EgoPHI: Estimating Contact and Force from Egocentric Vision
EgoPHI：从第一视角视觉估计接触与力
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 EgoPHI是从单目RGB图像与物体几何联合估计手和物体网格的密集3D接触图与力分布的方法，通过物理模拟扩充数据集，在多场景下实现了性能提升与泛化，推动了第一视角手-物体交互的物理推理。
Comments Accepted by ECCV 2026
高校专区
ETH Zurich（苏黎世联邦理工学院）
Anytime Plug-and-Play Control with Contract-Based Distributed MPC
基于契约的分布式模型预测控制的随时即插即用控制
机构 * Institute for Dynamic Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院） ； Institute of Mechanical Engineering, École Polytechnique Fédérale de Lausanne（机械工程研究所，洛桑联邦理工学院）
AI总结 研究多移动机器人应用中通信拓扑时变问题，提出基于局部通信的分布式控制算法，靠距离邻居定义和预测轨迹契约，有效支持智能体随时加入或离开，保证避碰和约束满足。
Safe Exploration via Policy Priors
通过策略先验进行安全探索
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 提出SOOPER方法，利用次优但保守的策略先验，结合概率动力学模型进行乐观探索和悲观回退，在保证安全的同时收敛到最优策略。
Map-Det3D: Metric Feed-Forward 3D Reconstruction Prior for Multi-view 3D Object Detection from Streaming Inputs
Map-Det3D：面向流输入的多视图3D目标检测的度量前馈3D重建先验
机构 * ETH Zürich（苏黎世联邦理工学院） ； Meta Reality Labs（元宇宙实验室） ； University of Bonn（波恩大学）
AI总结 Map-Det3D是一种在线多视图3D目标检测模型，通过将短时间窗口映射为多视图并利用前馈度量3D重建模型作为几何骨干，直接在度量3D空间预测边界框，实现了稳定的单目视频3D检测，且具有良好的在线性能与鲁棒迁移性。
Comments ECCV 2026
Learning Loco-Manipulation From SMPC Demonstrations With Sparse Offline-to-Online RL
基于稀疏离线到在线强化学习从SMPC演示中学习移动操作
机构 * RAI Institute（RAI研究所） ； Technical University of Munich（慕尼黑工业大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本研究利用仿真中SMPC生成的离线数据，结合稀疏奖励训练离策略RL智能体，整合动态稳定性控制器，实现机器人移动操作技能的仿真到真实迁移，性能超越原最优控制方法。
Disentangling the Expressivity of RoPE
解耦旋转位置嵌入（RoPE）的表达能力
机构 * Toyota Technological Institute at Chicago（芝加哥丰田技术学院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 该研究解耦RoPE的两种核心观点，形式化其表达性，发现常规RoPE的非周期性旋转仅能实现有界模拟，而周期性RoPE可泛化模块化语言，为RoPE Transformer提供更贴近实际的理论表征。
Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pre-training
迈向能量前沿异质中微子探测器的风格化模型：通过自监督预训练
机构 * IPA, ETH Zürich（瑞士苏黎世联邦理工学院IPA研究所）
AI总结 本文提出一种稀疏ViT框架，通过自监督预训练学习异质探测器数据的可重用表示，提升中微子风味和charm夸克识别、动量回归和顶点重建性能。
Comments 18 pages, 6 figures
V-FiLLM: Verified Financial LLM Reasoning Benchmark
V-FiLLM：经过验证的金融大语言模型推理基准
机构 * ETH Zürich（苏黎世联邦理工学院） ； Aisot Technologies Ltd（艾索特科技有限公司）
AI总结 本文提出V-FiLLM框架生成高可靠性金融推理基准，发现开源模型在金融推理深度增加及数值扰动下准确率显著下降，轻量级LoRA微调可提升模型在相关任务的表现。
Comments 10 pages, 6 tables, 2 figures, under review
Aerial Layouting: Design and Control of a Compliant and Actuated End-Effector for Precise In-flight Marking on Ceilings
空中布局：用于天花板精确飞行中标记的柔顺驱动末端执行器的设计与控制
机构 * Autonomous Systems Lab, ETH Zurich（苏黎世联邦理工学院自主系统实验室）
AI总结 该研究针对空中机器人毫米级定位精度需求，设计采用Gough-Stewart机构的柔顺驱动末端执行器，实现天花板上的精确标记，无需复杂建模或控制。
