:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Zhaoyang, Pan, Mokai, Wang, Zhongyi, Zhu, Kaizhen, Lu, Haotao, Zhang, Haipeng, Wang, Jingya, Shi, Ye
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	https://arxiv.org/abs/2512.07212
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Unified and Fast-Sampling Diffusion Bridge Framework via Stochastic Optimal Control
von: Pan, Mokai, et al.
Veröffentlicht: (2025)

UniDB: A Unified Diffusion Bridge Framework via Stochastic Optimal Control
von: Zhu, Kaizhen, et al.
Veröffentlicht: (2025)

Diffusion Bridge or Flow Matching? A Unifying Framework and Comparative Analysis
von: Zhu, Kaizhen, et al.
Veröffentlicht: (2025)

Distributional Reinforcement Learning with Diffusion Bridge Critics
von: Ding, Shutong, et al.
Veröffentlicht: (2026)

Sample-Efficient Diffusion-based Reinforcement Learning with Critic Guidance
von: Ding, Shutong, et al.
Veröffentlicht: (2026)

AffordDP: Generalizable Diffusion Policy with Transferable Affordance
von: Wu, Shijie, et al.
Veröffentlicht: (2024)

What You See is Not What You Get: Neural Partial Differential Equations and The Illusion of Learning
von: Mohan, Arvind, et al.
Veröffentlicht: (2024)

Do You Need Proprioceptive States in Visuomotor Policies?
von: Zhao, Juntu, et al.
Veröffentlicht: (2025)

An Ordinary Differential Equation Sampler with Stochastic Start for Diffusion Bridge Models
von: Wang, Yuang, et al.
Veröffentlicht: (2024)

FLEx: Personalized Federated Learning for Mixture-of-Experts LLMs via Expert Grafting
von: Liu, Fan, et al.
Veröffentlicht: (2025)

Spatial-Temporal Aware Visuomotor Diffusion Policy Learning
von: Liu, Zhenyang, et al.
Veröffentlicht: (2025)

FreqPolicy: Frequency Autoregressive Visuomotor Policy with Continuous Tokens
von: Zhong, Yiming, et al.
Veröffentlicht: (2025)

H$^3$DP: Triply-Hierarchical Diffusion Policy for Visuomotor Learning
von: Lu, Yiyang, et al.
Veröffentlicht: (2025)

Diffusion Policy: Visuomotor Policy Learning via Action Diffusion
von: Chi, Cheng, et al.
Veröffentlicht: (2023)

Vision Language Models See What You Want but not What You See
von: Gao, Qingying, et al.
Veröffentlicht: (2024)

One-Step Diffusion Policy: Fast Visuomotor Policies via Diffusion Distillation
von: Wang, Zhendong, et al.
Veröffentlicht: (2024)

Spatially Selective Imaging in Color: What You See is What You Want
von: John You En Chan, et al.
Veröffentlicht: (2024)

History-Aware Visuomotor Policy Learning via Point Tracking
von: Chen, Jingjing, et al.
Veröffentlicht: (2025)

GenPO: Generative Diffusion Models Meet On-Policy Reinforcement Learning
von: Ding, Shutong, et al.
Veröffentlicht: (2025)

Component Fourier Neural Operator for Singularly Perturbed Differential Equations
von: Li, Ye, et al.
Veröffentlicht: (2024)

DINOv3-Diffusion Policy: Self-Supervised Large Visual Model for Visuomotor Diffusion Policy Learning
von: Egbe, ThankGod, et al.
Veröffentlicht: (2025)

FLASH: Efficient Visuomotor Policy via Sparse Sampling
von: Bai, Jiaqi, et al.
Veröffentlicht: (2026)

NijiGAN: Transform What You See into Anime with Contrastive Semi-Supervised Learning and Neural Ordinary Differential Equations
von: Santoso, Kevin Putra, et al.
Veröffentlicht: (2024)

LeTO: Learning Constrained Visuomotor Policy with Differentiable Trajectory Optimization
von: Xu, Zhengtong, et al.
Veröffentlicht: (2024)

L1 Sample Flow for Efficient Visuomotor Learning
von: Song, Weixi, et al.
Veröffentlicht: (2025)

A Priori Estimation of the Approximation, Optimization and Generalization Errors of Random Neural Networks for Solving Partial Differential Equations
von: Xu, Xianliang, et al.
Veröffentlicht: (2024)

What You See is What You Ask: Evaluating Audio Descriptions
von: Kala, Divy, et al.
Veröffentlicht: (2025)

What You See is What You Classify: Black Box Attributions
von: Stalder, Steven, et al.
Veröffentlicht: (2022)

Diffusion-based Reinforcement Learning via Q-weighted Variational Policy Optimization
von: Ding, Shutong, et al.
Veröffentlicht: (2024)

Does Visual Token Pruning Improve Calibration? An Empirical Study on Confidence in MLLMs
von: Tan, Kaizhen
Veröffentlicht: (2026)

Multimodal Deep Learning for ATCO Command Lifecycle Modeling and Workload Prediction
von: Tan, Kaizhen
Veröffentlicht: (2025)

Monocular Human-Object Reconstruction in the Wild
von: Huo, Chaofan, et al.
Veröffentlicht: (2024)

Contextually Affinitive Neighborhood Refinery for Deep Clustering
von: Yu, Chunlin, et al.
Veröffentlicht: (2023)

Preference Aligned Visuomotor Diffusion Policies for Deformable Object Manipulation
von: Moletta, Marco, et al.
Veröffentlicht: (2026)

Real-Time Operator Takeover for Visuomotor Diffusion Policy Training
von: Moletta, Marco, et al.
Veröffentlicht: (2025)

Stabilizing Policy Gradients for Stochastic Differential Equations via Consistency with Perturbation Process
von: Zhou, Xiangxin, et al.
Veröffentlicht: (2024)

3D Diffusion Policy: Generalizable Visuomotor Policy Learning via Simple 3D Representations
von: Ze, Yanjie, et al.
Veröffentlicht: (2024)

UMI-on-Air: Embodiment-Aware Guidance for Embodiment-Agnostic Visuomotor Policies
von: Gupta, Harsh, et al.
Veröffentlicht: (2025)

Ground What You See: Hallucination-Resistant MLLMs via Caption Feedback, Diversity-Aware Sampling, and Conflict Regularization
von: Pan, Miao, et al.
Veröffentlicht: (2026)

Hybrid-Diffusion Models: Combining Open-loop Routines with Visuomotor Diffusion Policies
von: Van Haastregt, Jonne, et al.
Veröffentlicht: (2025)