IDM++
PulseAugur coverage of IDM++ — every cluster mentioning IDM++ across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的马尔可夫链模型超越传统跟车方法
研究人员开发了一种新的跟车模型，称为马尔可夫链跟车（MC-CF），它采用经验概率采样方法。该模型将状态转移表示为马尔可夫过程，并通过从经验分布中随机采样加速度来预测行为。在Waymo Open Motion Dataset (WOMD)上的评估表明，MC-CF变体优于传统的基于物理的模型，并与现代数据驱动的方法具有竞争力。该模型还在Naturalistic Phoenix (PHX)数据集上展示了跨领域可迁移性，并在微观环形道路模拟中…
-
新的CASD方法通过蒸馏语义目标来增强机器人操作能力
研究人员开发了一种名为分块对齐语义蒸馏（CASD）的新方法，以改进机器人操作任务。CASD使用离线视觉语言模型将演示分解为多个阶段，并为整个动作块（即使是跨越多个阶段的动作块）推导出语义目标。这种方法训练一个以这些预测为条件的策略，与现有方法相比，在各种基准测试和机器人集成中表现得到提升。
-
新的JEPA世界模型通过状态对齐增强机器人规划
研究人员开发了一种新的端到端联合嵌入预测架构（JEPA）世界模型，旨在通过将学习到的表征与物理现实联系起来，从而改进机器人规划。该模型通过逆动力学和状态对齐来增强潜在预测，旨在确保模型的内部状态保留对机器人控制至关重要的信息。在四个基准任务上的实验表明，其性能优于或可与现有模型相媲美，其中状态对齐组件持续提高了规划成功率。
-
LLM在交通中产生“持续异质性”波
研究人员在由大型语言模型（LLM）控制的交通系统中识别出一种新的集体机制，称为持续异质性（SH）。这种现象涉及LLM选择的目标速度调整中持续存在的、与温度无关的分歧，从而产生类似人类的走走停停波。该研究绘制了该效应的密度依赖相边界，表明随着交通密度的增加，关键的LLM渗透率会降低。尽管LLM代理进行了多因素安全推理，但研究表明必须在动力学层强制执行稳定性。
-
RIFT 方法通过移除迭代视频推出，将机器人动作延迟削减
研究人员开发了 RIFT（Rollout-free Imagination via Future Tokens），一种用于世界动作模型（WAMs）的新颖方法，通过消除迭代视频推出显著降低了延迟。通过使用学习到的预期令牌在单次传递中构建未来的键/值缓存，RIFT 在机器人任务上保持了高成功率。这种方法在实现与传统的基于推出（rollout-based）的方法相当的性能的同时，大幅缩短了动作块（action-chunk）的延迟，并在 LI…
-
新的IDATA框架改进了对抗迁移攻击
研究人员开发了IDATA，一个新颖的基于扩散的框架，旨在增强无限制的对抗迁移攻击。该方法解决了现有技术中的内存限制和频率无关扰动问题。IDATA利用可逆扩散模块实现内存高效的反向传播，并利用低频约束模块来提高可迁移性和视觉不可感知性。
-
华辰新光获超1亿元人民币融资，用于高端激光芯片研发
国内IDM激光芯片公司华辰新光在由同创 Weiye 领投的新一轮融资中完成了超过1亿元人民币的融资。该公司专注于开发高可靠性、高功率的单模通信激光芯片，采用垂直整合制造（IDM）模式。其GaAs核心产品，一款1000mW的974nm/976nm泵浦激光芯片，已通过内部测试，在性能和可靠性方面可与美国产品媲美，同时成本降低约50%。该芯片将用于光网络中的信号放大，并计划于2026年下半年实现量产和全球销售。此外，华辰新光还在开发用于CP…
-
F-RNG框架从稀疏视图生成可重照明的3D资产
研究人员开发了F-RNG，一种新颖的前馈式框架，旨在从稀疏视图输入生成可重照明的3D高斯喷溅（3DGS）资产。该方法利用现有的大型重建模型（LRMs）和内在分解模型（IDMs）来提取可重照明的表示，而无需进行广泛的再训练。F-RNG通过外观的先验引导蒸馏来增强几何合成，能够实现灵活的重照明，与最先进的方法相比，计算成本显著降低，推理时间更快。
-
AIDA-ReID论文介绍用于行人重识别的自适应中间域自适应
研究人员推出AIDA-ReID，一个新颖的行人重识别框架，用于解决未知环境中的域偏移问题。这种自适应中间域自适应方法根据模型不确定性和训练稳定性动态控制特征混合和正则化强度。AIDA-ReID利用多源中间域生成器实现多样化表示，并采用伪镜像正则化策略来保持身份一致性，在域泛化和无源设置中均表现出有效性。