高校专区
Deflation-PINNs: 学习PDEs和Landau-de Gennes的多个解
机构 * Department of Mathematics, Indian Institute of Science, Bangalore（印度科学研究所数学系，班加罗尔） ； Department of Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系）
AI总结 本文提出Deflation-PINNs，通过引入消元损失和基于PINNs与DeepONets的架构，解决PDEs多解识别问题，并在液态晶体Landau-de Gennes模型中验证了其有效性。
逆动力学的谱分解用于基于模型的操纵快速探索
机构 * California Institute of Technology（加州理工学院） ； New York University（纽约大学）
AI总结 本文提出利用逆动力学方程的谱分解生成轨迹的方法，通过正交成分高效探索复杂接触动态，实现长时域规划，展示了在高复杂度领域中的实时能力。
Comments 8 pages, 8 figures, accepted to the 2026 IEEE International Conference on Robotics and Automation
一种轴角姿态控制律类用于旋转系统
机构 * Washington State University (WSU)（华盛顿州立大学） ； California Institute of Technology（加州理工学院）
AI总结 本文提出了一种新的旋转系统姿态控制律，通过扩展轴角表示法，结合Lyapunov稳定性理论，实现了闭环系统的全局渐近稳定，适用于结合切换方案的高精度姿态控制。
Comments 6 pages, 4 figures. Published in IEEE Control Systems Letters
Kolmogorov-Arnold网络的初始化方案：一项实证研究
机构 * National and Kapodistrian University of Athens（雅典大学） ； California Institute of Technology（加州理工学院）
AI总结 本文研究了基于样条的KANs初始化方案，提出两种理论驱动方法和一个可调幂律家族，通过大规模网格搜索、PDE基准和Feynman数据集评估，发现幂律初始化在多种任务和架构中表现最佳。
Comments Accepted in ICLR 2026
低剂量CT用于中风诊断：一种双管道深度学习框架用于便携式神经影像
机构 * Westlake High School（西湖高中） ； California Institute of Technology（加州理工学院） ； Round Rock High School（圆石城高中）
AI总结 本文提出双管道深度学习框架，用于低剂量CT中风诊断，在不同剂量水平上评估性能，发现直接分类在某些情况下更有效，建立了低剂量CT中风分诊的基准。
Comments 13 pages, 4 figures, 3 tables. Includes dose-level evaluation and robustness stress tests (motion and ring artifacts). Code and dataset based on RSNA Intracranial Hemorrhage Detection
PQuantML：用于端到端硬件感知模型压缩的工具
机构 * European Center for Nuclear Research (CERN)（欧洲核子研究中心） ； Purdue University（普渡大学） ； California Institute of Technology（加州理工学院） ； University of Padova（帕多瓦大学） ； Physikalisches Institut, Heidelberg University（海德堡大学物理研究所） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室） ； Institute of Physics Belgrade（贝尔格莱德物理研究所）
AI总结 PQuantML通过提供统一接口实现剪枝与量化，支持端到端工作流中的模型压缩，通过多种剪枝方法和固定点量化实现参数和位宽显著减少，同时保持精度。
DRUM：基于扩散的反射率感知无配对映射用于Sim2Real激光雷达分割
机构 * Kyushu University（九州大学） ； Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院）
AI总结 DRUM通过利用未标记真实数据预训练的扩散模型，结合反射强度和射线丢失噪声特性，提升Sim2Real激光雷达分割性能。
Comments ICRA 2026
基于纳尔瓦启发的传感-控制框架用于小型固定翼飞机
机构 * California Institute of Technology（加州理工学院） ； Technology Innovation Institute（技术创新研究所） ； HKUST (Guangzhou)（香港科技大学（广州））
AI总结 本文提出一种生物启发的传感-控制框架，通过多孔探头和稀疏翼压传感器测量空气流，结合数据驱动校准和控制-仿射动力学模型，提升小型固定翼无人机在低速时的敏捷性与控制精度。
通过脑机接口控制商用汽车的瘫痪人类
