ETH Zurich（苏黎世联邦理工学院）

Universality of first-order methods on random and deterministic matrices

一阶方法在随机和确定性矩阵上的普遍性

Nicola Gorini, Chris Jones, Dmitriy Kunisky, Lucas Pesenti

机构 * Bocconi University（博科尼大学） ； UC Davis（加州大学戴维斯分校） ； Johns Hopkins University（约翰霍普金斯大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 研究一阶方法在随机和确定性矩阵上的动态行为，通过分析输入矩阵的极限交通分布，推导出确定性矩阵的极限动态，并设计新的AMP迭代方法统一多种变体。

Design Principles for Sequence Models via Coefficient Dynamics

通过系数动力学设计序列模型的原则

Jerome Sieber, Antonio Orvieto, Melanie N. Zeilinger, Carmen Amo Alonso

机构 * ETH Zurich（苏黎世联邦理工学院） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Stanford University（斯坦福大学） 纠错

AI总结 本文通过系数动力学框架系统比较了序列模型，揭示了不同架构间的数学共同主题，并提出了设计原则以平衡表达能力、效率和稳定性。

A robust and adaptive MPC formulation for Gaussian process models

一种针对高斯过程模型的鲁棒且自适应的MPC公式化

Mathieu Dubied, Amon Lahr, Melanie N. Zeilinger, Johannes Köhler

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） 纠错

AI总结 本文提出了一种针对受有界扰动和未建模非线性影响的不确定非线性系统的鲁棒且自适应MPC框架，利用高斯过程学习不确定动态，并通过收缩度量进行鲁棒预测，保证递归可行性、鲁棒约束满足和参考状态收敛。

Incentivizing Honesty among Competitors in Collaborative Learning and Optimization

在协作学习和优化中激励竞争者诚实

Florian E. Dorner, Nikola Konstantinov, Georgi Pashaliev, Martin Vechev

机构 * MPI for Intelligent Systems, Tübingen（马克斯·普朗克智能系统研究所（图宾根）） ； ETH Zurich（苏黎世联邦理工学院） ； INSAIT, Sofia University（索非亚大学INSAIT研究所） ； Sofia High School of Mathematics（索非亚数学高中） 纠错

AI总结 研究探讨了协作学习中竞争者诚实激励问题，提出机制确保学习质量，并在非凸联邦学习基准中验证了激励方案的有效性。

Comments Updated experimental results after fixing a mistake in the code. Previous version published in NeurIPS 2023; 37 pages, 5 figures

IMPACT: A Dataset for Multi-Granularity Human Procedural Action Understanding in Industrial Assembly

IMPACT：一个多粒度工业装配中的人类过程动作理解数据集

Di Wen, Zeyun Zhong, David Schneider, Manuel Zaremski, Linus Kunzmann, Yitian Shi, Ruiping Liu, Yufan Chen, Junwei Zheng, Jiahang Li, Jonas Hemmerich, Qiyi Tong, Patric Grauberger, Arash Ajoudani, Danda Pani Paudel, Sven Matthiesen, Barbara Deml, Jürgen Beyerer, Luc Van Gool, Rainer Stiefelhagen, Kunyu Peng

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Italian Institute of Technology（意大利理工学院） ； INSAIT, Sofia University（索非亚大学INSAIT研究所） 纠错

AI总结 IMPACT数据集通过同步五视角RGB-D数据，提供真实工业装配场景下的多粒度人类过程动作理解，包含112次试验，结合部分序优先级图、六类异常分类和NASA-TLX测量，揭示了单任务基准无法捕捉的真实部署条件下的局限性。

Comments 9 pages, 2 figures, benchmark and dataset are available at https://github.com/Kratos-Wen/IMPACT

Rethinking Video Human-Object Interaction: Set Prediction over Time for Unified Detection and Anticipation

重新思考视频人-物体交互：基于时间的集合预测用于统一检测与预测

Yuanhao Luo, Di Wen, Kunyu Peng, Ruiping Liu, Junwei Zheng, Yufan Chen, Jiale Wei, Rainer Stiefelhage

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； INSAIT, Sofia University（索非亚大学INSAIT研究所） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出DETAnt-HOI基准和HOI-DA框架，通过联合检测与预测提升视频人-物体交互的理解，解决现有方法在时间对齐和预测可靠性上的不足。

