Technical University of Munich
PulseAugur coverage of Technical University of Munich — every cluster mentioning Technical University of Munich across labs, papers, and developer communities, ranked by signal.
- 2026-06-04 research_milestone Researchers demonstrated an autonomous racing system capable of overtaking at 300 km/h. 来源
4 天有情绪数据
-
新的Ex-Sim(3)-Reg方法提高了2D-3D配准精度
研究人员开发了一种名为Ex-Sim(3)-Reg的新方法，以提高图像到点云配准中2D-3D对应剪枝的精度。该技术解决了现有方法在处理单目图像产生的带噪声深度先验时的局限性。通过将问题重新表述为扩展的Sim(3)配准，Ex-Sim(3)-Reg展示了显著的改进，在基准数据集上实现了高达24.7%的配准召回率提升。
-
AI方法开发用于更快的肿瘤诊断
慕尼黑工业大学的研究人员开发了一种新的人工智能方法，旨在改善肿瘤诊断。该方法试图绕过传统的活检，活检具有侵入性，可能导致患者极度痛苦以及漫长的结果等待时间。该人工智能系统旨在提供一种更有效、创伤更小的方法来确定肿瘤的侵袭性。
-
慕尼黑工业大学衍生公司 HappyRobot 估值达 12 亿美元
慕尼黑工业大学的衍生公司 HappyRobot 已达到独角兽地位，估值为 12 亿美元。该公司专注于开发旨在自动化业务流程的 AI agents。
-
论文探讨基于代理的经济模型和AI代理框架 · 跟踪3个来源
两篇最新论文探讨了基于代理的经济模型的发展和应用。第一篇论文《从经济体到代理经济体》概述了构建复杂的经济世界模型的蓝图，该模型模拟了在不断发展的市场和机构中进行交互的异构代理。它指出了当前研究的不足之处，即研究主要集中在更简单的代理环境中，并呼吁开发具有自演化代理和经验对齐的更高级系统。第二篇论文《Dr. AGENTONOMICS》详细介绍了一个应用AGENTONOMICS框架的教学实验，该框架将AI代理视为经济实体。该框架用于创建一…
-
DINO-SLAM 增强了 SLAM 系统中的神经表示
研究人员开发了 DINO-SLAM，一种将 DINO 特征集成到同时定位与地图构建 (SLAM) 系统中的新方法。该方法旨在通过利用 DINO 的语义理解来改进隐式 (NeRF) 和显式 (Gaussian Splatting) 表示。为了解决 DINO 在 3D 几何理解方面的局限性，该系统采用场景几何编码器来创建具有几何感知的 DINO 特征，从而增强对空间关系的理解。与现有的最先进方法相比，DINO-SLAM 在 Replica…
-
人工智能创建 3D 犯罪现场复制品，以加强警方调查
研究人员开发了一个人工智能驱动的系统，用于创建犯罪现场的 3D 数字复制品。这些“3D 犯罪现场孪生模型”允许调查人员查询重建环境中的对象之间的空间关系和视线。该技术旨在加强数字证据分析和警方调查。
-
TUM 开发外骨骼和协作机器人系统，实现更安全的人机协作
TUM 的研究人员创建了一个用于安全人机协作的系统。该系统利用外骨骼和协作机器人（cobot）来最大限度地减少工人的体力负担。该技术旨在提高安全性并减轻工业环境中的体力负担。
-
慕尼黑人工智能日探讨人工智能在行星科学和负责任使用中的作用
由慕尼黑工业大学 (TUM) 联合主办的慕尼黑人工智能日活动正在探讨人工智能在了解地球和推进科学研究中的作用。重点是负责任地应用人工智能技术。
-
通过戏剧和纪录片探索 AI 伦理
