高校专区
TETO：利用教师观察进行事件跟踪以实现运动估计和帧插值
机构 * KAIST AI（韩国科学技术院人工智能实验室） ； ETH Zurich（苏黎世联邦理工学院） ； Korea Aerospace University（韩国航空航天大学）
AI总结 TETO提出一种教师-学生框架，通过知识蒸馏从预训练的RGB跟踪器中学习事件运动估计，仅用25分钟未标注真实数据实现高精度点跟踪和光流估计，提升帧插值质量。
Copernicus卫星在灾害响应中的潜力：从Sentinel-1和Sentinel-2中获取建筑损毁信息
机构 * 1 Photogrammetry \& Remote Sensing Lab, ETH Zurich 2 EcoVision Lab, Department of Mathematical Modeling ； Machine Learning (DM3L), University of Zurich
AI总结 本文探讨了Copernicus计划的中分辨率地球观测图像在建筑损毁评估中的应用，引入了xBD-S12数据集，展示了在多种灾害场景中通过Sentinel-1和Sentinel-2图像能够有效检测和映射建筑损毁，尽管地面采样距离为10米。
学习多智能体局部避障以实现协作搬运任务 with 耦合四足机器人
机构 * Robotic Systems Lab, ETH Zurich（埃因斯坦理工大学机器人系统实验室）
AI总结 本文提出基于强化学习的策略，使两台连接物体的四足机器人在未知环境中自主避障，无需预设路径或地图。
一个用于长horizon随机最优控制的Schrödinger特征函数方法
机构 * ETH Zürich（苏黎世联邦理工学院） ； Department of Mathematics（数学系） ； ETH AI Center（ETH人工智能中心） ； Institute for Machine Learning（机器学习研究所）
AI总结 本文提出一种基于Schrödinger算子的特征函数方法，用于解决长horizon随机最优控制问题，通过将Hamilton-Jacobi-Bellman方程转化为线性PDE，并利用其特征函数系统高效描述控制问题。
Comments Accepted to ICLR 2026, code available in https://github.com/lclaeys/eigenfunction-solver
学习具备执行器意识的谱子流形以实现连续机器人精确控制
机构 * Autonomous Systems Lab, Stanford University, USA（斯坦福大学自主系统实验室，美国） ； Institute of Mechanical Systems, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院机械系统研究所） ； Soft Robotics Lab, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院软机器人实验室） ； NVIDIA Research, Santa Clara, USA（美国圣克拉拉NVIDIA研究）
AI总结 本文提出一种结合控制输入的谱子流形方法，用于减少连续机器人高维非线性动力学，通过训练紧凑模型降低开环预测误差并提升闭环控制性能。
AME-2: 通过基于注意力的神经地图编码实现敏捷且通用的腿式运动
机构 * Robotic Systems Lab, ETH Zurich, Switzerland（机器人系统实验室，苏黎世联邦理工学院，瑞士） ； Secure, Reliable, and Intelligent Systems Lab, ETH Zurich, Switzerland（安全、可靠和智能系统实验室，苏黎世联邦理工学院，瑞士） ； ETH AI Center, Switzerland（苏黎世联邦理工学院人工智能中心，瑞士）
AI总结 本文提出AME-2框架，结合基于注意力的神经地图编码，实现敏捷且通用的腿式运动，通过学习的映射管道提升地形表示的鲁棒性，验证了在四足和双足机器人上的有效性。
Comments under review
BioBO：结合生物学知识的贝叶斯优化用于扰动设计
机构 * Johnson & Johnson Innovative Medicine（强生创新医药） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 BioBO结合多模态基因嵌入和富集分析，提升代理建模和获取策略，提高标签效率25-40%，并提供路径级解释，链接设计与生物调控电路。
Comments ICLR 2026
点在上下文：通过上下文学习理解点云
机构 * State Key Laboratory of General Artificial Intelligence（国家一般人工智能重点实验室） ； Peking University（北京大学） ； Shenzhen Graduate School（深圳研究生院） ； School of Intelligent Systems Engineering（智能系统工程学院） ； Sun Yat-sen University（中山大学） ； ETH Zurich（苏黎世联邦理工学院） ； Tencent Inc.（腾讯公司） ； S-Lab（S实验室） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Point-In-Context框架，利用上下文学习实现多任务处理，通过联合采样模块和创新训练策略提升点云分割性能，无需微调即可泛化到新领域。