Comments 17 pages, 8 figures, code will be publicly available

ProPhy: Progressive Physical Alignment for Dynamic World Simulation

ProPhy：渐进式物理对齐用于动态世界模拟

Zijun Wang, Panwen Hu, Jing Wang, Terry Jingchen Zhang, Yuhao Cheng, Long Chen, Yiqiang Yan, Zutao Jiang, Hanhui Li, Xiaodan Liang

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Peng Cheng Laboratory（鹏城实验室） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； ETH Zürich（苏黎世联邦理工学院） ； Lenovo Research（联想研究院） 纠错

AI总结 ProPhy通过渐进式物理对齐框架，实现物理感知的视频生成，提升动态物理现象的准确性与物理一致性。

Depth-Breadth Synergy in RLVR: Unlocking LLM Reasoning Gains with Adaptive Exploration

在RLVR中深度与广度的协同作用：通过自适应探索解锁LLM推理增益

Zhicheng Yang, Zhijiang Guo, Yinya Huang, Yongxin Wang, Dongchun Xie, Hanhui Li, Yiwei Wang, Xiaodan Liang, Jing Tang

机构 * Sun Yat-Sen University（中山大学） ； ETH AI Center, ETH Zurich（苏黎世联邦理工学院ETH人工智能中心） ； University of California, Merced（加州大学默塞德分校） 纠错

AI总结 本文提出DARS方法，通过自适应探索提升LLM推理能力，发现扩大批量大小能显著提升Pass@1指标，同时结合DARS-Breadth方法实现深度与广度的协同增益。

Comments 20 pages, 17 figures

Towards Multi-Source Domain Generalization for Sleep Staging with Noisy Labels

面向噪声标签的多源领域泛化睡眠分期研究

Kening Wang, Di Wen, Yufan Chen, Ruiping Liu, Junwei Zheng, Jiale Wei, Kailun Yang, Rainer Stiefelhagen, Kunyu Peng

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Hunan University（湖南大学） 纠错

AI总结 本文提出FF-TRUST框架，通过联合时间-频率早期学习正则化提升噪声标签下的睡眠分期鲁棒性，实验显示在多个数据集上取得最佳性能。

Comments The benchmark and code will be made publicly available at https://github.com/KNWang970918/FF-TRUST.git

Towards Robust Optimization-Based Autonomous Dynamic Soaring with a Fixed-Wing UAV

面向鲁棒优化的自主动态滑翔飞行固定翼无人机

Marvin Harms, Jaeyoung Lim, David Rohr, Friedrich Rockenbauer, Nicholas Lawrance, Roland Siegwart

机构 * Autonomous Robots Lab, NTNU, Norway（挪威科技大学自主机器人实验室） ； Autonomous Systems Lab, ETH Zürich, Zürich 8092, Switzerland（苏黎世联邦理工学院自主系统实验室） ； CSIRO Robotics, Data61, QLD 4069, Australia（澳大利亚联邦科学与工业研究组织机器人技术部，Data61） 纠错

AI总结 本文提出一种基于优化的自主动态滑翔框架，通过风场显式表示和经典控制方法实现鲁棒路径跟踪，验证了在风场估计误差下的动态滑翔性能。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L). \c{opyright} 2026 IEEE

Switch-JustDance: Benchmarking Whole Body Motion Tracking Controllers Using a Commercial Console Game

Switch-JustDance: 使用商业游戏机评估完整身体运动跟踪控制器的基准测试

Jeonghwan Kim, Wontaek Kim, Yidan Lu, Jin Cheng, Fatemeh Zargarbashi, Zicheng Zeng, Zekun Qi, Zhiyang Dou, Nitish Sontakke, Donghoon Baek, Sehoon Ha, Tianyu Li

机构 * Georgia Tech（佐治亚理工学院） ； HKU（香港大学） ； ETH Zurich（苏黎世联邦理工学院） ； SCUT（华南理工大学） ； THU（清华大学） ； MIT（麻省理工学院） ； PNDbotics 纠错

AI总结 本文提出Switch-JustDance基准测试平台，利用Nintendo Switch上的Just Dance游戏评估机器人完整身体控制能力，验证其可靠性并对比三种先进控制器的性能。