机构 * California Institute of Technology（加州理工学院） ； Ford Motor Company（福特汽车公司） ； Blackrock Neurotech（黑石神经技术公司） ； Casa Colina Hospital and Centers for Healthcare（卡萨科利纳医院与医疗中心） ； University of California Los Angeles（加州大学洛杉矶分校） ； University of Southern California（南加州大学） ； The University of Utah（犹他大学）
AI总结 研究通过脑机接口实现瘫痪患者在模拟和真实环境中的车辆操控，证明其与正常人相当的操控速度和精度，展示了BCI在驾驶控制中的可行性与创新性。
Comments 50 pages, 7 figures, 1 table. 27 supplementary pages, 9 supplementary figures, 13 supplementary tables, 9 supplementary movies available as ancillary files
针对半线性波动方程的物理信息神经网络的误差估计
机构 * Department of Mathematics, Ludwig Maximilians Universität München（慕尼黑大学数学系） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心 (MCML)） ； Department of Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系）
AI总结 本文基于物理信息神经网络对半线性波动方程进行误差估计，通过网络层宽度和训练点数量推导出泛化误差和训练误差的界限，并在H^1([0,T];L^2(Ω))-范数下证明总误差可被任意小化。
追逐自主性：动态重定向和控制引导的强化学习用于高效且可控的人形跑步
机构 * California Institute of Technology（加州理工学院） ； Technology Innovation Institute (TII)（技术创新研究所）
AI总结 本文提出动态重定向方法，通过优化流程生成改进的周期参考库，结合控制引导奖励提升人形跑步的性能和可控性，实验证明在硬件上实现了高效和持久的跑步表现。
Comments This work has been submitted to the IEEE for possible publication
张量高斯过程：非线性偏微分方程的高效求解器
机构 * Kahlert School of Computing, University of Utah（犹他大学卡勒特计算学院） ； Department of Mathematics, University of Kentucky（肯塔基大学数学系） ； Department of Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系）
AI总结 本文提出基于张量高斯过程的求解器TGPS，通过一维高斯过程因子函数和张量分解降低计算复杂度，结合部分冻结策略和牛顿法提升效率，并在多个基准PDE上验证了其精度和效率优势。
Comments Accepted at AISTATS 2026
MIRROR：通过实时重定向和远程操作的视觉动作模仿 via 平行微分逆运动学
机构 * Department of Mechanical and Civil Engineering, California Institute of Technology（机械与土木工程系，加州理工学院）
AI总结 本文提出一种基于GPU的连续微分逆运动学方法，通过并行求解多个约束逆运动学二次规划和自碰撞避障控制屏障函数，提升实时操作的安全性和稳定性，实现对THEMIS人形机器人上半身的鲁棒实时远程操作。
Comments 8 pages, 7 figures
操作性机器学习用于远程光谱检测甲烷点源
机构 * University of Oxford（牛津大学） ； International Methane Emissions Observatory, United Nations Environment Programme (UNEP)（国际甲烷排放观测站，联合国环境规划署（UNEP）） ； Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院）
AI总结 本文提出利用操作性机器学习技术，通过空间borne成像光谱仪实现全球范围内的甲烷点源检测，通过模型集成显著降低误检率，为未来高数据量的成像光谱仪提供关键技术支持。
Comments 20 pages, 14 figures, 10 tables. In review
基于图像条件的自适应参数调节用于视觉里程计前端
机构 * Robotics and Perception Group, University of Zurich, Switzerland（苏黎世大学机器人与感知组，瑞士） ； Jet Propulsion Laboratory, California Institute of Technology, USA（加州理工学院喷气推进实验室，美国）
AI总结 本文提出一种基于图像条件的强化学习框架，用于在线调节视觉里程计前端参数，通过轻量级纹理感知CNN编码器和特权批评者实现，在TartanAirV2和TUM RGB-D数据集上实验显示特征轨迹更长且计算成本更低。
ContractionPPO：通过可微收缩层实现认证强化学习