Comments Project page: https://fanglaosi.github.io/Point-In-Context_Pages. arXiv admin note: text overlap with arXiv:2306.08659
缓解对象性偏差和区域到文本对齐问题以实现开放词汇全景分割
机构 * University of Ljubljana（卢布尔雅那大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Zagreb（扎格reb大学） ； Faculty of Comp. and Inf. Science（计算机与信息科学系） ； Dept. of Computer Science（计算机科学系） ； Faculty of Elec. Eng. and Computing（电子工程与计算科学系）
AI总结 本文提出OVRCOAT框架，通过CLIP条件对象性调整和开放词汇掩码到文本细化，解决开放词汇全景分割中的对象性偏差和区域对齐问题，提升分割性能。
贝叶斯散射：图像数据不确定性的原理性基准
机构 * University of Tübingen（图宾根大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Edinburgh（爱丁堡大学）
AI总结 本文提出贝叶斯散射作为图像数据不确定性的基准方法，结合波let散射变换与概率头，避免过拟合，适用于分布偏移下的不确定性估计。
Swim2Real: 基于视觉-语言模型的系统辨识用于仿真到现实迁移
机构 * University of Warsaw（华沙大学） ； IDEAS NCBR ； EPFL（瑞士联邦理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Nomagic
AI总结 本文提出Swim2Real系统，利用视觉-语言模型反馈校准水下仿真实验室，无需手动设计搜索阶段。通过同时校准16个参数，显著提升仿真到现实的迁移效果，实现零样本强化学习迁移。
多尺度物种丰富度估计与深度学习
机构 * Dynamic Macroecology, Land Change Science, Swiss Federal Research Institute WSL（瑞士联邦研究 institute WSL 动态宏观生态学与土地变化科学） ； Department of Evolutionary Biology and Environmental Studies, University of Zurich（苏黎世大学进化生物学与环境研究系） ； Department of Spatial Sciences, Faculty of Environmental Sciences, Czech University of Life Sciences Prague（捷克生命科学与技术大学环境科学系空间科学系） ； Resource Analysis, Forest Resources and Management, Swiss Federal Research Institute WSL（瑞士联邦研究 institute WSL 资源分析、森林资源与管理） ； Ecosystems and Landscape Evolution, Department of Environmental Systems Science, ETH Zürich（苏黎世联邦理工学院环境系统科学系生态系统与景观演变） ； Ecosystems and Landscape Evolution, Land Change Science, Swiss Federal Research Institute WSL（瑞士联邦研究 institute WSL 生态系统与景观演变、土地变化科学） ； Department of Botany and Zoology, Faculty of Science, Masaryk University（马萨里克大学科学学院植物学与动物学系） ； Institute of Biology, Geobotany and Botanical Garden, Martin Luther University Halle-Wittenberg（马尔堡大学生物学、地质植物学与植物园系） ； German Centre for Integrative Biodiversity Research (iDiv) Halle-Jena-Leipzig（德国整合生物多样性研究中心 (iDiv) 赫尔伯斯特-耶拿-莱比锡） ； Department of Plant Biology and Ecology, Faculty of Science and Technology, University of the Basque Country UPV/EHU（巴斯克国家大学 (UPV/EHU) 科学与技术学院植物生物学与生态学系）
