跳到正文
今天11月13日周五171 条
  1. arXiv · cs.DB75

    PQR-Search 为动态向量数据库的近似最近邻检索提供逐查询召回保证

    作者提出 k-ANN 算子 PQR-Search,对每个查询保证 Pr[Recall(q) < τ] ≤ δ,且 τ<1 时 E[Recall(q)] ≥ τ,该概率只来自索引内的随机旋转,插入删除后无需重新调参。

    推荐理由:针对 ANN 索引只调平均召回的问题,给出逐查询召回保证并量化其相对 HNSW 的延迟与吞吐代价。

  2. arXiv · cs.CV60

    研究在碰撞检测任务上评测连接组约束的果蝇视觉模型 FlyNet 的鲁棒性与效率

    研究者在可微 3D 渲染管线中的碰撞检测任务上,将受突触连接组约束的连续时间循环网络 FlyNet 与 CNN、RAFT 及无连接组约束的 sCTRNN、CTRNN 对比。

    推荐理由:论文把果蝇连接组约束模型与 CNN、RAFT 放在同一碰撞检测任务上比较鲁棒性与算力,并给出对抗纹理与视错觉同源的机制解释。

  3. arXiv · cs.CV72

    InstantHMR:可在手机端实时运行的 3D 人体网格恢复模型

    LAAS-GEPETTO 团队提出开源单图人体网格回归器 InstantHMR,基于 Momentum Human Rig(MHR)参数模型、仅用 SAM 3D Body 数据集的公开标注训练,在三星 Galaxy S23 NPU 上每人 5.5 ms 恢复 6,890 顶点人体网格,NVIDIA RTX 4070 上为 0.98 ms。

    推荐理由:作者开源了可在手机 NPU 上实时运行的 3D 人体网格回归器,并统一复现 11 个基线方法,便于读者判断移动端部署的取舍。

  4. arXiv · cs.CV58

    ChessQueries 用 ViT 编码器加 DETR 式解码器提升棋盘识别,ChessReD 准确率从 15.3% 升至 99.2%

    作者提出 ChessQueries,将 ViT 编码器与 DETR 式解码器结合用于棋盘识别,在 ChessReD 基准上把 SOTA 从 15.3% 提升到 99.2%,并在两个数据集上平均每盘仅 0.01 个错误格子(SOTA 分别为 3.4 和 0.15)。该方法在分布外数据集上也表现良好,作者同时公开了从顶级国际象棋赛事转播中解析出的更难数据集 SLCC,以及代码和模型权重。

  5. arXiv · cs.SE66

    Oracle-to-PostgreSQL 迁移智能体是否真在学习?一项带审计的评测

    研究团队对 Oracle-to-PostgreSQL 迁移智能体的经验记忆做了审计式评测:在 1,833 对文档来源参考上,持久记忆把参考一致性(RC)比无记忆基线提高 0.015 [0.004。

    推荐理由:通过审计式评测拆解记忆增益中的参考泄漏与复制效应,并给出六条区分跨任务学习与指标假象的评测规则。

  6. arXiv · cs.RO62

    VICTR:用进度感知的上下文检索提升 VLA 模型的上下文学习能力

    VICTR 提出用 In-Context Value Function Estimator(IC-VFE)根据参考演示视频、语言指令和当前观测估计任务进度,再按进度检索对应阶段的演示片段,供经上下文动作生成后训练的 π_{0.5} 策略使用。

    推荐理由:论文用参考演示视频估计任务进度来检索上下文,在未见过的真实操作任务上把成功率从 6.2% 提到 23.8%,并给出代码与数据入口。

  7. arXiv · cs.SE58

    研究观察 Claude Code 调试生产数据库故障:访问受限比推理失误更普遍

    作者用 Claude Code 诊断生产消息派发引擎中的八次数据库故障,发现访问生产状态受限是最普遍的瓶颈。五次依赖并发的故障都出现访问缺口,其中一次仅因访问不足,四次还叠加了推理错误,如锚定早期原因、配置探索不完整或误读代码事务语义;三次不依赖并发的故障则无需额外能力。作者据此提出为生产调试 Agent 增加取证层,包含安全查询 API、锁与死锁飞行记录器和生产回放装置。

  8. arXiv · cs.SE58

    Rasoi:用可视化 diff 评估编码智能体所做结构性改动

    作者提出 Rasoi,一种把代码库架构在每次编码智能体编辑后的变化映射出来的设计探针,可让开发者按多个抽象层级查看哪些架构元素与关系被新增、修改或删除。在为期一周、12 名开发者使用各自代码库的研究中,可视化 diff 帮助开发者判断改动是否在范围内、发现意外的结构重组,并理解被修改部分与整体系统的关系。

