<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sigmoidAndReLU的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/TTLoveYuYu</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; TTLoveYuYu]]></copyright><item><title><![CDATA[读文章 Critiques of World model]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/149325022</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/149325022</guid><author>TTLoveYuYu</author><pubDate>Mon, 14 Jul 2025 15:51:24 +0800</pubDate><description><![CDATA[摘要：本文批判性分析了当前世界模型（World Model）研究，提出构建具有物理性、能动性与嵌套结构（PAN）的通用人工智能系统。研究指出世界模型应作为真实环境的算法替代物，支持有目的的推理与行动模拟。受《沙丘》&quot;预知者&quot;概念启发，作者强调世界模型需采用分层式、多层级、混合连续/离散表示，结合生成式与自监督学习框架。文章通过强化学习形式化证明，最优智能体需通过世界模型模拟环境反应路径来决策，而当前模型在复杂环境中的表现仍有限。研究为开发能模拟&quot;下一个世界&quot;的通用AI]]></description><category></category></item><item><title><![CDATA[读V JEPA：Video Joint Embedding Predictive architective 以及VJEPA2]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/149161431</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/149161431</guid><author>TTLoveYuYu</author><pubDate>Mon, 14 Jul 2025 09:47:23 +0800</pubDate><description><![CDATA[许多用于学习基于像素环境的世界模型的常见方法，采用的是通过像素级重建目标训练的生成式架构。在本研究中，我们分析了在完全离线设置下（即无法访问奖励信息）使用 VICReg 和 SimCLR 目标训练的 JEPA 的性能，并将其结果与生成式架构的表现进行对比。我们在一个简单的环境中进行了测试：一个移动点目标并伴有多种背景干扰物，并对所学表示进行了探测，以评估其对点位置的编码能力。此外，我们从理论上解释了基于 JEPA 的方法在固定噪声情况下表现差的原因，指出了其一个重要局限性。作者：Vlad Sobal，…]]></description><category></category></item><item><title><![CDATA[读VJEPA 2]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/149075521</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/149075521</guid><author>TTLoveYuYu</author><pubDate>Wed, 02 Jul 2025 19:05:03 +0800</pubDate><description><![CDATA[Meta FAIR团队提出了一种自监督学习框架V-JEPA 2，通过结合互联网视频与少量机器人交互数据构建具备理解、预测和规划能力的智能模型。该模型在100万小时视频数据上预训练，在运动理解（Something-Something v2数据集77.3%准确率）和动作预测（Epic-Kitchens-100数据集Recall@5 39.7%）任务中表现优异。与语言模型对齐后，在视频问答任务中取得84.0的PerceptionTest分数。仅用62小时机器人视频微调后，该模型实现了零样本物体抓取操作，展示了从观]]></description><category></category></item><item><title><![CDATA[读Vista]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/149035049</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/149035049</guid><author>TTLoveYuYu</author><pubDate>Tue, 01 Jul 2025 16:02:46 +0800</pubDate><description><![CDATA[摘要 本文提出Vista，一种具备跨域泛化能力、高保真预测性能和多样化动作可控性的自动驾驶世界模型。针对现有驾驶世界模型在泛化性、预测保真度和控制灵活性方面的不足，我们提出三项关键技术：1）通过潜变量替换策略注入动态先验，支持连贯的长期预测；2）设计两种新型损失函数（动态增强损失和结构保持损失）提升关键区域运动建模和结构细节保留；3）开发统一接口实现从高层意图到低层操作的多模态动作控制。实验表明，Vista在多个数据集上显著优于现有方法（FID提升55%，FVD提升27%），并能作为通用奖励函数评估动作可行]]></description><category></category></item><item><title><![CDATA[安装SDL和FFmpeg]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/147710516</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/147710516</guid><author>TTLoveYuYu</author><pubDate>Mon, 05 May 2025 11:28:15 +0800</pubDate><description><![CDATA[这就安装好了，剩下的就交由 FFmpeg 和 SDL进行串联开发了。如果存在wayland找不到，那就手动指定wayland的位置。FFmpeg 的安装比较简单，我选择的是在conda中，直接用。可以下载一个 tree 看一下里面的结构，比较清晰。然后就可以看见，没有报错，最多输出一些警告。可以用迅雷，下载完之后，这玩意还是有一点讲究的。这里推荐先安装几个包。]]></description><category></category></item><item><title><![CDATA[阅读 HPNet]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/147196303</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/147196303</guid><author>TTLoveYuYu</author><pubDate>Tue, 15 Apr 2025 01:10:06 +0800</pubDate><description><![CDATA[时空上下文编码和时空注意力模块共同构成了 HPNet 的核心组件之一。