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）
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。
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
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
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。
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)
Foundations of Reinforcement Learning and Control:Connections and New Perspectives
强化学习与控制的基础：联系与新视角
机构 * University of Technology Nuremberg（纽伦堡工业大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Alberta（阿尔伯塔大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of California San Diego（加州大学圣迭戈分校）
AI总结 本教程围绕强化学习与控制理论的联系与差异，介绍自适应控制、演员-评论家强化算法及二者结合的新方法，助力跨领域专家理解对方工具方法。
Comments INFORMS tutorial
Chess on Ice: Curling Tactical Decision-Making via Backward Induction and Deep Reinforcement Learning
冰上国际象棋：基于反向归纳与深度强化学习的冰壶战术决策
机构 * ETH Zurich（苏黎世联邦理工学院） ； Belimo Automation AG（贝利莫自动化股份公司） ； University of Padova（帕多瓦大学）
AI总结 该研究针对冰壶战术决策的建模挑战，采用适配有限时间范围结构的DDPG算法，通过自监督学习获得的智能体在简化四石冰壶中可匹敌专家启发式策略，其评论家还能提供连续动作空间的价值估计以支持战术分析。
Comments 10 pages, 8 figures
The Role of Disfluencies in Speech Translation
不流畅言语在语音翻译中的作用
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Texas A&M University（德克萨斯农工大学） ； ETH Zurich（苏黎世联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究针对语音翻译系统去除不流畅言语导致语义丢失的问题，构建了Uh-Mazing基准，发现错误起始和自我修正致翻译质量下降，提出推理时解码可缓解问题并发布相关资源。
DocNavRAG: Document-Structured Graph RAG with Stateful Evidence Construction for Complex Document Question Answering
DocNavRAG：面向复杂文档问答的、具有状态化证据构建能力的文档结构化图RAG
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出DocNavRAG，将文档结构组织为可导航图并维护证据状态，在四个文档QA基准上，相比最强基线平均提升答案质量7.8%、上下文充分性17.7%。
Comments 19 pages, 5 figures, 16 tables
Advances, challenges, and opportunities for legged robots
腿式机器人的进展、挑战与机遇
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 该研究评估人形与四足机器人在多维度的当前能力，梳理其进展与挑战，展望未来并探讨相关伦理、经济等社会影响，为腿式机器人发展提供参考。
Comments Accepted for publication in Science Robotics. This is the author's version of the work. It is posted here by permission of the AAAS for personal use, not for redistribution. The definitive version was published in Science Robotics on July 29, 2026, DOI: 10.1126/scirobotics.aee0787
Journal ref Science Robotics, Vol. 11, Issue 116 (2026)
UniCross: Unified Cross-Skill Dexterous Manipulation Synthesis
UniCross：统一跨技能灵巧操作合成
机构 * ETH Zürich（苏黎世联邦理工学院） ； inspire AG（inspire AG公司） ； HKUST (Guangzhou)（香港科技大学（广州））
AI总结 本研究提出UniCross框架，将抓取、重定位等四种灵巧操作技能统一建模，提炼出跨技能策略，可泛化到新物体、抗干扰，还能在不同手型间迁移，实现长时程操作。
Comments Project page: https://zdchan.github.io/UniCross/
S-CEReBrO: Breaking the Memory Barrier in Continuous EEG Monitoring
S-CEReBrO：突破连续脑电图监测中的内存瓶颈
机构 * ETH Zurich（苏黎世联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of Bologna（博洛尼亚大学）
AI总结 该研究针对连续EEG监测中Transformer架构的内存瓶颈，提出S-CEReBrO架构，通过窗口交替注意力实现内存恒定，在EEG下游任务中性能领先且效率提升。
Comments This is the pre-rebuttal version of a paper accepted at MICCAI 2026. The camera-ready version will be posted following the embargo
VidMap: Exploiting Temporal Structure for Video-Based Structure-from-Motion