  9. arXiv · cs.CV42

    ReFineR:基于点泼溅的像素级单图像到稠密点云配准

    ReFineR 是一个离线框架,可将单张图像精细配准到预重建的稠密点云,解决标定后仍存在的数像素重投影误差问题。它基于可微点泼溅光栅化与平滑梯度方向度量(GOM),通过分析-合成优化迭代精化相机位姿。该方法还能在优化前自动估计点云缩放因子,以单一尺度不变公式适配多种场景。

  10. arXiv · cs.RO58

    Reading the Room:将稀疏 VSLAM 地图配准到部分建成楼层平面图

    作者提出 Reading the Room(RR),用统一的类别平衡语义几何能量函数贯穿全局初始化与局部优化,把尺度未知的稀疏 VSLAM 地图配准到部分建成的 2D 楼层平面图。在三个在建工地的 33 条序列上,其平均绝对轨迹误差在无约束设置下比最强基线降低 4.5 倍,提供锚点时提升到 7.6 倍。方法支持用户给出单个不精确对应点,或用跨模态匹配网络全局估计初始化。

  11. arXiv · cs.RO62

    OCLO:无需人体动作数据的人形机器人全身移动操作控制

    研究团队提出 OCLO 人形机器人移动操作系统,仅用两个末端执行器目标和行走速度作为指令,不依赖人体动作数据训练。系统用解析可达性先验在线生成骨盆高度与躯干朝向,仿真中指令参考获取成功率达 77.8%,无先验时为 37.8%;同一姿态模块还能提升预训练 SONIC 控制器在全部五项任务上的表现。

    推荐理由:论文给出不依赖人体动作数据的全身姿态生成方案,并用消融实验量化可达性先验带来的成功率提升。

  12. arXiv · cs.CV40

    FoveaDet:面向目标检测的注视式 CNN-Transformer 软硬件协同设计

    FoveaDet 提出一种软硬件协同设计框架,用生物注视机制动态定位显著区域并裁剪 ViT 冗余 patch,在标准 GPU 上减少 65.4% 至 92.2% 浮点运算、推理加速 4.76x,mAP 相比稠密基线下降可忽略。团队还配套设计带专用指令的 RISC-V 核心以消除硬件瓶颈,面向算力严重受限的移动平台。

  13. arXiv · cs.RO62

    InneR:用内积正则提升模仿学习策略对状态扰动的鲁棒性

    作者提出内积正则化方法 InneR,通过策略雅可比在状态空间诱导内积,对对齐状态聚类并最小化平均内积的最小特征值,使邻近状态共享零空间,从而对扰动给出一致响应。在真实机械臂的三项操作任务上,InneR 将扩散策略的平均成功率从 18% 提升到 57%,且无需额外数据;仿真实验显示其对无关状态维度和训练测试分布偏移更鲁棒,而范数惩罚常不如行为克隆。

    推荐理由:论文提出用策略雅可比诱导的内积正则约束状态扰动响应一致性,并在真实机械臂上验证扩散策略成功率提升。

  14. arXiv · cs.RO67

    NSDL:用神经符号分工做多机器人任务规划,7B 模型在 VIKI-L2 达 97.0% 分布外准确率

    作者提出 NSDL,让小型视觉语言模型只判断场景状态与任务分工并写成计划草图,再由确定性求解器展开为可执行的联合计划,模型在训练中调用检测器与求解器两个工具。

    推荐理由:论文把多机器人任务规划拆成视觉判断与确定性求解两部分,并在两个基准上对比端到端方案,还开源了代码与基准。

  15. arXiv · cs.CV67

    研究发现驾驶世界模型只移动相机而非场景,并提出 ReTime-Compose 免训练修正

    作者用真实驾驶日志的重定时与立体视角构造反事实参考,发现已发布驾驶世界模型对场景变化的复现比例最多约为真实视频的三分之一,轨迹分数也无法区分速度指令被执行还是被忽略。

    推荐理由:论文用真实驾驶日志构造反事实参考,指出驾驶世界模型只动相机不动场景,并给出免训练修正方案。

  16. arXiv · cs.RO58

    混合地形建模实现记忆高效的坍塌反应式撤退并行策略学习

    作者提出基于混合地形建模的记忆高效并行策略学习框架,用于训练机器人在支撑面坍塌时撤退的策略。该方法将不可坍塌地形用刚体仿真、可坍塌区域用虚拟接触力表示,并通过 State-Multiplexed Contact Model 共享地形几何与接触响应规律、保留各环境独立的坍塌状态,从而在不复制地形对象的情况下获得独立的状态-动作经验。

