ETH Zurich（苏黎世联邦理工学院）

TETO: Tracking Events with Teacher Observation for Motion Estimation and Frame Interpolation

TETO：利用教师观察进行事件跟踪以实现运动估计和帧插值

Jini Yang, Eunbeen Hong, Soowon Son, Hyunkoo Lee, Sunghwan Hong, Sunok Kim, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能实验室） ； ETH Zurich（苏黎世联邦理工学院） ； Korea Aerospace University（韩国航空航天大学） 纠错

AI总结 TETO提出一种教师-学生框架，通过知识蒸馏从预训练的RGB跟踪器中学习事件运动估计，仅用25分钟未标注真实数据实现高精度点跟踪和光流估计，提升帧插值质量。

The Potential of Copernicus Satellites for Disaster Response: Retrieving Building Damage from Sentinel-1 and Sentinel-2

Copernicus卫星在灾害响应中的潜力：从Sentinel-1和Sentinel-2中获取建筑损毁信息

Olivier Dietrich, Merlin Alfredsson, Emilia Arens, Nando Metzger, Torben Peters, Linus Scheibenreif, Jan Dirk Wegner, Konrad Schindler

机构 * 1 Photogrammetry \& Remote Sensing Lab, ETH Zurich 2 EcoVision Lab, Department of Mathematical Modeling ； Machine Learning (DM3L), University of Zurich 纠错

AI总结 本文探讨了Copernicus计划的中分辨率地球观测图像在建筑损毁评估中的应用，引入了xBD-S12数据集，展示了在多种灾害场景中通过Sentinel-1和Sentinel-2图像能够有效检测和映射建筑损毁，尽管地面采样距离为10米。

Learning Multi-Agent Local Collision-Avoidance for Collaborative Carrying tasks with Coupled Quadrupedal Robots

学习多智能体局部避障以实现协作搬运任务 with 耦合四足机器人

Francesca Bray, Simone Tolomei, Andrei Cramariuc, Cesar Cadena, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich（埃因斯坦理工大学机器人系统实验室） 纠错

AI总结 本文提出基于强化学习的策略，使两台连接物体的四足机器人在未知环境中自主避障，无需预设路径或地图。

A Schrödinger Eigenfunction Method for Long-Horizon Stochastic Optimal Control

一个用于长horizon随机最优控制的Schrödinger特征函数方法

Louis Claeys, Artur Goldman, Zebang Shen, Niao He

机构 * ETH Zürich（苏黎世联邦理工学院） ； Department of Mathematics（数学系） ； ETH AI Center（ETH人工智能中心） ； Institute for Machine Learning（机器学习研究所） 纠错

AI总结 本文提出一种基于Schrödinger算子的特征函数方法，用于解决长horizon随机最优控制问题，通过将Hamilton-Jacobi-Bellman方程转化为线性PDE，并利用其特征函数系统高效描述控制问题。

Comments Accepted to ICLR 2026, code available in https://github.com/lclaeys/eigenfunction-solver

Learning Actuator-Aware Spectral Submanifolds for Precise Control of Continuum Robots

学习具备执行器意识的谱子流形以实现连续机器人精确控制

Paul Leonard Wolff, Hugo Buurmeijer, Luis Pabon, John Irvin Alora, Mark Leone, Roshan S. Kaundinya, Amirhossein Kazemipour, Robert K. Katzschmann, Marco Pavone

机构 * Autonomous Systems Lab, Stanford University, USA（斯坦福大学自主系统实验室，美国） ； Institute of Mechanical Systems, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院机械系统研究所） ； Soft Robotics Lab, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院软机器人实验室） ； NVIDIA Research, Santa Clara, USA（美国圣克拉拉NVIDIA研究） 纠错

AI总结 本文提出一种结合控制输入的谱子流形方法，用于减少连续机器人高维非线性动力学，通过训练紧凑模型降低开环预测误差并提升闭环控制性能。

AME-2: Agile and Generalized Legged Locomotion via Attention-Based Neural Map Encoding

AME-2: 通过基于注意力的神经地图编码实现敏捷且通用的腿式运动

Chong Zhang, Victor Klemm, Fan Yang, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich, Switzerland（机器人系统实验室，苏黎世联邦理工学院，瑞士） ； Secure, Reliable, and Intelligent Systems Lab, ETH Zurich, Switzerland（安全、可靠和智能系统实验室，苏黎世联邦理工学院，瑞士） ； ETH AI Center, Switzerland（苏黎世联邦理工学院人工智能中心，瑞士） 纠错

AI总结 本文提出AME-2框架，结合基于注意力的神经地图编码，实现敏捷且通用的腿式运动，通过学习的映射管道提升地形表示的鲁棒性，验证了在四足和双足机器人上的有效性。

Comments under review