ETH Zurich（苏黎世联邦理工学院）

2512.19469 2026-04-08 cs.CE cs.LG

GLUE: Coordinating Pre-Trained Generative Models for System-Level Design

GLUE：协调预训练生成模型进行系统级设计

Tim Aebersold, Soheyl Massoudi, Mark D. Fuge

机构 * Department of Engineering, University of [REDACTED]（[已编辑]大学工程系）； Department of Mechanical and Process Engineering, ETH Zurich（苏黎世联邦理工学院机械与过程工程系）

AI总结本文提出GLUE方法，通过协调预训练生成模型生成可行、多样且高性能的系统设计，对比了数据驱动和无数据方法的性能与效率。

Comments 12 pages, 10 figures, Preprint

2604.05230 2026-04-08 cs.LG cs.AI cs.NA math.NA math.OC

Curvature-Aware Optimization for High-Accuracy Physics-Informed Neural Networks

曲率感知优化用于高精度物理信息神经网络

Anas Jnini, Elham Kiyani, Khemraj Shukla, Jorge F. Urban, Nazanin Ahmadi Daryakenari, Johannes Muller, Marius Zeinhofer, George Em Karniadakis

机构 * Department of Information Engineering and Computer Science, University of Trento（特伦托大学信息工程与计算机科学系）； Division of Applied Mathematics, Brown University（布朗大学应用数学部）； Center for Biomedical Engineering, Brown University（布朗大学生物医学工程中心）； Institute of Mathematics, TU Berlin（柏林工业大学数学研究所）； ETH Zurich（苏黎世联邦理工学院）

AI总结本文提出曲率感知优化策略，加速物理信息神经网络求解偏微分方程和常微分方程，采用自然梯度、自缩放BFGS和Broyden优化器，并与高阶数值方法对比验证。

Comments 54 pages, 24 figures

2603.03181 2026-04-08 cs.RO eess.SP

Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery

基于EEG的混合视觉和运动想象的机器人抓取与放置控制

Yichang Liu, Tianyu Wang, Ziyi Ye, Yawei Li, Yu-Gang Jiang, Shouyan Wang, Yanwei Fu

机构 * Institute of Science and Technology for Brain-inspired Intelligence (ISTBI), Fudan University（复旦大学类脑智能科学与技术研究院）； School of Data Science, Fudan University（复旦大学大数据学院）； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身智能研究院）； Shanghai Key Laboratory of Multimodal Embodied AI（上海市多模态具身智能重点实验室）； Shanghai Innovation Institute（上海创新研究院）； ETH Zürich（苏黎世联邦理工学院）

AI总结本文提出一种整合EEG视觉和运动想象与机器人控制的框架，实现实时意图驱动的抓取与放置。系统通过离线预训练解码器在在线流式管道中零样本方式实现神经信号与物理控制的连接，实现视觉意图到机器人动作的转换，验证了纯想象基BCI范式在实际人机协作中的灵活性。

Comments ICRA 2026

2601.06928 2026-04-08 cs.CV

RenderFlow: Single-Step Neural Rendering via Flow Matching

RenderFlow：通过流匹配实现单步神经渲染

Shenghao Zhang, Runtao Liu, Christopher Schroers, Yang Zhang

机构 * Disney Research|Studios（迪士尼研究院/工作室）； ETH Zürich（苏黎世联邦理工学院）

AI总结本文提出RenderFlow框架，通过流匹配方法实现单步神经渲染，解决传统渲染方法的效率与精度问题，提升渲染质量和视觉效果。

Comments CVPR 2026; Supplementary material included