Activation Steering of Video Generation Models via Reduced-Order Linear Optimal Control
通过降阶线性最优控制引导视频生成模型的激活
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出LA-LQR框架，将文本到视频推理建模为动态系统，通过降阶最优控制实现最小干预的激活引导，减少不安全内容生成同时保持视觉质量。
高校专区
Georgia Institute of Technology（佐治亚理工学院）
OpenRFM: Dissecting Relational In-Context Learning
OpenRFM：剖析关系型上下文学习
机构 * Michigan State University（密歇根州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Purdue University（普渡大学） ； George Mason University（乔治·马歇尔大学）
AI总结 本文通过分析关系型Transformer的模型和数据两方面问题，提出双阶段上下文学习架构和同质性感知预训练混合策略，构建OpenRFM模型，在关系型基础模型上平均任务性能提升约30%。
Comments 25 pages, including appendix
MM-BizRAG: Rethinking Multimodal Retrieval-Augmented Generation for General Purpose Enterprise Q&A
MM-BizRAG：面向通用企业问答的多模态检索增强生成再思考
机构 * JPMorgan Chase & Co.（摩根大通公司） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出MM-BizRAG框架，通过文档结构感知分割和布局感知解析，结合统一LLM驱动的工件转换与推理时多模态组装，无需微调即可提升企业文档问答性能，在异构企业数据集和两个公开基准上超越基线最多32个百分点。
Comments Accepted at ACL 2026 (Industry Track)
EpiFormer: Learning Antigen-Antibody Interactions for Epitope Prediction via Geometric Deep Learning
EpiFormer: 通过几何深度学习学习抗原-抗体相互作用进行表位预测
机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出EpiFormer编码器-解码器框架，通过GNN层间交叉注意力实现抗原-抗体双向信息流，结合稀疏感知目标，在表位预测任务上F1分数提升超40%。
OckBench: Measuring the Efficiency of LLM Reasoning
OckBench：衡量LLM推理效率
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； NVIDIA（英伟达）
AI总结 提出OckBench基准，联合评估推理和编码任务中的准确性与token效率，揭示当前模型token利用率低下问题。
Making Expert Reasoning Learnable with Self-Distillation
通过自蒸馏使专家推理可学习
机构 * Georgia Institute of Technology, Atlanta, Georgia（佐治亚理工学院，亚特兰大，佐治亚州）
AI总结 提出分布对齐模仿学习（DAIL），通过两步自蒸馏方法弥合专家解决方案与模型分布之间的差距，利用少量高质量专家数据显著提升大语言模型的推理能力。
Comments ICML 2026
Adaptive Information Control for Search-Augmented LLM Reasoning
面向搜索增强型大语言模型推理的自适应信息控制
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出基于信息效用的自适应控制框架DeepControl，通过控制检索的广度与分辨率，提升搜索增强推理的性能与训练稳定性。
Comments Work in progress
Dynamic Policy Learning for Legged Robot with Simplified Model Pretraining and Model-Homotopy-Inspired Transfer
基于简化模型预训练与模型同伦启发迁移的足式机器人动态策略学习
机构 * Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（机械工程系，韩国科学技术院（KAIST）） ； School of Interactive Computing, Georgia Institute of Technology（交互计算学院，佐治亚理工学院）
AI总结 提出一种延续学习框架，结合简化模型预训练和模型同伦启发迁移，高效生成和优化足式机器人的复杂动态行为，并在真实四足机器人上验证了翻转和墙面辅助等动态任务。
Comments 8 pages
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 7, pp. 8068-8075, July 2026
Reactive Task and Motion Planning for Robust Whole-Body Dynamic Locomotion in Constrained Environments
面向受限环境的鲁棒全身体动态运动的反应任务与运动规划
机构 * George W. Woodruff School of Mechanical Engineering, Georgia Tech, USA（佐治亚理工学院机械工程学院） ； Department of Applied Mathematics, University of Waterloo, Canada（滑铁卢大学应用数学系） ； Department of Aerospace Engineering and Engineering Mechanics, UT Austin, USA（得克萨斯大学奥斯汀分校航空航天工程与工程力学系） ； Institute for Computational Engineering and Sciences, UT Austin, USA（得克萨斯大学奥斯汀分校计算工程与科学研究所）
