Johns Hopkins University（约翰斯·霍普金斯大学）

Reeling It In: Flexible Needle Pick Up via Thread Manipulation for Autonomous Suturing

收线：通过线操作实现自主缝合的柔性缝针拾取

Emma Huang, Zih-Yun Chiu, Neelay Joglekar, Shanglei Liu, Michael C. Yip

机构 * University of California San Diego（加利福尼亚大学圣迭戈分校） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； UC San Diego Health（加州大学圣迭戈分校健康中心） 纠错

AI总结 本研究提出一种基于缝合线辅助的自主缝针拾取框架，通过线操作实现间接拾取，可应对缝针被遮挡或不可接近等场景，提升了自主缝合的鲁棒性。

Comments Accepted to IROS 2026

On the Rademacher Complexity of Graph Neural Networks: Unifying Expressivity and Geometry

图神经网络的拉德马赫复杂度：统一表达性与几何

Martin Carrasco, Caio F. Deberaldini Netto, Vahan A. Martirosyan, Ehimare Okoyomon, Caterina Graziani

机构 * University of Fribourg（弗里堡大学） ； Johns Hopkins University（约翰·霍普金斯大学） ； Université Paris-Saclay（巴黎萨克雷大学） ； University of Ferrara（费拉拉大学） ； Technical University of Munich（慕尼黑技术大学） ； University of Siena（锡耶纳大学） 纠错

AI总结 该研究针对图神经网络（GNNs）泛化与表达性的权衡，采用依赖数据的经验拉德马赫复杂度，推导结合GNN表达力与输入空间几何的紧泛化界，扩展至任意GNN架构，助力GNN泛化统一理论构建。