通过将代理特征、地图特征和相对时空位置编码为节点和边嵌入，并结合多头注意力机制，HPNet 能够有效地捕捉代理的历史动态、代理-车道交互以及节点间的时空关系。这些嵌入表示为进一步的三因子分解注意力（Triple Factorized Attention）提供了高质量的输入，从而为最终的多模态轨迹预测奠定了坚实的基础。代理注意力和历史预测注意力分别从代理间交互和时间序列相关性两个角度增强了模型的预测能力。]]></description><category></category></item><item><title><![CDATA[阅读论文 smart pretrain，搭配MAE一起食用]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/147187990</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/147187990</guid><author>TTLoveYuYu</author><pubDate>Sun, 13 Apr 2025 17:50:30 +0800</pubDate><description><![CDATA[预测周围智能体的未来运动对于自动驾驶车辆（AV）在动态、人机混合环境中安全运行至关重要。然而，大规模驾驶数据集的稀缺性阻碍了鲁棒且通用的运动预测模型的发展，限制了其捕捉复杂交互和道路几何结构的能力。受自然语言处理（NLP）和计算机视觉（CV）领域最新进展的启发，自监督学习（SSL）在运动预测社区中引起了广泛关注，用于学习丰富且可迁移的场景表示。尽管如此，现有的运动预测预训练方法大多专注于特定模型架构和单一数据集，限制了其可扩展性和通用性。]]></description><category></category></item><item><title><![CDATA[Honda现有的所有数据集]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/146154314</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/146154314</guid><author>TTLoveYuYu</author><pubDate>Mon, 10 Mar 2025 17:03:03 +0800</pubDate><description><![CDATA[我们通过查看Honda dataset的官网，并将他们现有的数据集整理如下。]]></description><category></category></item><item><title><![CDATA[Deformable DTER 代码]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/144917485</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/144917485</guid><author>TTLoveYuYu</author><pubDate>Fri, 03 Jan 2025 22:10:49 +0800</pubDate><description><![CDATA[其实现在的代码中能用的地方都用到了，可变形的注意力和交叉注意力也不再是一个创新点，因为后者作为transformer的一部分，而前者用在可变形卷积中也是很早的事情了！代码地址：https://github.com/fundamentalvision/Deformable-DETR。哦吼吼，居然是五年前的代码，好好看看，里面的精髓，为啥又快，大家用的就成为了常态。最后发现，真滴，代码里面都用到了，我们看完就留个印象。]]></description><category></category></item><item><title><![CDATA[xLSTM 阅读笔记]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/144201270</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/144201270</guid><author>TTLoveYuYu</author><pubDate>Sun, 08 Dec 2024 22:35:15 +0800</pubDate><description><![CDATA[在20世纪90年代，the constant error carousel 和 gating 被引入，作为长短期记忆（LSTM）的中心思想。从那时起，lstm经受住了时间的考验，并为许多深度学习的成功做出了贡献，特别是它们构成了第一个大型语言模型（llm）。然而，以可并行化的自注意力为核心的Transformer技术的出现，标志着一个新时代的黎明，在规模上超过了lstm。]]></description><category></category></item><item><title><![CDATA[Kolmogorov-Arnold Networks (KANs)]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/139634098</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/139634098</guid><author>TTLoveYuYu</author><pubDate>Thu, 13 Jun 2024 08:29:52 +0800</pubDate><description><![CDATA[所以寻求GPU的帮助是必要的，下面看一下论文以及代码再做说明！这是个非常厉害的设计，看完论文我再写评价。下面是实验，都是作者给出的代码。由于计算量太大，直接嘎了。]]></description><category></category></item><item><title><![CDATA[读《永州八记》]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/139502864</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/139502864</guid><author>TTLoveYuYu</author><pubDate>Thu, 06 Jun 2024 16:16:41 +0800</pubDate><description><![CDATA[《永州八记》是唐代著名诗人、文学家柳宗元被贬谪至广西的永州，担任永州司马。到处逛。永州当时有两纵三横十八巷。柳宗元与母亲所居的龙兴寺就在现在的千秋岭小学。柳宗元写下文章的时候是秋季，水清，风凉，寂寥无人，悲秋物语！]]></description><category></category></item><item><title><![CDATA[sudo apt update failed]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/138974867</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/138974867</guid><author>TTLoveYuYu</author><pubDate>Fri, 17 May 2024 14:02:24 +0800</pubDate><description><![CDATA[【代码】sudo apt update failed。]]