Comments C. Lanegger and M. Ruggia contributed equally. Accepted to Robotics: Science and Systems (RSS) 2022
GARLIC: Graph Attention-based Relational Learning of Multivariate Time Series in Intensive Care
GARLIC：重症监护环境下多变量时间序列的基于图注意力的关系学习
机构 * University of Zürich（苏黎世大学） ； ETH Zürich（苏黎世联邦理工学院） ； SPF ； SCAI Lab（SCAI实验室） ； D-HEST
AI总结 本文提出GARLIC模型，通过可学习指数衰减编码器等模块处理ICU多变量时间序列，在三个ICU基准数据集上实现结局预测最优，兼具可解释性与泛化性。
Comments *Equal contribution
GENCO - A Unified Neural Solver Embedded in a Development Framework for Steady-State Grid Analysis
GENCO — 嵌入开发框架的稳态电网分析统一神经求解器
机构 * IBM Research（IBM研究院） ； Hydro-Québec Research Institute（魁北克水电研究院） ； ETH Zurich（苏黎世联邦理工学院） ； Stony Brook University（石溪大学） ； Brookhaven National Laboratory（布鲁克海文国家实验室）
AI总结 研究人员推出统一神经求解器GENCO及开源GridFM开发框架，其可处理电网PF、OPF、SE任务，在基准测试中提速显著且性能优于经典求解器，降低电网分析门槛。
EgoTrack3D: A Modular Framework for Egocentric 3D Object Tracking
EgoTrack3D：一种用于第一人称视角三维目标跟踪的模块化框架
机构 * ETH Zürich（苏黎世联邦理工学院） ； Microsoft Research（微软研究院） ； TUM（慕尼黑工业大学） ； MCML（慕尼黑计算与机器学习中心）
AI总结 EgoTrack3D是一种模块化框架，可从第一人称视角RGB视频重建动态三维场景，在ADT数据集上较基线提升11% PCL，还能在退化观测下维持准确空间表示。
Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning
学习物理交互：触觉与力感知机器人学习综述
机构 * Nanyang Technological University（南洋理工大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The University of Tokyo（东京大学） ； ETH Zurich（苏黎世联邦理工学院） ； Harvard University（哈佛大学） ； Imperial College London（伦敦帝国学院） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Technical University of Darmstadt（达姆施塔特工业大学）
AI总结 本综述针对力与触觉感知机器人学习研究的空白，提出TF-ART分类法，整合多模态感知与多阶段系统设计视角，兼具算法与实践意义。
Comments 53 pages, 7 figures
SimulCost: A Cost-Aware Benchmark and Toolkit for Automating Physics Simulations with LLMs
SimulCost: 一个用于自动化物理模拟的代价感知基准与工具包
机构 * University of California San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Peking University（北京大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； California Institute of Technology（加州理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 针对现有LLM评估忽略工具使用代价的问题，提出SimulCost基准，通过单轮和多轮参数调优任务比较LLM与传统扫描方法在准确性和计算代价上的表现，发现LLM在高精度任务中初始猜测不可靠且多轮模式效率更低。
Comments post conference revision version at ICML; update: removed CGYRO due to bug in cases search. Will add back soon
Goedel-Code-Prover: Hierarchical Proof Search for Open State-of-the-Art Code Verification
Goedel-Code-Prover：面向开放状态的最新代码验证的分层证明搜索
机构 * ETH Zürich（苏黎世联邦理工学院） ； Princeton Language and Intelligence（普林斯顿语言与智能实验室） ； Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； MiroMind
AI总结 本文提出Goedel-Code-Prover框架，通过分层证明搜索提升Lean4中代码验证的自动化水平，实现62%的成功率，优于现有基线方法。
Comments Published as a COLM paper
Deep Generative Model for Human Mobility Behavior
