PicoSAM3: Real-Time In-Sensor Region-of-Interest Segmentation
PicoSAM3：实时传感器区域感兴趣分割
机构 * ETH Zürich（苏黎世联邦理工学院） ； IBM Research（IBM研究院）
AI总结 PicoSAM3是一款轻量级实时传感器区域分割模型，结合密集CNN架构、区域兴趣提示编码和知识蒸馏，实现低延迟高精度分割。
高校专区
ETH Zurich（苏黎世联邦理工学院）
HumanHalo -- Safe and Efficient 3D Navigation Among Humans via Minimally Conservative MPC
HumanHalo -- 通过最小保守MPC实现安全高效的三维人群导航
机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出HumanHalo框架，结合可达性安全保证与数据驱动人体运动预测，通过仅约束初始控制输入实现安全高效的3D MAV人群导航，在仿真和真实实验中验证了其有效性。
OGD4All: A Framework for Accessible Interaction with Geospatial Open Government Data Based on Large Language Models
OGD4All: 基于大语言模型的可访问地理空间开放政府数据交互框架
机构 * Professorship of Computational Social Science, ETH Zurich（计算社会科学教授职位，苏黎世联邦理工学院） ； Esri R&D Center Zurich（埃斯里苏黎世研发中心） ； Complexity Science Hub（复杂性科学中心）
AI总结 提出OGD4All框架，结合语义检索、智能体推理和沙盒执行，实现基于大语言模型的地理空间开放政府数据交互，在430个数据集上达到98%分析正确率和94%召回率，有效减少幻觉风险。
Comments Author Accepted Manuscript (AAM). Proceedings of 2026 IEEE CAI (Granada, Spain). Update manuscript with final DOI. Code & data available at: https://github.com/ethz-coss/ogd4all
Journal ref 2026 IEEE Conference on Artificial Intelligence (CAI), pp. 882-888
MAVRL: Learning Reward Functions from Multiple Feedback Types with Amortized Variational Inference
MAVRL: 通过摊销变分推断从多种反馈类型中学习奖励函数
机构 * ETH AI Center, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院人工智能中心） ； Department of Computer Science, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院计算机科学系） ； Department of Informatics, University of Zurich, Zurich, Switzerland（苏黎世大学信息学系）
AI总结 提出一种基于贝叶斯推断的框架，从异构反馈类型（如演示、比较、评分和停止）中联合学习共享潜在奖励函数，采用摊销变分推断方法，无需手动损失平衡，实验表明联合推断的奖励后验优于单类型基线，并提高了策略对环境扰动的鲁棒性。
Comments Accepted at ICML 2026
RelightAnyone: A Generalized Relightable 3D Gaussian Head Model
RelightAnyone: 一种通用的可重光照3D高斯头部模型
机构 * ETH Zürich（苏黎世联邦理工学院） ； DisneyResearch|Studios（迪士尼研究与工作室） ； Max Planck Institute for Informatics, SIC（马克斯·普朗克信息学院，SIC）
AI总结 提出一种两阶段通用可重光照3D高斯头部模型，无需OLAT数据即可从单/多视图图像重光照任意对象，通过从平光照3DGS头像到物理反射参数的映射实现高质量重光照。
APEX: Action Priors Enable Efficient Exploration for Robust Motion Tracking on Legged Robots
APEX: 动作先验实现高效探索，实现足式机器人鲁棒运动跟踪
机构 * Multi-Agent Robotic Motion Lab（多智能体机器人运动实验室） ； Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（机械工程系，设计与工程学院，新加坡国立大学） ； Computational Robotics Lab（计算机器人实验室） ； Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院） ； Robot Intelligence Lab（机器人智能实验室） ； Department of Artificial Intelligence, Korea University（人工智能系，韩国大学）
AI总结 提出APEX框架，通过衰减动作先验引导探索，结合多评判器分离风格与任务信号，实现无需部署时参考动作输入的高效运动跟踪。
Comments \c{opyright} 20XX 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
Bearing Syntactic Fruit with Stack-Augmented Neural Networks
使用栈增强神经网络结出句法之果
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本文首次证明，仅基于表面形式训练的栈增强神经网络能够像人类一样进行层次句法泛化，其中非确定性栈增强的Transformer表现最佳。
Comments 18 pages, 6 figures. Updated draft with additional experiments
