Columbia University（哥伦比亚大学）

Entanglement as a Structural Complexity Axis: A PAC-Bayesian View of Generalization in Quantum Policies and Value Functions

作为结构复杂性轴的纠缠：量子策略和价值函数中泛化的 PAC - 贝叶斯观点

Jian Xu, Delu Zeng, John Paisley, Qibin Zhao

机构 * RIKEN iTHEMS ； RIKEN AIP ； Columbia University（哥伦比亚大学） ； South China University of Technology（南方科技大学） 纠错

AI总结 研究量子策略和价值函数泛化问题，基于 PAC - 贝叶斯观点，以 Fisher 几何有效维度衡量泛化，发现纠缠会增大该维度致泛化变差，通过多实验验证此机制，为量子策略设计提供新视角。

Variational Learning of Disentangled Representations

解缠表示的变分学习

Yuli Slavutsky, Ozgur Beker, David Blei, Bianca Dumitrascu

机构 * Department of Computer Science, Columbia University, New York City, USA（哥伦比亚大学计算机科学系） 纠错

AI总结 研究如何实现解缠表示，引入DisCoVR变分框架，其目标与数据生成概率结构一致，含对抗项防止特定条件信息编码，在多类数据集上比以前方法实现更强解缠。

HJCD-IK: GPU-Accelerated Inverse Kinematics through Batched Hybrid Jacobian Coordinate Descent

HJCD-IK：通过批处理混合雅可比坐标下降实现GPU加速的逆运动学

Cael Yasutake, Andrew H. Liu, Zachary Kingston, Brian Plancher

机构 * Columbia University（哥伦比亚大学） ； Purdue University（普渡大学） ； Barnard College, Columbia University（巴纳德学院，哥伦比亚大学） 纠错

AI总结 研究机器人逆运动学问题，提出基于GPU加速、采样的混合求解器HJCD-IK，通过结合方向感知贪婪坐标下降初始化、雅可比优化和并行碰撞滤波器，在速度和精度上比现有求解器有显著提升，且能找到无碰撞解决方案并开源代码。

Comments Accepted to IROS 2026. 8 pages, 6 figures, 3 tables, 4 algorithms