ETH Zurich（苏黎世联邦理工学院）

PAWS: Perception of Articulation in the Wild at Scale from Egocentric Videos

PAWS：从全景视频中大规模感知动作

Yihao Wang, Yang Miao, Wenshuai Zhao, Wenyan Yang, Zihan Wang, Joni Pajarinen, Luc Van Gool, Danda Pani Paudel, Juho Kannala, Xi Wang, Arno Solin

机构 * Aalto University（阿尔托大学） ； INSAIT, Sofia University（索菲亚大学INSAIT研究所） ； ETH Zurich（苏黎世联邦理工学院） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； University of Oulu（奥卢大学） 纠错

AI总结 PAWS通过直接提取手-物体互动中的动作结构，提升机器人、仿真和动画中的3D场景理解能力，实现大规模野外视频中的动作感知突破。

Comments 32 pages, 13 figures. Project page: https://aaltoml.github.io/PAWS/

UMBRELLA: Uncertainty-aware Multi-robot Reactive Coordination under Dynamic Temporal Logic Tasks

UMBRELLA：基于动态时间逻辑任务的不确定性感知多机器人反应协调

Qisheng Zhao, Meng Guo, Hengxuan Du, Lars Lindemann, Zhongkui Li

机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； Automatic Control Laboratory, ETH Zürich（苏黎世联邦理工学院自动控制实验室） 纠错

AI总结 本文提出UMBRELLA框架，结合MCTS与不确定性感知路径规划，通过置信度预测降低任务完成时间和方差，适用于动态移动目标的多机器人协作任务。

Training-free Detection and 6D Pose Estimation of Unseen Surgical Instruments

无需训练的未见手术工具检测与6D位姿估计

Jonas Hein, Lilian Calvet, Matthias Seibold, Siyu Tang, Marc Pollefeys, Philipp Fürnstahl

机构 * University Hospital Balgrist, University of Zurich（巴尔格里斯特大学医院，苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出无需训练的多视角6D位姿估计方法，利用纹理CAD模型作为先验知识，通过多视角几何一致性过滤和轮廓注册实现高精度检测与位姿估计，适用于未见手术工具的场景。

Comments Accepted at IJCARS: IPCAI 2026

An MPC framework for efficient navigation of mobile robots in cluttered environments

一种用于在障碍环境中高效导航移动机器人的MPC框架

Johannes Köhler, Daniel Zhang, Raffaele Soloperto, Andrea Carron, Melanie Zeilinger

机构 * Institute for Dynamic Systems and Control, ETH Zurich（苏黎世联邦理工学院动态系统与控制研究所） ； Department of Mechanical Engineering, Imperial College London（伦敦帝国理工学院机械工程系） ； ETH Zurich（苏黎世联邦理工学院） ； Automatic Control Laboratory, ETH Zurich（苏黎世联邦理工学院自动控制实验室） 纠错

AI总结 本文提出一种整合有限段最短路径规划器的MPC框架，用于在障碍环境中实现移动机器人高效导航，确保动态目标选择和碰撞避免。

Comments - Code available at: https://github.com/IntelligentControlSystems/ClutteredEnvironment - Supplementary video: https://youtu.be/Hn_hpAmGgq0

HyperGaussians: High-Dimensional Gaussian Splatting for High-Fidelity Animatable Face Avatars

HyperGaussians: 高维高斯点云用于高质量可动画人脸仿生体

Gent Serifi, Marcel C. Buehler

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出HyperGaussians，一种高维多变量高斯点云的扩展，用于生成高质量可动画人脸仿生体。通过引入可学习的局部嵌入条件，提升表达能力，解决传统3DGS在非线性变形和细节表现上的不足。

Comments CVPR 2026, Project page: https://gserifi.github.io/HyperGaussians, Code: https://github.com/gserifi/HyperGaussians