Buchumschlag

Label Anything: An Interpretable, High-Fidelity and Prompt-Free Annotator

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kou, Wei-Bin, Zhu, Guangxu, Ye, Rongguang, Wang, Shuai, Tang, Ming, Wu, Yik-Chung
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fast-Convergent and Communication-Alleviated Heterogeneous Hierarchical Federated Learning in Autonomous Driving
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2024)

Enhancing Large Vision Model in Street Scene Semantic Understanding through Leveraging Posterior Optimization Trajectory
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2025)

FedEMA: Federated Exponential Moving Averaging with Negative Entropy Regularizer in Autonomous Driving
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2025)

FedDSR: Federated Deep Supervision and Regularization Towards Autonomous Driving
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2025)

Adverse Weather-Independent Framework Towards Autonomous Driving Perception through Temporal Correlation and Unfolded Regularization
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2025)

Generalizable Autonomous Driving System across Diverse Adverse Weather Conditions
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2024)

Communication Resources Constrained Hierarchical Federated Learning for End-to-End Autonomous Driving
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2023)

FedRC: A Rapid-Converged Hierarchical Federated Learning Framework in Street Scene Semantic Understanding
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2024)

iMacHSR: Intermediate Multi-Access Heterogeneous Supervision and Regularization Scheme Toward Architecture-Agnostic Training
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2025)

pFedLVM: A Large Vision Model (LVM)-Driven and Latent Feature-Based Personalized Federated Learning Framework in Autonomous Driving
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2024)

Statistic-Augmented, Decoupled MoE Routing and Aggregating in Autonomous Driving
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2025)

PraFFL: A Preference-Aware Scheme in Fair Federated Learning
von: Ye, Rongguang, et al.
Veröffentlicht: (2024)

Learning Heterogeneous Performance-Fairness Trade-offs in Federated Learning
von: Ye, Rongguang, et al.
Veröffentlicht: (2025)

OmniISR: A Unified Framework for Centralized and Federated Learning via Intermediate Supervision and Regularization
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2026)

Dynamic High-Order Control Barrier Functions with Diffuser for Safety-Critical Trajectory Planning at Signal-Free Intersections
von: Chen, Di, et al.
Veröffentlicht: (2024)

ASVSim (AirSim for Surface Vehicles): A High-Fidelity Simulation Framework for Autonomous Surface Vehicle Research
von: Lesy, Bavo, et al.
Veröffentlicht: (2025)

Learn to Teach: Sample-Efficient Privileged Learning for Humanoid Locomotion over Diverse Terrains
von: Wu, Feiyang, et al.
Veröffentlicht: (2024)

EmoBipedNav: Emotion-aware Social Navigation for Bipedal Robots with Deep Reinforcement Learning
von: Zhu, Wei, et al.
Veröffentlicht: (2025)

Pareto Front Shape-Agnostic Pareto Set Learning in Multi-Objective Optimization
von: Ye, Rongguang, et al.
Veröffentlicht: (2024)

Fidelity-Aware Data Composition for Robust Robot Generalization
von: Tong, Zizhao, et al.
Veröffentlicht: (2025)

LocateAnything: Fast and High-Quality Vision-Language Grounding with Parallel Box Decoding
von: Wang, Shihao, et al.
Veröffentlicht: (2026)

Efficient Coordination with the System-Level Shared State: An Embodied-AI Native Modular Framework
von: Deng, Yixuan, et al.
Veröffentlicht: (2026)

Agile and versatile bipedal robot tracking control through reinforcement learning
von: Li, Jiayi, et al.
Veröffentlicht: (2024)

Interpretable Robotic Manipulation from Language
von: Zheng, Boyuan, et al.
Veröffentlicht: (2024)

Markov Regime-Switching Intelligent Driver Model for Interpretable Car-Following Behavior
von: Zhang, Chengyuan, et al.
Veröffentlicht: (2025)

Four Principles for Physically Interpretable World Models
von: Peper, Jordan, et al.
Veröffentlicht: (2025)

Interpretable Robotic Friction Learning via Symbolic Regression
von: Scholl, Philipp, et al.
Veröffentlicht: (2025)

Interpretable DRL-based Maneuver Decision of UCAV Dogfight
von: Han, Haoran, et al.
Veröffentlicht: (2024)

Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework
von: Jiang, Jian-Jian, et al.
Veröffentlicht: (2025)

Grasp Anything: Combining Teacher-Augmented Policy Gradient Learning with Instance Segmentation to Grasp Arbitrary Objects
von: Mosbach, Malte, et al.
Veröffentlicht: (2024)

Time-Unified Diffusion Policy with Action Discrimination for Robotic Manipulation
von: Niu, Ye, et al.
Veröffentlicht: (2025)

On-the-Fly Adaptation to Quantization: Configuration-Aware LoRA for Efficient Fine-Tuning of Quantized LLMs
von: Ye, Rongguang, et al.
Veröffentlicht: (2025)

HPTune: Hierarchical Proactive Tuning for Collision-Free Model Predictive Control
von: Zuo, Wei, et al.
Veröffentlicht: (2026)

MIND-Stack: Modular, Interpretable, End-to-End Differentiability for Autonomous Navigation
von: Jahncke, Felix, et al.
Veröffentlicht: (2025)

Unity RL Playground: A Versatile Reinforcement Learning Framework for Mobile Robots
von: Ye, Linqi, et al.
Veröffentlicht: (2025)

Scalable Exploration for High-Dimensional Continuous Control via Value-Guided Flow
von: Wei, Yunyue, et al.
Veröffentlicht: (2026)

Think Small, Plan Smart: Minimalist Symbolic Abstraction and Heuristic Subspace Search for LLM-Guided Task Planning
von: Tang, Junfeng, et al.
Veröffentlicht: (2025)

Quantization-Free Autoregressive Action Transformer
von: Sheebaelhamd, Ziyad, et al.
Veröffentlicht: (2025)

SPECI: Skill Prompts based Hierarchical Continual Imitation Learning for Robot Manipulation
von: Xu, Jingkai, et al.
Veröffentlicht: (2025)

Self-Supervised Interpretable End-to-End Learning via Latent Functional Modularity
von: Seong, Hyunki, et al.
Veröffentlicht: (2024)