></description><category></category></item><item><title><![CDATA[【无标题】]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/137055084</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/137055084</guid><author>TTLoveYuYu</author><pubDate>Tue, 26 Mar 2024 19:23:57 +0800</pubDate><description><![CDATA[将下载好的latex文件放到overleaf 中，就很好用，边写边看！第一次选择在IEEE上投论文，先下载一个模板。一般会选择性价比较高的trans，毕业所需！]]></description><category></category></item><item><title><![CDATA[自己用的小笔记]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/136651419</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/136651419</guid><author>TTLoveYuYu</author><pubDate>Tue, 12 Mar 2024 19:53:01 +0800</pubDate><description><![CDATA[这个metric 0 就是将默认的最优先的替换下来，让这个路由最优先接受访问，然后就联网了。语法格式一定要保证正确，这里稍微留一下格式，具体的内容就看自己了。由于ubuntu20.04使用的是netplan，可以修改。在此基础上，内部网络是能够实现访问的，那么如何访问外网呢？记得是驱动的问题，那么直接下载一个驱动放上去应该就可以。1、由于服务器的环境老是坏掉，这里稍微记录一点。这就要看服务器连接的wifi是个怎么个事情了，先离线下载吧，然后清理到老的，安装上新的。首先使用ifconfig，查看网卡的问题，]]></description><category></category></item><item><title><![CDATA[写论文常用 Latex 字符和公式]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/135492374</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/135492374</guid><author>TTLoveYuYu</author><pubDate>Wed, 10 Jan 2024 10:58:28 +0800</pubDate><description><![CDATA[常用latex字母表]]></description><category></category></item><item><title><![CDATA[霍夫变换原理和具体实现]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/135466489</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/135466489</guid><author>TTLoveYuYu</author><pubDate>Mon, 08 Jan 2024 21:38:18 +0800</pubDate><description><![CDATA[霍夫变换由霍夫在1964年提出，其基本原理是笛卡尔坐标系的变换。ykxby = kx + bykxb这是一个很普通的直线定义式，k是斜率，b是截距。那么取该直线上的两个点xiyixjyjxi​yi​xj​yj​, 就可以使得两个方程式成立。yikxibyi​kxi​b, 和yjkxjbyj​kxj​b, 两点确定一条直线。这里将目光转向 以kkk和bbbb−kxiy。]]></description><category></category></item><item><title><![CDATA[扎实写完这篇博客]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/132249722</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/132249722</guid><author>TTLoveYuYu</author><pubDate>Thu, 24 Aug 2023 16:42:10 +0800</pubDate><description><![CDATA[为了在动态变化的道路上安全驾驶，自动驾驶汽车（车联网汽车）需要预测未来的运行轨迹，并且需要判断周边车次、行人等道路交通参与者的运行轨迹。这也是为什么很多学者致力于轨迹预测研究，以及众多方法涌现出来的原因。这篇文章收集了近二十年的自动驾驶领域中的关于轨迹预测的可比较的和可解释性的工作回顾。以问题的公式化和算法分类开头，展开基于物理学、经典的机器学习方法、深度学习、强化学习方法的讨论，并且对现有方法做实验性介绍和分析，并对每种方法的强弱点做一个讨论，指明未来的研究方向!]]></description><category></category></item><item><title><![CDATA[Vehicle Trajectory Prediction using LSTMs With Spatial-Temporal Attention Mechanisms]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/132395941</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/132395941</guid><author>TTLoveYuYu</author><pubDate>Thu, 24 Aug 2023 16:41:49 +0800</pubDate><description><![CDATA[精准的车辆轨迹预测能够为许多智能驾驶系统带来好处，从交通模拟到辅助驾驶。这项能力的需求伴随着自动驾驶汽车的出现而出现，因为他们需要预测周围车辆的行驶轨迹，从而实现安全高效的导航。近来的研究表明基于深度学习的方法能够极大提升预测的准确度。然而，我们使用这些模型的主要困难在于模型的解释性很差。为了缓解这个问题，本文使用空间时间注意力长短期记忆方法来做工作。它是LSTM和时空注意力机制结合的用于车辆轨迹预测的可解释性模型。]]></description><category></category></item><item><title><![CDATA[sdk manager （ubuntu20.4） 安装]]></title><link>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/132404249</link><guid>https://blog.youkuaiyun.com/TTLoveYuYu/article/details/132404249</guid><author>TTLoveYuYu</author><pubDate>Mon, 21 Aug 2023 11:14:41 +0800</pubDate><description><![CDATA[最后解压成功后到软件目录中打开sdk manager，至此，安装完毕。当然要登录自己的账号才能成功下载，下载对应的Ubuntu版本就好。1、首先下载sdk manager 1.9.3。]]></description><category></category></item></channel></rss>