Cornell University（康奈尔大学）

EMAGN: Efficient Multi-Attention Graph Network via Learned Clustering for Scalable Traffic Forecasting

EMAGN：基于学习聚类的高效多注意力图网络用于可扩展交通流量预测

Mingxing Xu, Rakesh Chowdary Machineni, Ke Liu, Xi Cheng, Chengqi Lu, Xin Hu, Lyuhao Chen, Xiangyu Li, Junwei You, Oliver Gao

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Cornell University（康奈尔大学） ； Technische Universität Dresden（德累斯顿工业大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 针对交通流量预测中自注意力机制扩展性有限的问题，提出EMAGN，通过学习聚类矩阵将空间注意力机制线性化，降低复杂度，实验表明其在准确性和效率上优于其他模型，扩展了可行模型配置。

Cost-Optimal Foundation Model Deployment Portfolio for Transportation Management

用于交通管理的成本最优基础模型部署组合

Xi Cheng, Ke Liu, Siyuan Feng, Jane Lin, H. Oliver Gao

机构 * Cornell University（康奈尔大学） ； University of California, Berkeley（加州大学伯克利分校） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

AI总结 研究交通管理中基础模型部署组合问题，提出FMDP混合整数规划，证明其NP难，给出多项式时间贪婪启发式算法，通过案例研究确定低成本组合，经盈亏平衡分析得出本地GPU投资合理的条件。

Comments Accepted at IEEE ITSC 2026

Power from Potential: A Survey of Electrostatic Actuators for Haptics

源于电势的动力：用于触觉的静电致动器综述

Ahad M. Rauf, Ran Zhou, Eric Acome, Madeline Balaam, Sean Follmer, Teng Han, Craig Shultz, Daniel Leithinger

机构 * Stanford University（斯坦福大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Artimus Robotics（阿蒂姆斯机器人公司） ； Chinese Academy of Science（中国科学院） ； Fluid Reality, Inc.（流体现实公司） ； Cornell University（康奈尔大学） 纠错

AI总结 该文综述用于触觉的高压静电致动器，考察静电可切换粘合剂等四类，描述其触觉输出机制、表征相关性能，通过跨技术分析确定设计限制与新兴策略，指出其在推动触觉交互上的独特定位及关键研究方向。

Comments Copyright 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Towards end-to-end optimization in multimaterial 3D printing

迈向多材料3D打印中的端到端优化

Xue-Ling Luo, Steven Yang, Jingye Tan, Robert F. Shepherd, Noy Cohen, Nikolaos Bouklas

机构 * addressline= Sibley School of Mechanical ； Aerospace Engineering, Cornell University , city= Ithaca , state= NY , country= USA ； addressline= Department of Aerospace \& Mechanical Engineering, University of Southern California , city= Los Angeles , state= CA , country= USA ； addressline= Department of Materials Science ； Engineering, Technion - Israel Institute of Technology , city= Haifa , country= Israel ； addressline= Pasteur Labs , city= Brooklyn , state= NY , country= USA 纠错

AI总结 针对多材料3D打印中优化空间材料分布与结构拓扑的难题，提出将稀疏物理增强神经网络与有限元拓扑优化集成的端到端框架，通过提取本构定律实现精确微分，应用于软机器人抓手，可取代经验原型制作，建立实用的机器学习设计模型。

GameEngineBench: Evaluating Coding Agents on Real C++ Runtime Environments

GameEngineBench：在真实C++运行时环境中评估编码智能体

Brian La, Sejoon Chang, Ben Kim, Junyoung Bae, Aamish Ahmad Beg, Sei Chang, Gonzalo Gonzalez-Pumariega, Kanav Goyal

机构 * Nitrode ； Nexon Intelligence Labs ； Dartmouth University（达特茅斯大学） ； Columbia University（哥伦比亚大学） ； Cornell University（康奈尔大学） 纠错

AI总结 研究利用GameEngineBench在虚幻引擎5项目中评估编码智能体，核心方法是构建来自九个真实游戏仓库的基准测试集，主要贡献是揭示智能体在实时交互软件的C++开发中面临挑战，凸显游戏引擎基准测试的价值。