Look, Listen, and Act: Towards Audio-Visual Embodied Navigation
专题命中 视觉空间推理 :planning(abstract);分类 cs.LG
Comments Accepted by ICRA 2020. Project page: http://avn.csail.mit.edu
AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
专题命中 视觉空间推理 :planning(abstract);分类 cs.LG
Comments Accepted by ICRA 2020. Project page: http://avn.csail.mit.edu
专题命中 视觉空间推理 :reasoning(abstract);分类 cs.AI
Comments NeurIPS 2019 demo track
专题命中 视觉空间推理 :reasoning(abstract);分类 cs.AI
Comments 8 pages, accepted to AAAI 2020
专题命中 视觉空间推理 :reasoning(abstract);分类 cs.LG
Comments Accepted at AAAI 2020. Code: https://github.com/e2crawfo/silot. Visualizations: https://sites.google.com/view/silot
专题命中 视觉空间推理 :planning(abstract);分类 cs.LG
Comments Accepted at CoRL2019. Code & video available at https://mweiss17.github.io/SEVN/
专题命中 视觉空间推理 :planning(abstract);分类 cs.AI
专题命中 视觉空间推理 :planning(abstract);分类 cs.LG
Comments Accepted at ICCV 2019
专题命中 视觉空间推理 :reasoning(abstract);分类 cs.LG
Comments Presented in CVPR 19: http://openaccess.thecvf.com/content_CVPR_2019/html/Zhao_Multi-Agent_Tensor_Fusion_for_Contextual_Trajectory_Prediction_CVPR_2019_paper.html ; Architecture details available: https://github.com/programmingLearner/MATF-architecture-details
专题命中 视觉空间推理 :planning(abstract);分类 cs.LG
Comments Accepted for Presentation at the ICML 2019 LatinX in AI Research Workshop
专题命中 视觉空间推理 :planning(abstract);分类 cs.AI
专题命中 视觉空间推理 :planning(abstract);分类 cs.AI
Comments Neural Information Processing Systems (NIPS 2018) Deep Reinforcement Learning Workshop
专题命中 视觉空间推理 :reasoning(abstract);分类 cs.AI
专题命中 视觉空间推理 :reasoning(abstract);分类 cs.AI
专题命中 视觉空间推理 :reasoning(abstract);分类 cs.AI
Comments 23 pages; CVPR 2017 submission; see https://guesswhat.ai
专题命中 视觉空间推理 :planning(abstract);分类 cs.AI
专题命中 视觉空间推理 :reasoning(abstract);分类 cs.AI
意图一目了然:通过基础模型实现的注视引导的机器人操作
机构 * University of California, Los Angeles(加州大学洛杉矶分校)
专题命中 视觉空间推理 :reasoning(abstract);planning(comments)
AI总结 GAMMA通过结合基础模型和注视技术,实现无需特定任务训练的机器人操作自主控制,提升人机交互的直观性和可扩展性。
Comments Accepted to 2025 RSS Robot Planning in the Era of Foundation Models (FM4RoboPlan) Workshop
专题命中 视觉空间推理 :reasoning(abstract,comments)
Comments Accepted and presented at the 1st Workshop on Semantic Reasoning and Goal Understanding in Robotics (SemRob), Robotics Science and Systems Conference (RSS 2024)
专题命中 视觉空间推理 :分类 cs.CL、cs.AI、cs.LG;reasoning(comments)
Comments EMNLP 2023 Findings; Natural Language Reasoning and Structured Explanations Workshop at ACL 2023
专题命中 视觉空间推理 :分类 cs.CL、cs.AI、cs.LG;planning(journal_ref)
Comments 7 pages, 8 figures
Journal ref Third Workshop in Machine Learning in the Planning and Control of Robot Motion at ICRA, 2018
专题命中 视觉空间推理 :planning(abstract,comments)
