登录社区云，与社区用户共同成长
邀请您加入社区
具身智能（Embodied AI）对于实现人工通用智能（Artificial General Intelligence，AGI）至关重要，也是连接网络空间和物理世界的各种应用程序的基础。近年来，多模态大模型（MLMs）和世界模型（WMs）的出现因其显著的感知、交互和推理能力而引起了广泛的关注，使其成为具身智能体的大脑中一个很有前途的架构。然而，在mlm的时代，目前还没有对具身智能的全面调查。在本次
单细胞RNA测序（scRNA-seq）数据分析对于理解细胞异质性具有关键意义。然而，scRNA-seq数据固有的高稀疏性和复杂噪声模式对传统聚类方法提出了严峻挑战。为应对这些问题，我们提出了一种深度聚类方法——注意力增强的结构化深度嵌入图聚类（scASDC），该方法融合了多个先进模块，以提升聚类的准确性与鲁棒性。本文方法采用多层图卷积网络（GCN），以捕捉细胞之间的高阶结构关系，构成图自编码器模块
该论文旨在解决无人配送的“最后一公里”问题，即小区或单元楼范围的楼栋配送问题，局部定位与路径规划使用的是FastLio2、A*、TEB算法，全局定位与姿态估计靠LLM解决，整个系统zero-shot，同时对比了多个LLM模型，认为 GPT-4o-mini 效果最好。作者在真实与仿真环境中均进行了测试，由于这一领域的相似研究较少，所以文中的模型对比部分内容较为贫瘠，但根据作者的实验结果可以证明他们的