机构 * California Institute of Technology（加州理工学院） ； Brown University（布朗大学）
AI总结 ContractionPPO通过在PPO中引入依赖状态的收缩度量层，实现四足机器人鲁棒且可认证的稳定控制，解决了高维接触丰富系统中参考轨迹设计的挑战。
Comments Accepted to RA-L journal
比例 regime 中线性去噪器的精确性能
机构 * California Institute of Technology（加州理工学院）
AI总结 本文研究了在比例 regime 中，通过训练线性去噪器来改进去噪性能，利用 CGMT 定理分析了去噪器的泛化误差，并通过数值模拟验证了其优于传统经验维纳滤波器的性能。
向样本最优学习玻色高斯量子态迈进
机构 * Institute for Quantum Information and Matter（量子信息研究所） ； Caltech（加州理工学院） ； Scuola Normale Superiore（高等师范大学） ； Inria（法国国家科学与技术研究院） ； Télécom Paris – LTCI（巴黎电信学院 – LTCI） ； Institut Polytechnique de Paris（巴黎理工学院）
AI总结 研究如何用最少样本学习未知的玻色高斯态，证明了不同测量方式下的样本复杂度下界和上界，揭示了非高斯测量在被动态学习中的必要性。
Comments 59 pages, 3 figures, 1 table. Comments welcome
通过量子哈密顿量的分层蒸馏进行预测自由能模拟
机构 * Division of Chemistry and Chemical Engineering, California Institute of Technology, Pasadena, CA, 91125, USA（化学与化工系，加州理工学院，帕萨迪纳，CA，91125，USA） ； Chemical Engineering, California Institute of Technology, Pasadena, CA, 91125, USA（化学工程，加州理工学院，帕萨迪纳，CA，91125，USA）
AI总结 本文提出一种分层机器学习框架，通过蒸馏少量高精度量子计算知识，构建粗粒化机器学习量子哈密顿量，实现高精度自由能模拟，验证了弱酸质子解离常数和酶反应速率的计算准确性。
非线性稳定性分析与基于学习的控制的收缩理论：教程概述
机构 * Division of Engineering and Applied Science, California Institute of Technology, Pasadena, CA, USA（加州理工学院工程与应用科学系） ； Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA, USA（加州理工学院喷气推进实验室） ； Nonlinear Systems Laboratory, Massachusetts Institute of Technology, Cambridge MA, USA（麻省理工学院非线性系统实验室）
AI总结 本文综述了收缩理论在非线性确定性和随机系统稳定性分析中的应用，重点在于通过凸优化系统构建收缩度量以获得鲁棒性和稳定性保证。
Comments Annual Reviews in Control, Preprint Version, Accepted, Oct. 1st
Journal ref Annual Reviews in Control; Volume 52; 2021; Pages 135-169; ISSN 1367-5788
看得不见就忘记了吗？评估视频世界模型中的状态演变
机构 * California Institute of Technology（加州理工学院）
AI总结 本文设计STEVO-Bench基准测试，评估视频世界模型能否脱离观察独立演进，揭示其在自然状态演变中的局限性。
从全景LiDAR扫描中学习几何和光度特征用于户外场所分类
机构 * Graduate School of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电子工程研究生院） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室） ； Faculty of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电子工程学部） ； Technical University of Cartagena（卡塔赫纳技术大学）
AI总结 本文提出利用CNN处理LiDAR获取的全景深度/反照率图像，通过构建MPO数据集实现户外场所分类，优于传统方法，验证了深度与反照率模态的联合使用有效性。
Comments Published in Advanced Robotics on 31 Jul 2018
Journal ref Advanced Robotics, 32(14):750-765, 2018
ECHOSAT：在空间和时间上估算树冠高度
机构 * Department of Information Systems, University of Münster（慕尼黑大学信息系统系） ； Laboratoire des Sciences du Climat et de l’Environnement (LSCE)（气候与环境科学实验室） ； Zuse Institute Berlin (ZIB)（柏林Zuse研究所） ； Jet Propulsion Laboratory (JPL), California Institute of Technology（喷气推进实验室（JPL），加州理工学院） ； Technische Universität Berlin（柏林技术大学）
