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

SafeManip: A Property-Driven Benchmark for Temporal Safety Evaluation in Robotic Manipulation

SafeManip: 一种基于属性的基准，用于机器人操作中的时间安全评估

Chengyue Huang, Khang Vo Huynh, Sebastian Elbaum, Zsolt Kira, Lu Feng

机构 * Department of Machine Learning, Georgia Institute of Technology（佐治亚理工学院机器学习系） ； Department of Computer Science, University of Virginia（弗吉尼亚大学计算机科学系） 纠错

AI总结 SafeManip通过定义可重用的安全模板，评估机器人操作中的时间安全属性，涵盖碰撞安全、抓取稳定性等八类安全类别，验证了现有方法在安全评估上的不足。

Information bottleneck for learning the phase space of dynamics from high-dimensional experimental data

信息瓶颈：从高维实验数据学习动力学相空间

K. Michael Martini, Eslam Abdelaleem, Paarth Gulati, Ilya Nemenman

机构 * Department of Physics, Emory University（埃默里大学物理系） ； Initiative in Theory and Modeling of Living Systems, Emory University（埃默里大学生命系统理论与建模倡议） ； Schools of Physics and Psychology, Georgia Institute of Technology（佐治亚理工学院物理与心理学学院） ； Department of Biology, Emory University（埃默里大学生物学系） 纠错

AI总结 提出DySIB方法，通过最大化过去与未来观测窗口间的预测互信息并惩罚表示复杂度，从高维时间序列数据中无监督学习低维动力学表示，在物理摆实验中恢复出与真实相空间匹配的二维表示。

Comments 12 pages including references, 7 figures, 4 appendix pages with 4 appendix figures