慕尼黑工业大学的 MoralPLai 项目正在探索人们从 AI 聊天机器人寻求情感和道德指导的伦理影响。通过一部名为《第三种声音》的研究型戏剧和一部名为《MoralPLai Revisited》的纪录片，该项目采用法庭剧的形式，鼓励公众讨论信任、责任以及 AI 在决策中的作用。这些举措旨在通过对话空间促进 AI 伦理和素养。
-
AI项目ProtAl通过主动学习加速蛋白质发现
Software Campus项目ProtAl正在利用AI加速蛋白质的发现和工程化。该计划将主动学习与蛋白质语言模型相结合，以探索新方法。ProtAl的一个关键重点是确保其蛋白质工程平台的透明度和用户友好性。
-
AI研究员在销售会议上宣扬好处，忽略风险
来自慕尼黑工业大学的一位AI研究员在一次销售会议上发表演讲，只关注AI的好处，而没有提及潜在的缺点。演讲者特别提到了Anthropic和一个名为Loveable的工具，暗示它可以取代应用程序开发者的需求。与会者无法提出批判性问题，导致一些参与者感到沮丧，认为讨论缺乏平衡。
-
人工智能和语义结构改善医疗文献获取
软件校园项目INDEX正在探索人工智能和专业语义结构如何能够改善生物医学文献的获取。该倡议由慕尼黑工业大学的Joshua Oehms和Holtzbrinck领导，旨在通过改善医疗信息的检索来支持循证研究。该项目试图解决医学知识快速增长的挑战。
-
慕尼黑大学的自动驾驶赛车以300公里/小时的速度超车
慕尼黑工业大学的研究人员开发了一套自动驾驶赛车系统，能够以高达300公里/小时的速度超越其他车辆。他们的方法不同于典型的端到端强化学习，而是利用经典的感知-规划-控制流程，并辅以一个名为APEX的“受人类启发的积极驾驶智能”系统。该系统经过三年的开发，成功超越了梅赛德斯-AMG的测试车手和前DTM赛车手，尽管比当前F1车手稍慢。
-
新的秩统计量方法逼近 f-散度
研究人员开发了一种逼近 f-散度（一类用于量化概率分布之间差异的统计量）的新颖方法。这种称为秩统计量逼近的新技术，通过直接分析秩的分布，绕过了显式密度比估计的需要。该方法被证明可以提供真实 f-散度的下界，并通过随机投影为高维数据提供收敛速度。实证验证包括与神经网络的基准测试以及在生成模型实验中的应用。
-
AI 代理可能会迫使安全控制权回归数据库
随着 AI 代理能力的增强，关于在哪里实施安全和控制措施的争论正在浮现。CedarDB 的联合创始人 Lukas Vogel 认为，这些防护措施应该移回数据库层，而不是仅仅依赖应用程序层。这种转变是必要的，因为 AI 代理可以动态生成查询，使得传统的应用程序级权限不足以保证数据完整性和安全性。
-
AI工具和LLM助力碎片化的软件架构设计过程
R2D研究项目旨在通过将AI，特别是大型语言模型，与既定的工程方法相结合，来增强软件架构设计。该项目是慕尼黑工业大学与行业合作伙伴DATEV的合作成果，旨在自动化和简化当前创建健壮软件架构的手动且碎片化的过程。该项目探讨了LLM如何为架构师提供灵活的支持。
-
CVPR 2026：视觉AI从准确性转向理解不完美的现实世界数据
计算机视觉研究正从优化基准测试性能转向使模型能够在不完美条件下理解世界。围绕CVPR 2026展示的近期工作挑战了视觉系统的基本假设，例如模型是否必须是静态的、目标是否预先定义、信息是否完整或输入是否结构化。诸如视频分割的交互式训练和无训练的上下文内分割等创新展示了模型可以从反馈中学习并在无需显式重新训练的情况下适应新目标。
-
OpenTSLM推出时间序列语言模型，实现原生时间数据推理
一类名为时间序列语言模型（TSLM）的新型基础模型已被推出，旨在原生处理和推理时间数据。这些模型由来自ETH、斯坦福、哈佛等机构的团队开发，旨在弥合现实世界时间序列信号与人工智能驱动的决策之间的差距。该项目包括开源基础模型和面向企业应用的先进专有版本，设想未来TSLM将增强医疗保健、机器人和基础设施等领域。