Sathyanarayanan Aakur
PulseAugur coverage of Sathyanarayanan Aakur — every cluster mentioning Sathyanarayanan Aakur across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的神经符号框架通过可解释的推理增强了机器人物体检索能力
研究人员开发了CRAFT-E，一个新颖的神经符号框架，旨在改进辅助机器人在其潜在用途基础上检索物体的方式。该系统集成了源自大型语言模型的知识图谱与视觉识别和抓取规划，使机器人不仅能理解物体是什么，还能理解其用途，甚至是以即兴的方式。CRAFT-E通过可解释的推理路径提供透明度，并允许在不进行完全重新训练的情况下对其知识库进行有针对性的修改，从而增强了复杂任务的可控性。
-
新的FUSE框架使具身智能体能够主动建立功能可供性基础
研究人员推出了一种新颖的主动功能可供性基础框架FUSE。该系统使具身智能体能够智能地探索环境并根据物体功能而非仅仅是身份来识别物体。FUSE采用自适应语义-几何证据获取策略，结合了由不确定性驱动的探索和学习型规划器，以选择最佳的视点来收集信息。该框架已在Habitat模拟器中的一个新基准上进行了评估，与现有方法相比，在基础性能和计算效率方面均表现出色。
-
新框架通过域适应和类别几何增强开放词汇目标检测
研究人员正在开发新的开放词汇目标检测框架，旨在提高模型在遇到图像域偏移时的性能。PISA 是一种新颖的方法，它使用一种抗损坏特征提取器和特征对齐模块，在没有源数据的情况下适应预训练模型，在损坏的基准测试中取得了最先进的结果。另一种方法是类别几何监督 (CGS)，它约束学习到的类别表示以保留视觉或语义上的差异，从而提高样本效率和新类别的插入能力，尤其是在数据稀缺的情况下。此外，还引入了一个名为稀疏标注开放世界目标检测 (SA-OWOD)…