Georgia Institute of Technology（佐治亚理工学院）

Partial Motion Imitation for Learning Cart Pushing with Legged Manipulators

部分模仿学习用于通过腿部操作器学习推车操作

Mili Das, Morgan Byrd, Donghoon Baek, Sehoon Ha

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出一种部分模仿学习方法，通过将运动风格从运动任务转移到推车运动中，实现稳定的运动与精确操作的结合，实验显示其在IsaacLab和MuJoCo中的有效性。

Comments 8 pages, 5 figures

Towards Automated Chicken Deboning via Learning-based Dynamically-Adaptive 6-DoF Multi-Material Cutting

通过基于学习的动态自适应6自由度多材料切割实现自动化去骨

Zhaodong Yang, Ai-Ping Hu, Harish Ravichandar

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Georgia Tech Research Institute（佐治亚理工学院研究所） 纠错

AI总结 本文提出基于学习的动态自适应6自由度多材料切割方法，通过自适应轨迹和力反馈控制，实现鸡肩去骨，提升成功率和骨避开性能。

Comments Accepted by ICRA 2026

Spectral Coherence Index: A Model-Free Metric for Protein Structural Ensemble Quality Assessment

谱相干指数：一种无模型的蛋白质结构集合质量评估指标

Yuda Bi, Huaiwen Zhang, Jingnan Sun, Vince D Calhoun

机构 * Tri-institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, and Emory University（三机构神经影像与数据科学转化研究中心（TReNDS），佐治亚州立大学，佐治亚理工学院，埃默里大学） ； School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； Departments of Biomedical Engineering, Johns Hopkins University（约翰霍普金斯大学生物医学工程系） ； School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院） 纠错

AI总结 本文提出谱相干指数（SCI）作为无模型指标，用于评估蛋白质结构集合的质量。通过分析NMR结构集合，SCI能有效区分实验集合与合成不相干对照，展现出高鉴别能力。

GATech at AbjadMed: Bidirectional Encoders vs. Causal Decoders: Insights from 82-Class Arabic Medical Classification

GATech at AbjadMed: 双向编码器与因果解码器：来自82类阿拉伯语医学分类的见解

Ahmed Khaled Khamis

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文研究了阿拉伯语医学文本在82类分类中的表现，对比了双向编码器与因果解码器，发现前者在捕捉细粒度语义边界方面更优。

Comments 5 pages, 2 figures, EACL26, AbjadNLP

GATech at AbjadGenEval Shared Task: Multilingual Embeddings for Arabic Machine-Generated Text Classification

佐治亚理工学院参加AbjadGenEval共享任务：阿拉伯语机器生成文本的多语言嵌入

Ahmed Khaled Khamis

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出了一种多语言E5-large编码器进行二分类，并探索了多种池化策略，发现简单均值池化在测试集上达到F1值0.75，表明复杂池化方法可能不如简单方法有效。

Comments 5 pages, 1 figure, EACL26, AbjadNLP

LLM-to-Speech: A Synthetic Data Pipeline for Training Dialectal Text-to-Speech Models

LLM-to-Speech: 一种用于训练方言文本到语音模型的合成数据管道

Ahmed Khaled Khamis, Hesham Ali

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Nile University（尼罗大学） 纠错

AI总结 本文提出NileTTS数据集，通过LLM生成埃及阿拉伯语内容并合成语音，用于训练多语言TTS模型，填补了埃及阿拉伯语语音合成的研究空白。

Comments 8 pages, 2 figures, EACL26