AI总结 本文提出MuScaRi模型，结合采样理论与深度学习，从现有生态调查数据中估计任意空间尺度的物种丰富度，提升预测精度并生成多尺度丰富度地图。
Comments 31 pages
基于噪声对比的在线突变点检测
机构 * HSE University（俄罗斯联邦高等经济学院） ； ETH Zürich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； SB Robotics（SB机器人）
AI总结 本文提出了一种新的在线突变点检测方法，通过最大化预突变与后突变分布之间的差异度，设计出适用于参数和非参数场景的灵活算法，并通过数值实验验证了其效率。
Comments The preliminary version of this paper was presented at the 26th International Conference on Artificial Intelligence and Statistics (AISTATS 2023, PMLR 206:5686-5713)
针对批量数据窃取和模型推理操纵的架构后门
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出一种新型后门，通过利用批量推理技术实现大规模用户数据窃取和模型响应操控，提出确定性缓解策略以保障用户隐私和系统安全。
Comments This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML) 2026. The final version will be available on IEEE Xplore
TinyML增强立方卫星任务能力
机构 * Interdisciplinary Transformation University of Austria（奥地利跨学科转型大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出基于TinyML的卷积神经网络优化部署流程，用于立方卫星 onboard 图像分类，实现高效能、低能耗的推理，通过结构化迭代剪枝和量化压缩，降低内存和存储需求，满足实时处理需求。
Comments Accepted at the 17th ACM/IEEE International Conference on Cyber-Physical Systems (ICCPS) 2026
不是狗的障碍，而是人类的危险：一种用于导盲犬机器人的协同导航系统
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Hunan University（湖南大学） ； ETH Zurich（苏黎世联邦理工学院） ； INSAIT
AI总结 本文提出了一种协同导航系统，通过结合机器人地面传感器和用户视角，解决导盲犬机器人在人类身高处的障碍物识别问题，提升导航安全性。
适应4Me：一种面向非规范语音的自动语音识别个性化不确定意识作者环境
机构 * Institute of Neuroinformatics, University of Zurich and ETH Zurich（神经信息学研究所，苏黎世大学和苏黎世联邦理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院） ； Department of Computational Linguistics, University of Zurich（计算语言学系，苏黎世大学）
AI总结 本文提出Adapt4Me，通过贝叶斯主动学习实现端到端个性化，使非规范语音的ASR个性化成为可能，通过三阶段人机协作流程提升数据效率和模型鲁棒性。
一种超快的K-means用于向量嵌入索引
机构 * CWI（荷兰阿姆斯特丹CWI） ； Systems Group, ETH Zurich（瑞士苏黎世ETH Zurich系统组）
AI总结 SuperKMeans通过减少数据访问和计算开销，实现比FAISS和Scikit-Learn快7倍，比cuVS快4倍的高维向量嵌入聚类，同时保持检索质量。
驯服长尾：通过自适应草案器实现高效的推理强化学习训练
机构 * MIT（麻省理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； NVIDIA（英伟达） ； MIT-IBM AI Lab（麻省理工-IBM人工智能实验室） ； MIT, NVIDIA（麻省理工学院、英伟达）
AI总结 本文提出TLT系统，通过自适应草案器和自适应回放引擎，解决强化学习训练中响应生成的长尾分布问题，实现1.7倍的训练加速并保持模型精度。
基于Python包sbijax的模拟推断
机构 * Swiss Data Science Center and ETH Zurich, Switzerland（瑞士数据科学中心和苏黎世联邦理工学院，瑞士） ； Università della Svizzera italiana, Switzerland, and Insubria University, Italy（瑞士意大利大学，瑞士，和意大利Insubria大学） ； Swiss Federal Institute of Aquatic Science and Technology, Switzerland（瑞士联邦水产科学与技术研究所，瑞士）
