Artigos mais recentes para Sistemas Autônomos

Uma visão geral do aprendizado multi-agente e estratégias para uma cooperação melhor.

Melhorando a confiabilidade do aprendizado de máquina através de métodos avançados de detecção de OOD.

Um novo método melhora a tomada de decisões em situações incertas usando medidas de probabilidade.

Novos algoritmos enfrentam desafios em espaços de estado-ação contínuos do Aprendizado por Reforço.

Uma olhada em como gerenciar a segurança em ambientes incertos para sistemas autônomos.

Um novo método pra analisar o comportamento de veículos autônomos melhora a segurança e a confiabilidade.

Descubra como o CBS-TA-PTC melhora a atribuição de tarefas e a busca de caminhos.

Novos métodos combinam as ideias dos especialistas com as experiências dos alunos pra melhorar a eficiência.

Um novo método melhora a tomada de decisão em sistemas de agentes colaborativos.

Um novo método pra analisar comportamentos de agentes em sistemas complexos através da visualização.

Pesquisadores encontram maneiras de proteger dados sensíveis em ambientes com agentes cooperativos.

Um novo método melhora a eficiência energética para cobertura de área com drones.

Aumentando a segurança em máquinas com contratos de percepção melhores e abordagens baseadas em aprendizado.

Um novo método pra melhorar a tomada de decisão das máquinas em ambientes dinâmicos.

Entender como as máquinas gerenciam tarefas para humanos através de alinhamento e capacidades.

Um novo algoritmo melhora a eficiência do RL offline com estruturas de MDP de baixo rank.

Um novo método melhora o alinhamento dos dados de LiDAR e da câmera pra criar modelos 3D melhores.

Uma nova abordagem pra garantir segurança no aprendizado por reforço offline.

Explorando métodos de privacidade diferencial em aprendizado por reforço pra proteger dados sensíveis.

RoadRunner ajuda robôs a navegar por terrenos externos difíceis de forma segura e eficiente.

Analisando o impacto futuro dos UAVs autônomos em missões de ataque contra alvos de alto valor.

Novos métodos melhoram a tomada de decisão para vários agentes em ambientes incertos.

Um novo método melhora o aprendizado dos agentes LLM ao abraçar tanto os sucessos quanto os fracassos.

Um novo framework aumenta a segurança dos UGVs em ambientes complexos.

Um novo modelo melhora a previsão da ação de robôs e a adaptabilidade em tarefas diversas.

Entender a robustez do modelo é chave pra aplicações do mundo real em várias áreas.

Um estudo sobre Aprendizado por Reforço Profundo Blindado para a autonomia segura de naves espaciais.

Novos métodos melhoram a tomada de decisões para carros autônomos em meio a incertezas.

Um sistema inteligente pra reconhecer várias línguas sem treinamento prévio.

OmDet-Turbo melhora a detecção de objetos em tempo real com habilidades de vocabulário aberto.

Apresentando uma linguagem de programação pra melhorar a tomada de decisão e a execução de tarefas dos robôs.

Apresentando técnicas novas pra interpretar redes neurais com valores complexos em várias aplicações.

Um novo transformador leve de visão melhora a estimativa de profundidade para dispositivos de baixo consumo.

Um novo método melhora o planejamento para robôs colaborativos em vários ambientes.

O PALM melhora a adaptabilidade dos modelos de visão computacional em ambientes que mudam.

Usando simulações pra desenvolver algoritmos eficientes pra drones e sistemas de voo autônomos.

Novas metasuperfícies que controlam a luz usando sinais elétricos oferecem aplicações promissoras em óptica.

Um novo método para localização segura sem comprometer dados sensíveis.

Um novo framework melhora como os agentes de linguagem aprendem e realizam tarefas.

ALPINE é um robô de escalada projetado pra operar em terrenos montanhosos de forma segura.