ETH Zurich（苏黎世联邦理工学院）

2607.03496 2026-07-14 cs.SD eess.AS 版本更新

Trajectory Variance: An Unsupervised Measure of Developmental Vocal Plasticity in Birdsong

轨迹方差：鸟类鸣叫发育中无监督的发声可塑性度量

Kanghwi Lee

机构 * Institute of Neuroinformatics, University of Zurich and ETH Zurich（苏黎世大学和瑞士联邦理工学院神经信息学研究所）

AI总结研究鸟类鸣叫发育中发声变化，提出轨迹方差这一可塑性得分，用位移模型预测自动编码器潜在空间中年龄条件变化，其预测方差量化发声变化，能区分习得音节与先天鸣叫且与频谱平坦度相关。

2606.31779 2026-07-14 cs.LG cs.CL 版本更新

Bridging the Gap Between Latent and Explicit Reasoning with Looped Transformers

弥合潜在推理与显式推理之间的差距：循环Transformer

Ying Fan, Anej Svete, Kangwook Lee

机构 * UW-Madison（威斯康星大学麦迪逊分校）； Microsoft Research（微软研究院）； ETH Zürich（苏黎世联邦理工学院）； KRAFTON（魁匠团）； Ludo Robotics

AI总结提出LOTUS方法，利用循环Transformer在潜在空间进行多步推理，通过并行监督潜在块上的CoT令牌，首次在3B规模弥合与显式CoT的差距，并将推理延迟降低2.5-6.9倍。

2605.15753 2026-07-14 cs.RO cs.CV 版本更新

Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces

层次化和整体化的开放词汇功能3D场景图用于室内空间

Xinggang Hu, Chenyangguang Zhang, Alexandros Delitzas, Xiangkui Zhang, Marc Pollefeys, Francis Engelmann, Xiangyang Ji

机构 * Tsinghua University（清华大学）； ETH Zürich（苏黎世联邦理工学院）； MPI for Informatics（信息研究所）； Dalian University of Technology（大连理工大学）； Microsoft（微软）； Stanford University（斯坦福大学）； University of Lugano（卢加诺大学）

AI总结本文提出一种开放词汇管道，结合2D视觉定位和3D图优化，解决小规模密集相似实例的场景图推理问题，通过时间图优化和全局层次塑造提升室内空间的功能3D场景图生成能力。

2604.17335 2026-07-14 cs.RO 版本更新

Learning Whole-Body Humanoid Locomotion via Motion Generation and Motion Tracking

通过动作生成与动作追踪学习全身体态的人形运动

Zewei Zhang, Kehan Wen, Michael Xu, Junzhe He, Chenhao Li, Takahiro Miki, Clemens Schwarke, Chong Zhang, Xue Bin Peng, Marco Hutter

机构 * Robotic Systems Lab, ETH Zuirch（苏黎世联邦理工学院机器人系统实验室）； Simon Fraser University（西蒙弗雷泽大学）； ETH AI Center, ETH Zurich（苏黎世联邦理工学院人工智能中心）； EPFL（苏黎世联邦理工学院）

AI总结本文提出结合参考动作学习与地形感知适应的全身体态人形运动框架，通过扩散模型预测地形感知参考动作，并利用强化学习训练全身体态追踪器，提升在不同地形上的适应能力。

2603.22320 2026-07-14 cs.LG stat.AP stat.ML 版本更新

How Can Machine Learning Emulators Best Support Climate Science?

弥合气候科学与机器学习之间的差距：在气候模型模拟中的应用

Luca Schmidt, Nina Effenberger, Vitus Benson, Philine L. Bommer, Robert Brunstein, Mikel N. Legasa, Maxim Samarin, Maybritt Schillinger

机构 * Cluster of Excellence Machine Learning University of Tübingen（图宾根大学机器学习卓越中心）； Institute for Atmospheric and Climate Science ETH Zurich（大气与气候科学研究所，苏黎世联邦理工学院）

AI总结本文提出整合气候科学与机器学习的方法，解决模拟器在气候决策中的应用障碍，通过设计易用且可靠的模拟器促进两领域融合。

2510.09497 2026-07-14 cs.RO cs.AI 版本更新

Toward Autonomous Soft Robotic Endovascular Navigation via Imitation Learning

通过模仿学习实现自主软机器人血管内导航

Noah Barnes, Ji Woong Kim, Lingyun Di, Hannah Qu, Anuruddha Bhattacharjee, Miroslaw Janowski, Dheeraj Gandhi, Bailey Felix, Shaopeng Jiang, Olivia Young, Mark Fuge, Ryan D. Sochol, Jeremy D. Brown, Axel Krieger

机构 * Johns Hopkins University（约翰霍普金斯大学）； Stanford University（斯坦福大学）； McGill University（麦吉尔大学）； University of Maryland（马里兰大学）； Swiss Federal Institute of Technology in Lausanne (EPFL)（日内瓦联邦理工学院（EPFL））； ETH Zurich（苏黎世联邦理工学院）

AI总结研究旨在实现自主软机器人血管内导航，开发基于变压器的模仿学习框架，通过目标条件等实现通用导航，在多种几何结构上训练并评估，策略成功率高，还进行了相关研究及扩展，提升了在未见几何结构上的成功率。

2510.01830 2026-07-14 cs.RO 版本更新

What Matters in RL-Based Methods for Object-Goal Navigation? An Empirical Study and A Unified Framework

基于强化学习的目标导航方法中什么重要？实证研究与统一框架

Hongze Wang, Boyang Sun, Jiaxu Xing, Fan Yang, Marco Hutter, Dhruv Shah, Davide Scaramuzza, Marc Pollefeys

机构 * Computer Vision and Geometry Group, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机视觉与几何组）； Robotics and Perception Group, University of Zurich, Switzerland（苏黎世大学机器人与感知组）； Robotic Systems Lab, ETH Zurich, Switzerland（苏黎世联邦理工学院机器人系统实验室）； Princeton Robotic Intelligence and SysteMs group, Princeton University, USA（普林斯顿大学机器人智能与系统组）； Microsoft, Switzerland（微软公司）

AI总结研究目标导航中基于强化学习方法各组件影响，通过分解导航管道为感知、策略和测试时增强三组件进行实证研究，引入统一框架，构建增强系统达领先性能，提供见解与建议，凸显当前智能体与人类导航差距。