Cornell University（康奈尔大学）

Wanderland: Geometrically Grounded Simulation for Open-World Embodied AI

Wanderland: 为开放世界具身AI提供几何学基础的模拟

Xinhao Liu, Jiaqi Li, Youming Deng, Ruxin Chen, Yingjia Zhang, Yifei Ma, Li Guo, Yiming Li, Jing Zhang, Chen Feng

机构 * New York University（纽约大学） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出Wanderland框架，通过多传感器采集和高精度几何重建，解决开放世界具身AI中模拟与现实差距大的问题，并展示其在导航政策学习中的应用。

Comments CVPR 2026

Biogeochemistry-Informed Neural Network (BINN) for Improving Accuracy of Model Prediction and Scientific Understanding of Soil Organic Carbon

基于生物地球化学的神经网络（BINN）用于提高模型预测的准确性及对土壤有机碳的科学理解

Haodi Xu, Joshua Fan, Feng Tao, Lifen Jiang, Fengqi You, Benjamin Z. Houlton, Ying Sun, Carla P. Gomes, Yiqi Luo

机构 * Soil and Crop Sciences Section, School of Integrative Plant Science, Cornell University（康奈尔大学综合植物科学学院土壤与作物科学系） ； Department of Computer Science, Cornell University（康奈尔大学计算机科学系） ； Department of Ecology and Evolutionary Biology, Cornell University（康奈尔大学生态与进化生物学系） ； Department of Informatics and Intelligent Systems, Institute of Energy and the Environment, The Pennsylvania State University（宾夕法尼亚州立大学能源与环境研究所信息学与智能系统系） ； Department of Systems Engineering, Cornell University（康奈尔大学系统工程系） 纠错

AI总结 本文提出BINN，结合过程性土壤碳循环模型与神经网络，通过大规模数据提高对土壤有机碳存储机制的理解，并展示其在预测土壤碳循环过程中的高效性与准确性。

Comments 65 pages, 15 figures