AI总结 本文提出了一种基于时序逻辑的游戏框架，用于在受限和动态变化的环境中进行全身体动态运动的任务规划与控制，通过符号系统的方法确保运动行为的正确性。
Comments 49 pages, 23 figures, 1 table
Perceptual Attention-based Predictive Control
基于感知注意力的预测控制
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种新的信息处理架构，用于安全的深度学习视觉导航系统，通过模型预测控制（MPC）、卷积神经网络（CNNs）和不确定性量化方法，实现基于感知注意力的预测控制算法，提高了系统对不安全状况的快速检测能力。
Stable, Concurrent Controller Composition for Multi-Objective Robotic Tasks
多目标机器人任务的稳定并发控制器组合
机构 * Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（机器人与智能机器研究所，佐治亚理工学院）
AI总结 本文提出了一种稳定且并发的控制器组合方法，用于多目标机器人任务，通过分解任务为子任务并独立设计子任务控制器，再利用RMPflow框架结合生成整体控制策略，同时通过CLF分析确保系统稳定性。
Comments The 58th IEEE Conference on Decision and Control (CDC), 2019
Barrier-Certified Adaptive Reinforcement Learning with Applications to Brushbot Navigation
具有应用的障碍证书自适应强化学习：Brushbot导航
机构 * School of Electrical Engineering, Royal Institute of Technology（皇家理工学院电气工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； RIKEN Center for Advanced Intelligence Project（日本理化学研究所高级智能研究中心） ； School of Mechanical Engineering（机械工程学院）
AI总结 本文提出了一种安全学习框架，结合自适应模型学习算法和障碍证书，用于具有可能非平稳智能体动态的系统。通过稀疏优化技术提取模型的动态结构，并利用学习的模型结合控制障碍证书来约束策略（反馈控制器），以保持安全性，即避免特定的不利状态空间区域。在某些条件下，保证了在安全被非平稳性破坏后，以李雅普诺夫稳定性的方式恢复安全。此外，将动作-价值函数近似重新公式化，使任何基于内核的非线性函数估计方法都能应用于我们的自适应学习框架。最后，保证了障碍证书策略优化的解是全局最优的，确保在温和条件下进行贪心策略改进。所得到的框架通过四旋翼无人机的模拟进行验证，该无人机此前在安全学习文献中被假设为平稳性，然后在动态未知、高度复杂且非平稳的Brushbot机器人上进行测试。
Comments ©2019 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works
Journal ref Published in IEEE Transactions on Robotics, 2019
Simultaneous Contact, Gait and Motion Planning for Robust Multi-Legged Locomotion via Mixed-Integer Convex Optimization
通过混合整数凸优化实现鲁棒多足运动的同步接触、步态和运动规划
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA 30332 USA（电气与计算机工程系，佐治亚理工学院，亚特兰大，GA 30332 USA） ； Twentieth Century Fox, Springfield, USA（二十世纪福克斯，斯普林菲尔德，USA） ； Starfleet Academy, San Francisco, CA 96678 USA（星际舰队学院，旧金山，CA 96678 USA） ； Tyrell Inc., 123 Replicant Street, Los Angeles, CA 90210 USA（泰勒尔公司，123 复制人街，洛杉矶，CA 90210 USA）
AI总结 本文提出了一种混合整数凸优化方法，用于同时规划多足机器人的接触位置、步态转换和运动，以提高运动的通用性并保持低计算时间。
Comments 8 pages, IEEE Robotics and Automation Letters
RMPflow: A Computational Graph for Automatic Motion Policy Generation
RMPflow：一种用于自动运动策略生成的计算图
机构 * NVIDIA, Seattle Robotics Lab（NVIDIA西雅图机器人实验室） ； Georgia Institute of Technology, Robot Learning Lab（佐治亚理工学院机器人学习实验室） ； University of Washington, Robotics and State Estimation Lab（华盛顿大学机器人与状态估计实验室）
AI总结 本文提出了一种基于Riemannian Motion Policies几何一致变换的新型策略合成算法RMPflow，通过结合局部策略生成全局策略并利用稀疏结构提高计算效率，同时研究了其几何性质并验证了在高自由度 manipulation 系统中通过障碍物规划的简化效果。
Comments WAFR 2018
A Review of Reinforcement Learning for Autonomous Building Energy Management
自主建筑能源管理中强化学习的综述
机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文综述了强化学习在自主建筑能源管理系统中的应用，总结了相关文献，并探讨了未来研究方向和挑战。
Comments 17 pages, 3 figures
Algorithmic Theory of ODEs and Sampling from Well-conditioned Logconcave Densities
ODEs的算法理论与从良好条件的logconcave密度采样
机构 * University of Washington & Microsoft Research（华盛顿大学与微软研究院） ； UT-Austin & University of Washington（德克萨斯大学奥斯汀分校与华盛顿大学） ； Georgia Tech（佐治亚理工学院）