人类移动行为的深度生成模型
机构 * Institute of Cartography and Geoinformation, ETH Zurich（测绘与地理信息研究所，苏黎世联邦理工学院） ； Department of Human Geography, Lund University（人类地理学系，吕勒奥大学） ； Future Resilient Systems, Singapore-ETH Centre, ETH Zurich（未来韧性系统，新加坡-苏黎世联邦理工学院，苏黎世联邦理工学院） ； Photogrammetry and Remote Sensing, ETH Zurich（摄影测量与遥感，苏黎世联邦理工学院） ； Department of Geography, University College London（地理系，伦敦大学学院）
AI总结 提出基于扩散的生成框架MobilityGen，模拟多属性活动-出行序列，复现标度律、时间分配等关键模式，支持城市空间可达性和社会暴露分析。
Comments Accepted at TRC
Dancing Points: Synthesizing Ballroom Dancing with Three-Point Inputs
Dancing Points: 通过三点输入合成舞厅舞蹈
机构 * ETH Zurich（苏黎世联邦理工学院） ； Meta Reality Labs（Meta现实实验室）
AI总结 通过三点输入合成舞厅舞蹈，利用低维轨迹预测提升动作生成效率
Tokenisation over Bounded Alphabets is Hard
在有限字母表上进行分词是困难的
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 在有限字母表上分词的难度研究显示，无论字母表大小如何，分词问题均为NP完全，且无多项式时间近似方案，揭示了分词计算不可行性的根本原因。
$T^{3}S$: Think in Thermal Time for Generalizable Crop Mapping from Satellite Image Time Series
$T^{3}S$：基于热时间的卫星图像时间序列通用作物映射方法
机构 * Earth Observation of Agroecosystems Team, Agroscope, Switzerland（农业生态系统观测团队，阿格罗科学研究所，瑞士） ； ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士）
AI总结 研究针对卫星图像时间序列作物分类泛化能力不足等问题，提出基于热时间的$T^3S$方法，通过累积生长度日重新索引观测，在多个数据集上评估，该方法在跨年度和跨区域作物分类上优于基线，提升了多项性能。
Comments Camera-ready version for the ECCV CVPPA workshop
Artifact detection and localization in single-channel mobile EEG for sleep research using deep learning and attention mechanisms
基于深度学习与注意力机制的睡眠研究中单通道移动EEG的伪影检测与定位
机构 * Institute of Biomedical Engineering, Ulm University（生物医学工程研究所，乌尔姆大学） ； Mobile Health Systems Lab, Department of Health Sciences and Technology, ETH Zurich（移动健康系统实验室，健康科学与技术系，苏黎世联邦理工学院）
AI总结 该研究针对单通道移动EEG伪影检测的应用局限，提出CNN-CBAM模型，经72份训练、26份测试数据验证，其性能优于6种对比方法，实现了可穿戴睡眠EEG伪影的自动化检测与定位。
Beyond Fluency: A Clinical Benchmark and Anomaly-Enhanced Baseline for Spine MRI Report Generation
超越流畅性：脊柱MRI报告生成的临床基准与异常增强基线
机构 * ETH Zurich（苏黎世联邦理工学院） ； Swiss Institute of Bioinformatics (SIB)（瑞士生物信息学研究所）
AI总结 该研究针对放射学报告的耗时与阅片差异问题，构建腰椎MRI的VLM临床基准，提出半监督U-Net++生成异常热图增强VLM的框架，提升诊断可靠性与可解释性。
Comments Maria Monzon and Catherine R. Jutzeler contributed equally as shared last authors. Accepted at the CV4Clinic Workshop, CVPR 2026
Journal ref Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 6759-6770
Vernata: Self-Supervised Learning of LiDAR Point Representations
Vernata：激光雷达点表示的自监督学习
机构 * Robotics and AI Institute（机器人与人工智能研究院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本研究提出基于Sonata架构的Vernata自监督学习框架，通过三项扩展优化激光雷达点云表示，在多数据集上相比基线取得显著性能提升，模态减少场景下仍保持竞争力
Comments IROS 2026. Implementation: https://github.com/rai-opensource/vernata
