Buchumschlag

Agent AI: Surveying the Horizons of Multimodal Interaction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Durante, Zane, Huang, Qiuyuan, Wake, Naoki, Gong, Ran, Park, Jae Sung, Sarkar, Bidipta, Taori, Rohan, Noda, Yusuke, Terzopoulos, Demetri, Choi, Yejin, Ikeuchi, Katsushi, Vo, Hoi, Fei-Fei, Li, Gao, Jianfeng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Human-Computer Interaction Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Position Paper: Agent AI Towards a Holistic Intelligence
von: Huang, Qiuyuan, et al.
Veröffentlicht: (2024)

An Interactive Agent Foundation Model
von: Durante, Zane, et al.
Veröffentlicht: (2024)

Agreeing to Interact in Human-Robot Interaction using Large Language Models and Vision Language Models
von: Sasabuchi, Kazuhiro, et al.
Veröffentlicht: (2025)

RL-Driven Data Generation for Robust Vision-Based Dexterous Grasping
von: Kanehira, Atsushi, et al.
Veröffentlicht: (2025)

Plan-and-Act using Large Language Models for Interactive Agreement
von: Sasabuchi, Kazuhiro, et al.
Veröffentlicht: (2025)

GPT-4V(ision) for Robotics: Multimodal Task Planning from Human Demonstration
von: Wake, Naoki, et al.
Veröffentlicht: (2023)

Open-Vocabulary Action Localization with Iterative Visual Prompting
von: Wake, Naoki, et al.
Veröffentlicht: (2024)

VLM-driven Behavior Tree for Context-aware Task Planning
von: Wake, Naoki, et al.
Veröffentlicht: (2025)

A Taxonomy of Self-Handover
von: Wake, Naoki, et al.
Veröffentlicht: (2025)

IK Seed Generator for Dual-Arm Human-like Physicality Robot with Mobile Base
von: Takamatsu, Jun, et al.
Veröffentlicht: (2025)

Prompting Medical Large Vision-Language Models to Diagnose Pathologies by Visual Question Answering
von: Guo, Danfeng, et al.
Veröffentlicht: (2024)

Designing Library of Skill-Agents for Hardware-Level Reusability
von: Takamatsu, Jun, et al.
Veröffentlicht: (2024)

Modality-Driven Design for Multi-Step Dexterous Manipulation: Insights from Neuroscience
von: Wake, Naoki, et al.
Veröffentlicht: (2024)

APriCoT: Action Primitives based on Contact-state Transition for In-Hand Tool Manipulation
von: Saito, Daichi, et al.
Veröffentlicht: (2024)

TeamCraft: A Benchmark for Multi-Modal Multi-Agent Systems in Minecraft
von: Long, Qian, et al.
Veröffentlicht: (2024)

Manipulación mecánica de partes aleatoriamente orientadas
von: Horn, Berthold K. y Ikeuchi, Katsushi
Veröffentlicht: (1984)

VideoWeave: A Data-Centric Approach for Efficient Video Understanding
von: Durante, Zane, et al.
Veröffentlicht: (2026)

Inverse Attention Agents for Multi-Agent Systems
von: Long, Qian, et al.
Veröffentlicht: (2024)

Cross-Slice Attention and Evidential Critical Loss for Uncertainty-Aware Prostate Cancer Detection
von: Hung, Alex Ling Yu, et al.
Veröffentlicht: (2024)

Learning Neural Force Manifolds for Sim2Real Robotic Symmetrical Paper Folding
von: Choi, Andrew, et al.
Veröffentlicht: (2023)

A Human-centric Framework for Debating the Ethics of AI Consciousness Under Uncertainty
von: Ziheng, Zhou, et al.
Veröffentlicht: (2025)

Trajectories of second language student classroom engagement: Profiles and correlates
von: Hoi Vo
Veröffentlicht: (2026)

mBEST: Realtime Deformable Linear Object Detection Through Minimal Bending Energy Skeleton Pixel Traversals
von: Choi, Andrew, et al.
Veröffentlicht: (2023)

Training Language Models for Social Deduction with Multi-Agent Reinforcement Learning
von: Sarkar, Bidipta, et al.
Veröffentlicht: (2025)

Unstructured Moving Least Squares Material Point Methods: A Stable Kernel Approach With Continuous Gradient Reconstruction on General Unstructured Tessellations
von: Cao, Yadi, et al.
Veröffentlicht: (2023)

Physically Grounded Vision-Language Models for Robotic Manipulation
von: Gao, Jensen, et al.
Veröffentlicht: (2023)

Towards Fine-Grained Video Question Answering
von: Dai, Wei, et al.
Veröffentlicht: (2025)

Few-Shot Classification of Interactive Activities of Daily Living (InteractADL)
von: Durante, Zane, et al.
Veröffentlicht: (2024)

Review of Deep Learning Applications to Structural Proteomics Enabled by Cryogenic Electron Microscopy and Tomography
von: Zhou, Brady K., et al.
Veröffentlicht: (2025)

AnimaMimic: Imitating 3D Animation from Video Priors
von: Xie, Tianyi, et al.
Veröffentlicht: (2025)

CFSum: A Transformer-Based Multi-Modal Video Summarization Framework With Coarse-Fine Fusion
von: Guo, Yaowei, et al.
Veröffentlicht: (2025)

Sub-Horizon Amplification of Curvature Perturbations: A New Route to Primordial Black Holes and Gravitational Waves
von: Nandi, Debottam, et al.
Veröffentlicht: (2025)

Simple Role Assignment is Extraordinarily Effective for Safety Alignment
von: Ziheng, Zhou, et al.
Veröffentlicht: (2026)

MPM Lite: Linear Kernels and Integration without Particles
von: Feng, Xiang, et al.
Veröffentlicht: (2026)

Fractional heat content asymptotics for Carnot groups
von: Sarkar, Rohan
Veröffentlicht: (2026)

Small time asymptotics of spectral heat content of isotropic processes
von: Sarkar, Rohan
Veröffentlicht: (2025)

Spectral theory of non-local Ornstein-Uhlenbeck operators
von: Sarkar, Rohan
Veröffentlicht: (2025)

HourVideo: 1-Hour Video-Language Understanding
von: Chandrasegaran, Keshigeyan, et al.
Veröffentlicht: (2024)

Wonderland: Navigating 3D Scenes from a Single Image
von: Liang, Hanwen, et al.
Veröffentlicht: (2024)

Task Value, Teacher Enthusiasm, and Student Engagement in Online Second Language Learning: A Latent Moderated Model
von: Hoi Vo, et al.
Veröffentlicht: (2026)