Comments IROS 2017: 9th Workshop on Planning, Perception and Navigation for Intelligent Vehicles
SceneGTMM:一种基于保角映射的场景感知可迁移GNN-Transformer双图交互地图匹配框架
专题命中 视觉空间推理 :planning(abstract)
AI总结 本文提出SceneGTMM框架,通过保角映射场景策略、双图交互架构与CRF增强预测,提升地图匹配的噪声鲁棒性、跨区域迁移性与可解释性,在多源及跨城轨迹匹配中表现优于基线方法。
通过自我场景增强在多模态大语言模型中强化自我中心空间感知
机构 * The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)) ; Guangxi Zhuang Autonomous Region Information Center(广西壮族自治区信息中心) ; The Hong Kong University of Science and Technology(香港科技大学)
专题命中 视觉空间推理 :reasoning(abstract)
AI总结 研究如何强化多模态大语言模型的自我中心空间感知,提出自我场景增强框架ESA,利用自我元素图作为中间表示,通过视觉基础模型增强空间感知,在EgoTextVQA基准上取得显著性能提升。
Comments 14 pages, 8 figures. Chi Kit Wong and Ye Pan contributed equally. Code: https://github.com/Chikit-WONG/spatialGraph
OP3DSG:面向真实环境的开放词汇部件感知3D场景图生成
机构 * Gwangju Institute of Science and Technology(全州科学技术院)
专题命中 视觉空间推理 :reasoning(abstract)
AI总结 提出OP3DSG框架,通过部件感知检测与融合、几何初始化先验图及LLM精炼,实现开放词汇下对象、交互部件、空间/功能关系及可供性的统一建模,在UniGraph3D基准上达到最优性能。
Comments Accepted to ECCV 2026
瞬间动作预见:多模态线索能替代视频到何种程度?
机构 * Universidad de Alicante(阿利坎特大学) ; Foundation for Research and Technology-Hellas(希腊基础研究与技术基金会) ; University of Crete(克里特大学) ; Hellenic Mediterranean University(希腊地中海大学)
专题命中 视觉空间推理 :reasoning(abstract)
AI总结 AAG通过结合单帧RGB特征与深度线索及先前动作信息,实现了多模态单帧动作预见,能与视频聚合基线和先进方法在教学活动数据集上竞争。
Comments Accepted in WACV 2026 - Applications Track
Journal ref 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)
LT-Mem:面向终身场景理解的感知时间动态的时空记忆
机构 * DGIST(大邱庆北科学技术院)
专题命中 视觉空间推理 :reasoning(abstract)
AI总结 该研究针对机器人长期场景理解的时间遗忘问题,提出LT-Mem时空记忆框架,结合多会话SLAM与Tri-Memory结构,在LT-VQA数据集上性能优于基线且token消耗更少。
Comments 8 pages, 8 figures, 6 tables. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
超越布局与关节运动:面向具身交互的使用驱动型代码场景
机构 * Meituan(美团)
专题命中 视觉空间推理 :reasoning(abstract)
AI总结 针对现有代码场景生成方法未建模场景功能使用的问题,提出RoomWright框架,通过使用驱动型物体推理与代码智能体实现可执行、可编辑的仿真就绪3D场景,为具身AI与策略学习提供交互式环境。
DyG²T:基于3D高斯时空粒子图Transformer的对象动力学建模
机构 * School of Computer Science and Technology, Harbin Institute of Technology at Weihai(哈尔滨工业大学(威海)计算机科学与技术学院) ; Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所) ; School of Computer Science and Technology, University of Chinese Academy of Sciences(中国科学院大学计算机科学与技术学院)
专题命中 视觉空间推理 :reasoning(abstract)
AI总结 本文针对现有动力学建模方法丢失细粒度细节、轨迹漂移等问题,提出DyG²T框架,通过空间补全关键点、TDN增强时间判别性、粒子图Transformer建模交互,在合成与真实数据集上实现精准动力学建模,泛化能力强。
2Xplat:两个专家胜过一个通才
机构 * Yonsei University(延世大学) ; Sungkyunkwan University(成均馆大学)
专题命中 视觉空间推理 :reasoning(abstract)
AI总结 本文提出2Xplat框架,通过分离几何估计与高斯生成,改进3DGS生成效果,证明模块化设计在复杂3D建模中的优势。
Comments Project page: https://hwasikjeong.github.io/2Xplat
aDSL:通过智能体-程序联合设计实现智能体驱动的3D内容创建
专题命中 视觉空间推理 :reasoning(abstract)
AI总结 该研究联合设计以智能体为中心的领域特定语言aDSL与角色专业化多智能体系统,通过“规划-执行-评审”循环提升3D内容创建的鲁棒性等,在文本到形状等任务上优于LLM基线。