$μ_0$: A Scalable 3D Interaction-Trace World Model
$\mu_0$: 一种可扩展的3D交互轨迹世界模型
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Seoul National University（首尔大学）
AI总结 提出基于3D轨迹的可扩展世界模型$\mu_0$，通过预测交互点轨迹实现跨本体机器人学习，无需动作标签，性能媲美有监督模型。
高校专区
University of Maryland, College Park（马里兰大学帕克分校）
GauS: Differentiable Scheduling Optimization via Gaussian Reparameterization
GauS：通过高斯重参数化的可微分调度优化
机构 * Cornell University（康奈尔大学） ； University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 提出GauS框架，利用高斯分布对算子调度进行随机松弛，以可微分方式优化调度，捕获时间序数性质并大幅减少参数空间，首次实现流水线调度的可微分化，达到帕累托最优。