VidMap：利用时序结构实现基于视频的运动恢复结构
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； Microsoft（微软）
AI总结 VidMap结合SLAM序列约束与SfM全局优化，利用宽基线匹配和深度先验，在多样挑战性数据集上，较最新SLAM和SfM更鲁棒准确，可实现任意长未标定视频的度量重建。
Seeing or Knowing? Visual Context Sensitivity in Multimodal Large Language Models
视觉还是认知？多模态大语言模型的视觉上下文敏感性
机构 * University of Copenhagen（哥本哈根大学） ； University of Cambridge（剑桥大学） ； ETH Zürich（苏黎世联邦理工学院） ； Clemson University（克莱姆森大学）
AI总结 该研究探究多模态大语言模型在视觉证据与先验冲突任务上的失效原因，引入WhatIfVis基准，发现其能编码视觉证据但难以控制对其的依赖，监督微调等方法可提升可控性。
DVPSFormer: Efficient Online Depth-aware Video Panoptic Segmentation for Autonomous Driving
DVPSFormer：面向自动驾驶的高效在线深度感知视频全景分割
机构 * ETH Zürich（苏黎世联邦理工学院） ； INSAIT, Sofia University（保加利亚索菲亚大学INSAIT研究所） ； University of Bonn（波恩大学） ； Microsoft（微软公司）
AI总结 DVPSFormer是一种统一在线架构，通过ESD和OMV机制实现高效4D场景理解，在两个DVPS基准上达SOTA，为自动驾驶提供在线机器人感知的精简方案。
Continual-RL for Generalization in Autonomous Racing on the RoboRacer Platform
用于RoboRacer平台自主赛车中泛化的持续强化学习
机构 * Center for Project-Based Learning, D-ITET, ETH Zurich（基于项目的学习中心，分布式信息技术与电气工程学院，苏黎世联邦理工学院）
AI总结 针对现代机器人适应变化环境的挑战，提出基于持续反向传播的持续强化学习框架，仅用现实世界数据训练通用策略并微调超越经典控制器，还提出离线强化学习比较方法并进行模拟分析。
Comments 8 pages, conference
Head Avatars with Dynamic Explicit Hair
具有动态显式头发的头部头像
机构 * ETH Zürich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Tübingen AI Center（图宾根人工智能中心） ； Technical University of Munich（慕尼黑工业大学） ； Technical University of Darmstadt（达姆施塔特工业大学） ； Microsoft（微软）
AI总结 该研究提出DynHair方法，用于跟踪和建模人类头部头像的动态头发。通过结构化3D高斯喷绘重建头像，利用基于头部角速度等的时间网络建模发丝动态变形，经联合优化获得可控头发动力学的动画头像，实验展现了最优性能。
Comments Project page: https://dynhair.is.tue.mpg.de/
Markerless Motion Capture in Routine Clinical Upper Limb Assessments: Validity and Insights Beyond Ordinal Scoring
常规临床上肢评估中的无标记运动捕捉：超越序数评分的有效性及见解
机构 * Lake Lucerne Institute（卢塞恩湖研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Shirley Ryan AbilityLab（雪莉·瑞安能力实验室） ； Northwestern University（西北大学）
AI总结 研究评估临床常规ARAT评估中嵌入AI - 无标记运动捕捉能否准确重建上肢运动及产生有效运动学指标。通过对患者测试发现其生物力学重建准确稳健，运动学指标有特异性和敏感性，能补充序数评分。
Fast Fourier Convolutional GAN for 30 m Clear-Sky Land Surface Temperature Gap-Free Reconstruction
用于30米晴空陆地表面温度无间隙重建的快速傅里叶卷积生成对抗网络
机构 * Technical University of Munich（慕尼黑工业大学） ； Helmholtz Centre for Polar and Marine Research, Alfred Wegener Institute（亥姆霍兹极地与海洋研究中心阿尔弗雷德·韦格纳研究所） ； Swiss Federal Institute of Technology Zurich (ETH Zurich)（瑞士联邦理工学院苏黎世分校）
AI总结 针对卫星LST数据因云层有间隙、重建难问题，提出多模态快速傅里叶卷积生成对抗网络，利用快速傅里叶卷积实现全局感受野，由卫星观测和SAR数据引导，能恢复大量缺失区域，重建效果好。
Comments 35 pages, 9 figures, Journal
Bowel Obstruction Detection and Localization on Abdominal CT with Deep Learning
基于深度学习的腹部CT图像中肠梗阻的检测与定位
机构 * Department of Computer Science ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Radiology Kantonsspital Baden affiliated Hospital for Research and Teaching of the Faculty of Medicine of the University of Zurich（苏黎世大学医学院附属巴登州立医院放射科（巴登大学苏黎世医学院研究与教学附属医院）） ； Department of Forensic Medicine Zurich University of Zurich（苏黎世大学法医学系）
AI总结 研究针对肠梗阻这一胃肠道疾病，提出含多任务目标的深度学习框架联合检测与定位梗阻及过渡区，还用可解释分类方法扩展，在腹部CT数据集上评估，模型检测准确率93%，过渡区定位Hit@10为95%，迈向关键临床标志自动识别。