AI总结 ECHOSAT通过多传感器卫星数据训练视觉变换器模型，实现全球范围内高精度的树冠高度时空估计，提升碳监测和森林扰动评估能力。
Comments 19 pages, 12 figures, 6 tables
天空的 polishing：基于宽视场和高动态范围干涉成像的图像重建及其在强引力透镜发现中的应用
机构 * Department of Computing and Mathematical Sciences, California Institute of Technology (Caltech), Pasadena, CA, USA（计算与数学科学系，加州理工学院（Caltech），帕萨迪纳，CA，美国） ； Center for Astrophysics ∣ \mid Harvard & Smithsonian, Cambridge, MA, USA（天体物理中心，哈佛与史密松尼天体物理研究中心，剑桥，MA，美国）
AI总结 本文提出改进的POLISH框架，通过补丁训练和非线性强度变换实现宽视场和高动态范围的干涉成像，提升强引力透镜发现的重建质量与鲁棒性。
兰格朗日流用于建模神经潜在动态
机构 * Caltech, Vision Lab（加州理工学院视觉实验室） ； The Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（自然与人工智能研究学院，哈佛大学） ； University of Amsterdam, Institute for Informatics（阿姆斯特丹大学信息学院）
AI总结 LangevinFlow通过引入物理先验和振荡器网络，有效建模神经群体的潜在动态及其未观测影响。
Comments Full version of the Cognitive Computational Neuroscience (CCN) 2025 poster
形态-对称等变异构图神经网络用于机器人动力学学习
机构 * California Institute of Technology（加州理工学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出MS-HGNN，通过整合机器人运动学结构和形态对称性，实现高效的动力学学习，并在多个四足机器人任务中验证了其有效性。
基于稀疏变换分析的无监督表示学习
机构 * Computing and Mathematical Sciences, Caltech, CA（计算与数学科学系，加州理工学院） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University, MA（自然与人工智能研究学院，哈佛大学） ； Amsterdam Machine Learning Lab, University of Amsterdam, the Netherlands（阿姆斯特丹机器学习实验室，阿姆斯特丹大学）
AI总结 本文提出通过稀疏变换分析学习序列数据的无监督表示，利用概率流模型分解为稀疏场，实现解耦的等变表示。
Comments T-PAMI journal paper
代理AI的适应：训练后、记忆和技能的综述
机构 * UIUC（伊利诺伊大学香槟分校） ； Stanford（斯坦福大学） ； Princeton（普林斯顿大学） ； Harvard（哈佛大学） ； UC Berkeley（加州大学伯克利分校） ； Caltech（加州理工学院） ； UCSD（加州大学圣地亚哥分校） ； Georgia Tech（佐治亚理工学院） ； Northwestern（西北大学） ； TAMU（德克萨斯大学奥斯汀分校） ； MGH（麻省总医院） ； Keiji AI ； Unity
AI总结 本文综述了代理AI在训练后、记忆和技能方面的适应方法，提出四范式框架，分析了代理与工具适应的技术细节及权衡，探讨了开放问题。
变分流映射：为一步条件生成引入噪声
机构 * University of Oxford（牛津大学） ； California Institute of Technology（加州理工学院） ； University of Toronto（多伦多大学） ； NVIDIA（英伟达公司）
AI总结 变分流映射通过学习初始噪声分布，实现单步条件生成，提升逆问题求解效率和样本保真度。
利用补充静止轨道卫星数据和分层规划实现卫星观测的动态瞄准
机构 * Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA（喷气推进实验室，加州理工学院，帕萨迪纳，CA） ； Harvard University, Cambridge, MA（哈佛大学，剑桥，MA） ； Department of Computer Science, Carnegie Mellon University, Pittsburgh, PA（计算机科学系，卡内基梅隆大学，匹兹堡，PA）
AI总结 本文提出了一种利用静止轨道卫星数据和分层规划方法，提升动态瞄准任务中观测规划效率的解决方案，实验表明其在特定场景下性能提升达41%。
Comments Appears in the proceedings of the 2026 IEEE International Conference on Robotics and Automation
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