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

Robust bipedal locomotion on flowable slopes via foot-driven terrain manipulation

通过足部驱动的地形操纵在可流动斜坡上实现稳健的双足运动

Deniz Kerimoglu, Junnosuke Kamohara, Jiyeon Maeng, Ziwon Yoon, Seth Hutchinson, Ye Zhao, Daniel I. Goldman

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Northeastern University（东北大学） 纠错

AI总结 研究双足机器人在颗粒斜坡上的运动控制问题，通过研究带防滑钉足部的地面动力学，发现中等防滑钉间距利于行走，据此设计可调整防滑钉深度的足部，应用于大小不同的双足机器人，提出以肢体为中心调节地形相互作用的新控制方法。

Comments 38 pages, 12 figures

A Single Diffusion-Policy Controller for Multi-Task Block Pushing with Zero-Shot Sim-to-Real Transfer

用于多任务块推的单扩散策略控制器，具有零样本模拟到现实转移

Haitong Ma, Haldun Balim, Yang Hu, Bo Dai, Na Li

机构 * Harvard University（哈佛大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 研究旨在用强化学习从零训练单扩散策略用于多任务块推，提出含简单策略损失函数的框架，结合反向课程生成等应对探索挑战，评估其在不同条件下零样本从模拟到现实的转移能力，证明该流程有效。

Comments 8 pages, 7 figures

Dance to Music Generation leveraging Pre-training with Unpaired data and Contrastive Alignment

利用未配对数据和对比对齐进行预训练的舞蹈音乐生成

Ryota Kimura, Sangheon Park, Natalia Polouliakh, Taketo Akama

机构 * Sony Computer Science Laboratories（索尼计算机科学实验室） ； Keio University（庆应义塾大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 针对舞蹈音乐生成中高质量配对数据稀缺问题，提出利用未配对和配对数据的框架，结合预训练单峰编码器、对比预训练及控制网络模块，实验证明该方法提升了舞蹈音乐对齐和音频质量，优于现有技术。

Comments 7 pages, 1 figure

Interleaved POMDP Planning for Multi-Object Search in Unknown Multi-Room Household Environments

未知多房间家庭环境中多目标搜索的交错部分可观测马尔可夫决策过程规划

Ruochu Yang, Ziyi Xia, Huibo Zhang, Yatong Han, Yiming Zhao, Yingke Li, Fumin Zhang, Yorai Wardi, Mengxue Hou

机构 * Georgia Institute of Technology（佐治亚理工学院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Ising AI（伊辛人工智能公司） ； MIT（麻省理工学院） ； Notre Dame University（圣母大学） 纠错

AI总结 研究未知多房间家庭环境下多目标搜索问题，提出Inter-POMDP算法，通过高级POUCT规划器与低级运动规划器相互作用，平衡规划质量与效率，相比基线方法减少碰撞、导航步数及检测次数。

Distance-Preserving Embeddings in Inhomogeneous Random Graphs

非均匀随机图中的距离保持嵌入

My Le, Luana Ruiz, Souvik Dhara

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 研究非均匀随机图中距离保持嵌入，基于地标嵌入分析最短路径近似，扩展失真保证到全局平均并统一分析，引入GNN增强变体，使模型能从小图学习并推广到大型真实网络，保持或超越经典嵌入保真度。