Harvard University（哈佛大学）

Compose by Focus: Scene Graph-based Atomic Skills

通过聚焦：基于场景图的原子技能

Han Qi, Changhe Chen, Heng Yang

机构 * School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） ； Robotics Department, University of Michigan（密歇根大学机器人系） 纠错

AI总结 本文提出了一种基于场景图的原子技能学习框架，结合图神经网络与扩散式模仿学习，并与视觉-语言模型结合，提升机器人在复杂任务中的稳健性和组合泛化能力。

Comments Acceptance to ICRA 2026. Website: https://computationalrobotics.seas.harvard.edu/SkillComposition/

Differentiable Microscopy Designs an All Optical Phase Retrieval Microscope

可微微镜设计一种全光学相位恢复显微镜

Kithmini Herath, Hasindu Kariyawasam, Ramith Hettiarachchi, Udith Haputhanthri, Dineth Jayakody, Raja N. Ahmad, Azeem Ahmad, Balpreet S. Ahluwalia, Chamira U. S. Edussooriya, Dushan N. Wadduwage

机构 * Center for Advanced Imaging, Faculty of Arts and Sciences, Harvard University（哈佛大学艺术与科学学院先进成像中心） ； Department of Electronic and Telecommunication Engineering, University of Moratuwa（莫塔瓦大学电子与电信工程系） ； Department of Computer Science, Old Dominion University（老 Dominion 大学计算机科学系） ； Department of Physics and Technology, UiT The Arctic University of Norway（挪威北极大学物理与技术系） ； Department of Physics and School of Data Science, Old Dominion University（老 Dominion 大学物理系和数据科学学院） 纠错

AI总结 本文提出可微微镜框架，通过数据驱动方法实现全光学相位恢复显微镜设计，展示其在多个数据集上的优越性能。

Learning to Rank the Initial Branching Order of SAT Solvers

学习SAT求解器初始分支顺序的排名

Arvid Eriksson, Gabriel Poesia, Roman Bresson, Karl Henrik Johansson, David Broman

机构 * KTH Royal Institute of Technology（皇家理工学院） ； Kempner Institute at Harvard University（哈佛大学肯普纳研究所） ； Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 本文提出利用图神经网络预测SAT求解器初始分支顺序，以提升求解效率，但发现其在复杂实例上效果受限。

Comments Published at VerifAI-2: The Second Workshop on AI Verification in the Wild

Breaking the Martingale Curse: Multi-Agent Debate via Asymmetric Cognitive Potential Energy

突破马尔可夫诅咒：基于非对称认知潜能的多智能体辩论

Yuhan Liu, Juntian Zhang, Yichen Wu, Martin Takac, Salem Lahlou, Xiuying Chen, Nils Lukas

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学国际关系学院） ； Harvard University（哈佛大学） 纠错

AI总结 AceMAD通过非对称认知潜能打破马尔可夫诅咒，提升多智能体辩论的真理收敛能力。

Dynamic Targeting of Satellite Observations Using Supplemental Geostationary Satellite Data and Hierarchical Planning

利用补充静止轨道卫星数据和分层规划实现卫星观测的动态瞄准

Akseli Kangaslahti, Itai Zilberstein, Alberto Candela, Steve Chien

机构 * Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA（喷气推进实验室，加州理工学院，帕萨迪纳，CA） ； Harvard University, Cambridge, MA（哈佛大学，剑桥，MA） ； Department of Computer Science, Carnegie Mellon University, Pittsburgh, PA（计算机科学系，卡内基梅隆大学，匹兹堡，PA） 纠错

AI总结 本文提出了一种利用静止轨道卫星数据和分层规划方法，提升动态瞄准任务中观测规划效率的解决方案，实验表明其在特定场景下性能提升达41%。

Comments Appears in the proceedings of the 2026 IEEE International Conference on Robotics and Automation

HARP: HARmonizing in-vivo diffusion MRI using Phantom-only training

HARP: 仅使用假体数据进行体内扩散磁共振成像的协调

Hwihun Jeong, Qiang Liu, Kathryn E. Keenan, Elisabeth A. Wilde, Walter Schneider, Sudhir Pathak, Anthony Zuccolotto, Lauren J. O'Donnell, Lipeng Ning, Yogesh Rathi

机构 * Department of Psychiatry（精神医学系） ； Brigham and Women's Hospital（布里奇沃特医院） ； Harvard Medical School（哈佛医学院） ； College of Engineering（工程学院） ； Northeastern University（东北大学） ； National Institute of Standards and Technology（国家标准技术研究院） ； University of Utah School of Medicine（犹他大学医学院） ； George E. Wahlen Veterans Affairs Medical Center（乔治·E·瓦伦的退伍军人事务医疗中心） ； University of Pittsburgh（匹兹堡大学） ； Department of Radiology（放射医学系） ； Harvard-MIT Health Sciences and Technology（哈佛-麻省理工健康科学与技术） 纠错

AI总结 HARP通过仅使用假体数据训练深度学习模型，实现了无需多站点活体数据的扩散磁共振成像协调，有效降低了扫描仪间变异性。