AI总结 本文提出了一种求解多元微分方程的通用算法，其解接近已知基函数的张成，从而实现了近线性时间复杂度的HMC采样方法，适用于广泛使用的logistic回归损失函数。
Control of Multi-Agent Systems with Finite Time Control Barrier Certificates and Temporal Logic
多智能体系统的有限时间控制屏障证书与时序逻辑控制
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出利用有限时间收敛控制屏障函数和线性时序逻辑规范合成多智能体连续时间动态系统的控制器，确保系统在有限时间内收敛到目标集并保持前向不变性，解决连续时间可达性问题。
Comments To appear in the 57th IEEE Conference on Decision and Control, Miami Beach, FL, USA, 2018
AutoRally An open platform for aggressive autonomous driving
AutoRally：一个用于激进自动驾驶的开放平台
机构 * Georgia Tech Autonomous Racing Facility（佐治亚理工学院自动驾驶赛车中心）
AI总结 本文介绍了一个1:5比例的机器人测试平台AutoRally，旨在提供稳健、易用和可重复的自动驾驶研究环境，使非专业人员也能收集真实世界的数据。
Accelerated Optimization in the PDE Framework: Formulations for the Manifold of Diffeomorphisms
在PDE框架中的加速优化：微分流形上的形式化方法
机构 * KAUST (King Abdullah University of Science and Technology)（卡斯特大学（国王阿卜杜勒-阿齐兹大学）） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种适用于微分流形上优化问题的新方法，通过将Nesterov加速优化推广到无限维流形，推导出连续演化方程并将其与流体力学原理联系起来，同时与最优运输问题建立联系。
A Parametric MPC Approach to Balancing the Cost of Abstraction for Differential-Drive Mobile Robots
一种参数MPC方法用于平衡抽象成本的差分驱动移动机器人
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种参数MPC方法，用于优化差分驱动移动机器人的抽象成本，通过分析精度和机动性成本，改进了单积分器模型的控制策略。
Comments ICRA 2018
Bendable Cuboid Robot Path Planning with Collision Avoidance using Generalized $L_p$ Norms
可弯曲立方体机器人路径规划与碰撞避免使用广义L_p范数
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出基于广义L_p范数的立方体机器人路径规划方法，通过隐式表面近似和双重优化问题解决碰撞避免问题，验证了方法的有效性。
Comments 12 pages, 6 figures
Accelerated Optimization in the PDE Framework: Formulations for the Active Contour Case
在PDE框架中实现加速优化：活动轮廓情况的公式化
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（电子工程学院，佐治亚理工学院） ； Electrical Engineering, King Abdullah University of Science and Technology（电气工程，国王阿卜杜勒-阿齐兹大学）
AI总结 本文探讨了在PDE框架中利用加速优化方法提升参数估计性能，通过变分框架和Bregman散度推导连续极限ODE，并扩展至无限维流形，引入共进化质量模型连接最优质量传输的流体力学公式化。
SPARTan: Scalable PARAFAC2 for Large & Sparse Data
SPARTan：适用于大规模稀疏数据的可扩展PARAFAC2
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California, Riverside（加州大学河滨分校）
AI总结 本文提出SPARTan方法，用于高效处理大规模稀疏数据的PARAFAC2分解，实现速度和内存效率的提升，并在真实医学数据中验证了其有效性。
Towards Controllability of Wireless Network Quality using Mobile Robotic Routers
无线网络质量可控性研究：基于移动机器人中继节点
机构 * Department of Electrical and Computer Engineering, Georgia Institute of Technology（电子与计算机工程系，佐治亚理工学院）
AI总结 本文研究通过移动机器人中继节点的部署与移动控制，优化无线网络通信质量，提出集中式和分布式两种优化算法，通过仿真实验验证其性能。
Information-Theoretic Stochastic Optimal Control via Incremental Sampling-based Algorithms
基于增量采样的信息论随机最优控制
机构 * Georgia Institute of Technology（佐治亚理工学院） ； The Daniel Guggenheim School of Aerospace Engineering（航空航天工程丹尼尔·古根海姆学校） ； Institute of Robotics and Intelligent Machines（机器人与智能机器研究所） ； Control Systems Laboratory（控制系统实验室） ； Autonomous Control and Decision Systems Laboratory（自主控制与决策系统实验室）
AI总结 本文提出基于增量采样的算法，将RRT与信息论随机最优控制相结合，解决大系统中非线性随机微分方程的最优控制问题。
Comments 18 pages
