University of Michigan（密歇根大学安娜堡分校）

RadarSplat-RIO: Indoor Radar-Inertial Odometry with Gaussian Splatting-Based Radar Bundle Adjustment

RadarSplat-RIO：基于高斯点分布的室内雷达-惯性里程计

Pou-Chun Kung, Yuan Tian, Zhengqin Li, Yue Liu, Eric Whitmire, Wolf Kienzle, Hrvoje Benko

机构 * Meta Reality Labs（Meta现实实验室） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出基于高斯点分布的雷达束调整框架，通过联合优化雷达传感器姿态和场景几何，显著减少位姿漂移并提升鲁棒性，实验表明在多个室内场景中，雷达束调整性能优于传统雷达-惯性里程计。

Adaptive Unknown Fault Detection and Few-Shot Continual Learning for Condition Monitoring in Ultrasonic Metal Welding

自适应未知故障检测与少样本持续学习用于超声金属焊接的条件监控

Ahmadreza Eslaminia, Kuan-Chieh Lu, Klara Nahrstedt, Chenhui Shao

机构 * Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校机械科学与工程系） ； Coordinated Science Laboratory, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校协调科学实验室） ； Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系） 纠错

AI总结 本文提出了一种自适应条件监控方法，通过分析多层感知机的隐藏层表示和统计阈值策略实现未知故障检测，并结合少样本持续学习提升焊接过程监控的适应性与准确性。

Comments 20 pages, 10 figures

FDM-Bench: A Comprehensive Benchmark for Evaluating Large Language Models in Additive Manufacturing Tasks

FDM-Bench：用于评估大型语言模型在增材制造任务中的综合基准

Ahmadreza Eslaminia, Adrian Jackson, Beitong Tian, Avi Stern, Hallie Gordon, Rajiv Malhotra, Klara Nahrstedt, Chenhui Shao

机构 * Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校机械科学与工程系） ； Coordinated Science Laboratory, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校协调科学实验室） ； Department of Mechanical and Aerospace Engineering, Rutgers University（罗格斯大学机械与航空航天工程系） ； Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系） 纠错

AI总结 本文提出FDM-Bench基准，用于评估大型语言模型在增材制造任务中的能力，通过用户查询和G代码样本评估不同模型的性能，发现闭源模型在检测G代码异常方面表现更优。