  17. arXiv · cs.RO78

    Alloy:面向机器人学习的多材料物理引擎

    作者提出开源物理引擎 Alloy,让刚性机器人、布料、缆线、液体、颗粒材料和软体共享同一场景,每个物体只描述一次,由引擎分配到适配求解器并在每个控制步内耦合。

    推荐理由:多材料统一场景的物理引擎,附吞吐、深度相机与千世界可靠性测试,并给出编码智能体冷启动实测。

  18. arXiv · cs.RO58

    PERA:为人形机器人全身控制插入可插拔专家模块

    PERA 通过冻结预训练混合专家策略、仅新增任务专家及其路由分数来学习新技能,在 Unitree G1 仿真中每个新增任务模块约占基础 actor 参数的 1.03%,成功完成全部十项新任务。关闭专家后基础策略仍能完整执行原有的 126 个动作,开启专家还能改善部分未参与该专家训练的舞蹈动作;在 HoloMotion 上的实验显示该方法可适配不同基础策略。

  19. arXiv · cs.RO47

    通过刚性机械臂运动驱动与控制被动腱驱动软体延伸机构

    研究提出用机械臂关节运动驱动被动腱驱动软体延伸机构,机械臂移动时锚定在上游连杆的腱外段长度变化,从而改变腱张力并使延伸机构变形。团队开发的控制器可在保持末端执行器约束的同时调节软体末端,差分模型将刚性运输与软变形分离,并结合解析臂与腱运动学及局部辨识的跨度-变形映射。仿真与真实实验在自由、位置约束和支点约束的末端运动下实现了末端与形状调节。

  20. arXiv · cs.RO62

    APG-Planner:用解析策略梯度学习视觉高速轨迹规划

    作者提出 APG-Planner,用解析策略梯度(APG)训练基于视觉的高速轨迹规划器,借助微分平坦性从规划轨迹解析重建车辆状态,构建可微的回合展开并直接计算策略梯度。单 GPU 训练约 30 分钟后,该方法在仿真中性能与现有基线相当或更优,实机飞行实验速度最高达 11 m/s,并在滑移转向地面机器人上验证了框架对四旋翼之外微分平坦系统的适用性。

    推荐理由:论文用解析策略梯度替代采样估计,在单卡约 30 分钟训练后达到与基线相当或更好的性能,并完成实机飞行验证。

  21. arXiv · cs.RO60

    Elastra:面向弹性体交互的仿真框架,提升 Unitree G1 在床垫与蹦床上的站立成功率

    作者提出 Elastra 仿真框架,用仅沿垂直方向运动的单元加弹性连接与阻尼来建模床垫、蹦床等弹性表面的形变与回弹,并用独立实现和真实床垫载荷曲线做了验证。

    推荐理由:论文给出弹性表面仿真框架,并在 Unitree G1 上用残差策略把 HoST 成功率从 44.1% 提到 72.5%,附代码与视频。

  22. arXiv · cs.RO58

    A²WM:用动作仿射世界模型实现快速推理时策略精炼

    作者提出动作仿射世界模型(A²WM),从动作扰动后的策略 rollout 中离线学习局部动作敏感度,把任务相关几何预测为名义轨迹加对修正的线性响应,从而将在线精炼化为一次模型评估加一次凸二次规划求解,策略与模型权重均保持冻结。在四个仿真操作任务上,该框架在所评估基线中成功率最高,每个控制步平均仅增加 3.8 ms 精炼开销(不含基础策略采样)。

  23. arXiv · cs.RO60

    ILA:一种可迁移的接口级适配器,实现人形机器人柔顺运动跟踪

    研究提出 ILA,一种无需专用交互传感器的接口级适配器,可从机器人观测历史中修正运动参考,使预训练运动跟踪器在保持原有跟踪能力的同时响应人的物理引导。ILA 完全在仿真中训练,可直接接入不同预训练跟踪器而无需重训适配器或策略;在三个跟踪器上,引导目标误差相比原策略降低 63.6%–75.4%,仿真与硬件实验均显示其提升了引导响应性。

    推荐理由:论文给出可插拔的接口级适配器,在三个运动跟踪器上量化了引导误差下降,读者可据此判断其复用性。

  24. arXiv · cs.RO60

    XInfer:面向机器人执行约束的 VLA 服务系统,有效机器人容量提升 1.26–3.75 倍

    作者提出生产部署的 VLA 服务系统 XInfer,通过协同调度异构 VLA 计算与机器人执行时变的响应需求,在管理干扰的同时利用计算并行提升 GPU 效率。在三个 VLA 模型和生产来源负载上,XInfer 在物理执行约束下的有效机器人容量(ERC)达到 SOTA 系统的 1.26–3.75 倍,实现已公开。

    推荐理由:论文给出生产环境 VLA 服务系统的设计与三模型实测,读者可据此判断机器人集群推理调度的可行路径。

  25. arXiv · cs.RO52

    EM-ViT 用视差细化与机器人自运动在线适配单目深度估计

    作者提出 EM-ViT,把基础模型输出的相对深度在线适配到机器人运行中采集的观测,以恢复新场景的度量尺度。方法将深度预测分解为稠密视差细化与有效基线标量预测,利用稀疏 LiDAR 点和可选的机器人自运动快速训练轻量 Vision Transformer,并用内部梯度匹配损失实时保留输入的细粒度语义结构。