Rethinking Evaluation Paradigms in IBP-based Certified Training
重新思考基于IBP的认证训练中的评估范式
机构 * University of Freiburg（弗赖堡大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 针对认证训练中自然精度与认证精度的权衡问题，提出基于Pareto前沿的多目标超参数优化方法，实现公平的方法间比较，并发现先前配置的欠调优现象，建立新的最优性能。
Comments ICML 2026
Self-Distillation Enables Continual Learning
自蒸馏使持续学习成为可能
机构 * MIT（麻省理工学院） ； Improbable AI Lab（Improbable AI实验室） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 自蒸馏微调通过直接从演示中进行基于策略的学习，有效减少持续学习中的灾难性遗忘，提升新任务准确性。
Prior-SG: Task and Prior Driven Region Segmentation for Scene Graphs in Arbitrarily-Structured Environments
Prior-SG：面向任意结构环境中场景图的任务与先验驱动区域分割
机构 * RAI Institute（RAI研究所） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出Prior-SG框架，将场景图生成视为概率对齐问题，通过融合异构专家与拓扑先验提升任意结构环境的语义区域分割精度，实现零样本本体灵活性。
Robust Scene Transfer for PointGoal Navigation via Privileged Sensor Guided Contrastive Learning
基于特权传感器引导对比学习的点目标导航鲁棒场景迁移
机构 * University of Padua（帕多瓦大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出一种传感器引导的自适应对比学习框架，利用特权LiDAR传感器在训练时引导视觉编码器学习导航相关结构，并通过解耦表征学习与策略优化以及跨阶段域不匹配来提升策略级场景迁移能力。
Comments 8 pages, Accepted to IEEE Robotics and Automation Letters (RA-L)
Enhancing Low Back Pain Assessment with Diffusion Models for Lumbar Spine MRI Segmentation
利用扩散模型增强下腰痛评估的腰椎MRI分割
机构 * ETH Zürich（苏黎世联邦理工学院） ； Swiss Institute of Bioinformatics (SIB)（瑞士生物信息学研究所）
AI总结 本研究提出SpineSegDiff扩散框架，基于SPIDER数据集实现腰椎MRI的语义分割，性能接近nnUnet，可提升退化椎间盘识别，不确定性图助力临床审查，有望增强下腰痛的诊断与管理。
Comments Maria Monzon and Thomas Iff contributed equally to this work. Published in Proceedings of The 8th International Conference on Medical Imaging with Deep Learning (MIDL 2025), PMLR volume 301, pages 1145-1163, 2026
Journal ref Proceedings of Machine Learning Research 301:1145-1163, 2026
Segmentation Pre-training for Label-Efficient Lumbar Spine Degeneration Grading
用于标签高效腰椎退变分级的分割预训练
机构 * ETH Zurich（苏黎世联邦理工学院） ； Swiss Institute of Bioinformatics (SIB)（瑞士生物信息学研究所） ； University of Oxford（牛津大学）
AI总结 本研究探究用分割预训练替代部分手动分级标注，在约2000名受试者的多中心腰椎MRI数据集上，该方法仅用20%分级标签即可接近全监督性能，提升了腰椎退变分级效果。
Comments The 2nd MICCAI Workshop on Efficient Medical AI (2026)
A Mechanistic Analysis of Transformers for Dynamical Systems
变换器在动力系统中的机理分析
机构 * ETH Zürich（苏黎世联邦理工学院） ； Johns Hopkins University（约翰霍普金斯大学） ； Singapore-ETH Centre（新加坡-苏黎世中心）
AI总结 本文从动力系统视角分析单层变换器在动态数据中的表示能力和限制，揭示其在不同动态系统中的表现机制。
AgentGUI: An Interface for Observing and Steering Long-Running AI Agents
AgentGUI：用于观测与调控长期运行AI智能体的界面
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 针对AI智能体观测与调控的界面缺失问题，研究人员推出AgentGUI，通过轨迹可视化、手动自动调控等功能提升智能体任务处理效率，成果已开源。
