法在精确的轨迹概括方面表现出色，但缺乏决策能力 ...

我们介绍了一种自我监督的扩散模型Soda，该模型是为表示学习而设计的。该模型结合了图像编码器，该图像编码器将源视图提炼成紧凑的表示形式，从而指导相关的新颖观点的产生。我们表明，通过在编码器和脱氧解码器之间施加紧密的瓶颈，并利用新颖的观点综合作为一个自我监督的目标，我们可以将扩散模型变成强大的代表性学习者，能够以一种不受欢迎的方式捕获视觉语义 ...

代码生成是一项对延迟敏感的任务，需要高及时性，但是大语言模型（LLMS）的自回归解码机制导致推理效率较差。现有的LLM推理加速方法主要关注仅使用内置组件的独立函数。此外，它们将代码视为自然语言序列，而忽略了其独特的语法和语义特征 ...