The University of Hong Kong（香港大学）

Image-Guided Pavement Defect Recognition in GPR Data with novel 3D Deep Learning Architecture

基于新型3D深度学习架构的GPR数据图像引导路面缺陷识别

Yuandong Pan, Linjun Lu, Mudan Wang, Florian Noichl, Fan Xue, Brian Sheil, Lavindra de Silva, André Borrmann, Ioannis Brilakis

机构 * Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学） ； Technical University of Munich（慕尼黑工业大学） ； University of Hong Kong（香港大学） 纠错

AI总结 本研究针对GPR自动化检测的两大挑战，构建了图像引导的3D GPR标注流程，提出含残差连接等组件的3D CNN，其路面缺陷检测性能优于基线架构。

SoftVTBench: A Deformation-Aware Visuo-Tactile Dataset and Benchmark for Deformable-Object Manipulation

SoftVTBench：面向可变形物体操作的形变感知视觉-触觉数据集与基准

Bowen Jing, Mingxin Wang, Ruiyang Hao, Chenchen Ge, Hanwen Shen, Junjie He, Yang Cui, Yiming Hou, Weitao Zhou, Jiawei Wang, Minglei Li, Dandan Zhang, Ding Zhao, Houde Liu, Xiaofan Li, Si Liu, Ping Luo, Haibao Yu

机构 * Tuojing Intelligence（拓境智能） ； Tsinghua University（清华大学） ； Southeast University（东南大学） ； Stevens Institute of Technology（斯蒂文斯理工学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Manchester（曼彻斯特大学） ； Simple AI ； Imperial College London（帝国理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本研究推出SoftVTBench视觉-触觉数据集与基准，定义形变感知成功率（DSR），发现触觉信息本身未必提升多模态融合，为可变形物体操作的物理交互研究提供资源。

Unified Condition-Action Modeling for Accurate One-Step Action Generation

用于精准单步动作生成的统一条件-动作建模

Xinyu Zhou, Zikun Cai, Kuangji Zuo, Gen Li, Boyu Ma, Yanshuo Lu, Yutong Song, Mingqi Yuan, Jiayu Chen, Jianfei Yang

机构 * NTU（南洋理工大学） ； HKU（香港大学） 纠错

AI总结 该研究提出UCA-Flow统一条件-动作建模框架，通过共享令牌空间与改进双路监督方案，提升机器人单步动作生成的成功率与推理速度。

Structured Latent Space Modeling over Multi-Scale Temporal Patches for Multivariate Time Series Forecasting

基于多尺度时间片的结构化潜空间建模用于多元时间序列预测

Xingsheng Chen, Deyu Yi, Siu-Ming Yiu

机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Innovation Engineering College, Macau University of Science and Technology（澳门科技大学创新工程学院） 纠错

AI总结 研究针对多元时间序列预测，提出基于卷积神经网络的M2Patch架构，通过多尺度切片、深度可分离卷积等提取特征并压缩成潜表示，利用尺度内和尺度间约束组织潜空间，在多个基准测试中成绩优异。

Planning-aligned Token Compression for Long-Context Autonomous Driving

面向长上下文自动驾驶的规划对齐令牌压缩

Zhixuan Liang, Yuxiao Chen, Yurong You, Peter Karkus, Wenhao Ding, Boyi Li, Alexander Popov, Yan Wang, Maximilian Igl, Yiming Li, Danfei Xu, Nikolai Smolyanskiy, Boris Ivanovic, Ping Luo, Marco Pavone

机构 * NVIDIA Research（NVIDIA研究） ； School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） 纠错

AI总结 提出COMPACT-VA框架，基于条件VQ-VAE将长上下文压缩为有界表示，通过规划对齐实现决策关键信息保留，在动态场景中成功率提升超6%，速度提升3.3倍。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L) 2026. 8 pages