AI总结 本文介绍sbijax包，提供高效的神经模拟推断方法，支持快速构建推断估计器并可视化后验分布，利用JAX实现高效计算。
学习以反驳：利用大语言模型进行形式反例生成
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Toronto（多伦多大学） ； MiroMind（MiroMind公司） ； Nanjing University（南京大学）
AI总结 本文通过微调大语言模型生成形式反例，解决数学推理中反例发现的不足，提出符号突变策略提升训练效果。
EgoSpot：面向无手移动操作的视角多模态控制
机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zurich（苏黎世联邦理工学院） ； SJTU（上海交通大学） ； Microsoft（微软公司）
AI总结 本文提出一种基于微软HoloLens 2混合现实头显的无手控制框架，通过眼动、头部动作和语音指令融合实现机器人移动和机械臂操作的实时控制，提升无障碍交互体验。
野外中的DROID-SLAM
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软）
AI总结 本文提出一种鲁棒的实时RGB SLAM系统，通过可微的不确定性感知捆绑调整处理动态环境，实现鲁棒的跟踪与重建。
Comments CVPR 2026, Project Page: https://moyangli00.github.io/droid-w/
SuperDec：基于超二次体的3D场景分解
机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Microsoft（微软公司）
AI总结 SuperDec通过将场景分解为超二次体基元，实现紧凑的3D表示。该方法利用实例分割技术扩展到完整3D场景，并在ShapeNet和ScanNet++上验证了其泛化能力，适用于机器人任务和可控视觉内容生成。
Comments Project page: https://super-dec.github.io
贝叶斯估计中的计算-效用-隐私权衡
机构 * Harvard（哈佛大学） ； ETH Zurich（苏黎世联邦理工学院） ； MIT（麻省理工学院）
AI总结 本文首次提出高效的算法，在保证隐私的前提下实现贝叶斯估计的最优误差，同时揭示了计算与统计之间的差距。
Comments To appear at STOC 2026
Loc3R-VLM：基于语言的定位与3D推理的视觉语言模型
机构 * Microsoft Spatial AI Lab（微软空间AI实验室） ； ETH Zurich（苏黎世联邦理工学院） ； EPFL（苏黎世联邦理工学院）
AI总结 Loc3R-VLM通过结合全局布局重建和显式情境建模，提升视觉语言模型的3D空间理解能力，在语言定位和3D问答任务中取得最优性能。
Comments Project Page: https://kevinqu7.github.io/loc3r-vlm
GMT：用于3D场景中6自由度物体轨迹合成的目标条件多模态Transformer
机构 * TU München（慕尼黑工业大学） ； MCML ； ETH Zürich（苏黎世联邦理工学院） ； MBZUAI（穆桑大学人工智能研究所）
AI总结 本文提出GMT，一种多模态Transformer框架，通过结合3D边界框几何、点云上下文、语义物体类别和目标末端姿态，生成真实且目标导向的物体轨迹，提升了空间精度和方向控制。
Comments Accpeted by 3DV 2026. Project Page: https://huajian-zeng.github.io/projects/gmt/
通过蒙特卡洛网络信息增益实现链式推理过程监督
机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； IBM Research（IBM研究院）
AI总结 本文提出利用信息论自动生成推理步骤标签，提升大语言模型推理过程的监督效率与可靠性，适用于多种推理基准测试。
在随机试验中利用外部数据稳健估计异质治疗效应
机构 * TU Delft（代尔夫特理工大学） ； ETH Zürich（苏黎世联邦理工学院） ； Harvard University（哈佛大学）
AI总结 本文提出QR-learner模型，通过结合外部数据提升随机试验中条件平均治疗效应估计的稳健性与统计功效。
Comments Accepted to AISTATS 2026. 24 pages, including references and appendix
基于时空高斯过程近似的实时在线学习用于模型预测控制
机构 * Institute for Dynamic Systems and Control, ETH Zürich（动态系统与控制研究所，苏黎世联邦理工学院）
AI总结 本文提出一种高效的时空高斯过程近似方法，用于实时在线学习，提升模型预测控制的性能，尤其适用于时变系统。
Comments to be published at 2026 IEEE International Conference on Robotics & Automation (ICRA)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