Derniers articles pour Systèmes autonomes

De nouveaux réseaux de neurones améliorent la performance de la reconnaissance d'images, même avec des entrées bruyantes.

Des études montrent que les modèles de langage peuvent améliorer les capacités de négociation grâce à des retours et de la compétition.

Examiner comment les modèles apprennent et prennent des décisions dans des applications critiques.

Examen des attaques par injection de fausses données dans des systèmes critiques.

Les robots apprennent à naviguer en toute sécurité dans des environnements forestiers compliqués en utilisant des techniques avancées.

Explorer comment l'apprentissage par renforcement inversé aide les agents à apprendre du comportement des experts.

Une nouvelle méthode d'étalonnage améliore la fiabilité des prédictions des modèles d'apprentissage profond.

De nouvelles méthodes améliorent les prévisions pour les données de machine learning hors distrib.

La recherche améliore le consensus dans les systèmes multi-agents en utilisant des PDE paraboliques.

Un nouveau cadre aide à comprendre la prise de décision de l'IA avec des explications contrefactuelles.

BMC aide à apprendre efficacement sur plusieurs tâches tout en gardant les connaissances passées.

La nouvelle méthode IBVS améliore la précision de docking pour les drones.

Un cadre qui utilise des modèles causaux pour améliorer l'apprentissage à partir de récompenses retardées.

Les satellites changent l'informatique avec des capacités de traitement en temps réel dans l'espace.

Une méthode pour améliorer des données de nuages de points 3D compressées en utilisant des réseaux de neurones avancés.

Un aperçu de l'impact du contrôle prédictif d'ensemble sur l'adaptabilité et l'efficacité des drones.

Explorer le potentiel des modèles de diffusion dans les tâches d'estimation de profondeur et de flux.

Découvrez comment l'apprentissage en contexte transforme les tâches de reconnaissance d'images par l'IA.

Explorer comment les réseaux neuronaux améliorent l'efficacité des missions de vaisseaux spatiaux et de drones.

Une nouvelle approche pour améliorer la prise de décision dans les algorithmes DRL en faisant preuve de prudence.

Une nouvelle technique augmente les estimations de confiance dans l'apprentissage multimodal pour de meilleures prédictions.

Une nouvelle méthode améliore les performances de reconnaissance d'images sur des catégories rares.

Une méthode pour améliorer la combinaison des données en se concentrant sur la qualité.

Une nouvelle approche pour rendre la navigation des robots plus rapide et plus intelligente.

Un nouveau cadre pour évaluer la sécurité des systèmes autonomes en utilisant l'assurance en temps réel.

Une méthode pour guider des systèmes autonomes tout en garantissant la sécurité et la conformité.

Un nouveau cadre améliore la génération de données synthétiques pour les tâches de détection d'objets.

Un nouveau système de recharge pour les drones qui prolonge leur temps de vol.

ColibriUAV améliore les performances des drones avec des caméras avancées et un traitement efficace.

Un nouveau cadre améliore la sécurité et la performance dans les systèmes multi-agents en utilisant STL.

Une nouvelle méthode certifie les prédictions des réseaux de neurones sous différentes modifications d'images.

Une nouvelle approche pour renforcer la confiance dans la détection d'objets grâce à des techniques de calibration fiables.

L'algorithme OMAC améliore la prise de décision dans des scénarios multi-agents en utilisant des données pré-collectées.

Une approche structurée pour améliorer l'apprentissage dans les systèmes autonomes grâce à des hiérarchies de compétences.

Cette étude propose une méthode pour que les machines apprennent des états d'experts sans actions visibles.

Une nouvelle méthode de coopération entre agents utilisant des accords en périphérie pour atteindre des objectifs communs.

Cette méthode améliore l'apprentissage automatique en intégrant l'incertitude dans les prédictions.

Une nouvelle méthode améliore l'estimation de la pose humaine en 3D grâce aux données LiDAR.

Découvre comment l'apprentissage profond bayésien améliore la précision et la fiabilité des prédictions.

Une nouvelle méthode améliore la façon dont les machines estiment la profondeur à partir des images.