本文介绍了分层扩散策略（HDP），这是多任务机器人操作的分层代理。 HDP将操纵策略分解为层次结构：高级任务规划剂，可预测遥远的下一最终效果姿势（NBP），以及一个低级目标条件条件的扩散策略，该策略会产生最佳的运动轨迹。分解的政策表示允许HDP在产生细粒度的低水平动作的同时解决这两个长马任务计划 ...

最近，基于 Transformer 的机器人操纵方法利用多视图的空间表示和语言说明来学习机器人运动轨迹，来利用众多机器人演示。但是，机器人数据的收集非常具有挑战性，现有方法缺乏仅使用少数演示的新任务进行持续学习的能力。在本文中，我们将这些挑战提出为少量动作的学习（FSAIL）任务，并因此设计了一个任务促进的图形演变策略（主题）来解决这些问题 ...

对点云的自我监督的表示学习表明，在改善跨不同任务的预培训模型绩效方面具有有效性。但是，随着预训练的模型的复杂性增长，将它们完全微调用于下游应用程序需要大量的计算和存储资源。参数有效的微调（PEFT）方法提供了一种有希望的解决方案来减轻这些资源需求，但是大多数当前的方法都依赖于增加可调参数的复杂适配器和及时的机制 ...

时间序列数据存在于现实世界系统和服务的每个角落，从天空中的卫星到人体可穿戴设备。通过从这些时间序列中提取和推断出有价值的信息来进行学习表示对于理解特定现象的复杂动态和实现知情决策至关重要。借助学习的表示，我们可以更有效地执行许多下游分析 ...

大语言模型（LLM）的最新进展已加速了能够产生类似人类反应的对话剂的发展。由于精神科评估通常涉及精神科医生与患者之间的复杂对话互动，因此人们对开发基于LLM的精神病学评估对话剂（PACAS）的兴趣越来越多，旨在模拟精神科医生在临床评估中的作用。但是，基于PACAS与患者相互作用的临床适当性基准的标准化方法仍未得到充实 ...

大型语言模型（LLM）的快速发展为全球精神卫生专业人员短缺提供了有希望的解决方案。但是，他们与基本咨询能力的一致性仍然没有得到充实的态度。我们介绍了咨询板，这是一种基于NCMHCE的新型基准测试，评估了五个关键能力的22种通用和医疗调查的LLM ...

随着全球心理健康问题的升级，对先进的数字支持系统非常需要。我们介绍了Chentagora，这是一个新颖的框架，采用大型语言模型，通过多种代理之间的相互作用来量身定制心理健康支持。该框架通过三个阶段运行：战略性辩论，量身定制的辅导员创建和响应生成，从而可以根据个人用户的偏好和治疗需求来动态自定义 ...

全球医疗保健系统在效率，可及性和个性化方面面临持续的挑战。体现的AI（EMAI）由现代AI技术（例如多模式大语言模型和世界模型）提供支持，代表着一种变革性的边境，提供了增强的自主权，并具有与物理世界互动以应对这些挑战的能力。作为一个跨学科和快速发展的研究领域，“医疗保健中的EMAI”跨越了各种领域，例如算法，机器人技术和生物医学 ...