University of Maryland, College Park（马里兰大学帕克分校）

2604.25897 2026-07-28 cs.RO cs.LG cs.SY eess.SY 版本更新

Variational Neural Belief Parameterizations for Robust Dexterous Grasping under Multimodal Uncertainty

变分神经信念参数化用于多模态不确定性下的鲁棒灵巧抓取

Clinton Enwerem, Shreya Kalyanaraman, John S. Baras, Calin Belta

机构 * Department of Electrical & Computer Engineering and Institute for Systems Research, University of Maryland, College Park, MD, USA（电气与计算机工程系和系统研究所，马里兰大学，College Park, MD, USA）； Maryland Applied Graduate Engineering, A. James Clark School of Engineering, University of Maryland, College Park, MD, USA（马里兰应用研究生工程学院，A. James Clark工程学院，马里兰大学，College Park, MD, USA）

AI总结本文提出变分推理方法，通过可微高斯混合模型表示信念，利用Gumbel-Softmax和位置-尺度重参数化实现平滑采样，提升抓取鲁棒性并减少规划时间。

Comments 11 pages, 10 figures. Accepted for publication at IROS 2026. Code, simulation assets, and dataset at https://github.com/coenwerem/vnb-grasp

2506.08543 2026-07-28 cs.CV 版本更新

Spectral Principal Paths: A Spectral Perspective on Linear Representation Formation in LLMs

谱主路径：大语言模型中线性表示形成的谱视角

Bowei Tian, Xuntao Lyu, Meng Liu, Hongyi Wang, Ang Li

机构 * University of Maryland, College Park（马里兰大学 College Park 分校）； North Carolina State University（北卡罗来纳州立大学）； Genbio AI

AI总结提出输入空间线性假设和谱主路径框架，利用谱理论解释大语言模型中线性表示的形成与稳定性，并给出严格保证。

Comments 21 Pages. In Conference on Language Modeling (COLM), 2026