University of Michigan（密歇根大学安娜堡分校）

On-Device Robotic Planning: Eliminating Inference Redundancy for Efficient Decision-Making

设备端机器人规划：消除推理冗余以实现高效决策

Joonhee Lee, Hyunseung Shin, Hyunmi Kim, Pei Zhang, Jeonggil Ko

机构 * School of Integrated Technology, College of Computing, Yonsei University（延世大学整合技术学院，计算学院） ； Department of Hyperscale AI SoC Research Section, ETRI（ETRI超大规模AI SoC研究部） ； EECS - Electrical and Computer Engineering, University of Michigan（密歇根大学电气与计算机工程学院） 纠错

AI总结 提出REIS框架，通过场景门控、KV引导的affordance路由和审慎推理减少推理冗余，在保持语义适应性的同时加速机器人控制。

Comments 19 pages

Probing Collision Grounding in Vision-Language Models for Safe Human-Robot Collaboration

探索视觉-语言模型中的碰撞接地以实现安全的人机协作

Jun Wang, Xiaohao Xu, Xiaonan Huang

机构 * University of Michigan, Ann Arbor（密歇根大学，安娜堡） 纠错

AI总结 针对安全人机协作，提出碰撞接地概念及物理基准TouchSafeBench，评估视觉-语言模型在分类当前安全状态和预警即将碰撞任务中的表现，发现现有模型不可靠，视觉流畅性不等于物理责任性。

Comments 31 pages, 9 figures

Beyond Agreement: Scoring Panel-Surfaced Biomedical Entity Candidates for Curator Triage

超越一致性：为策展人分类对面板筛选的生物医学实体候选进行评分

Shuheng Cao, Ruiqi Chen, Renjie Cao, Zhenhao Zhang, Siyu Zhang, Tingting Dan

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； The Hong Kong University of Science and Technology, Guangzhou（香港科学与技术大学（广州）） ； ShanghaiTech University（上海科技大学） ； University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 提出BioConCal评分器，利用无金标准的一致性、提及、表面可用性和文档特征，对多LLM面板筛选的候选实体进行评分，显著提高候选筛选的精确率和召回率。

IRIS: time-structured manifold projections

IRIS: 时间结构化流形投影

Brian Ondov, Chia-Hsuan Chang, Weipeng Zhou, Xingjian Zhang, Xueqing Peng, Yutong Xie, Huan He, Qiaozhu Mei, Hua Xu

机构 * Department of Biomedical Informatics and Data Science, Yale School of Medicine（耶鲁医学院生物医学信息学与数据科学部） ； School of Information, University of Michigan（密歇根大学信息学院） 纠错

AI总结 提出IRIS算法，通过结合时间顺序和流形拓扑结构，解决t-SNE和UMAP无法体现时间动态的问题，适用于scRNA-seq、比较宏基因组学等动态生物医学数据可视化。

$R^3$: 3D Reconstruction via Relative Regression

$R^3$: 通过相对回归进行3D重建

Congrong Xu, Huachen Gao, Xingyu Chen, Yuliang Xiu, Jun Gao, Anpei Chen

机构 * University of Michigan（密歇根大学） ； Westlake University（西雅图大学） ； NVIDIA Research（英伟达研究） 纠错

AI总结 提出一种基于相对回归的3D重建方法$R^3$，使用轻量级MLP预测置信度加权的相对约束，以支持全上下文离线重建和因果有界内存流式重建。

Dreaming Across Towns: Semantic Rollout and Town-Adversarial Regularization for Zero-Shot Held-Out-Town Fixed-Route Driving in CARLA

跨城镇驾驶：面向CARLA零样本未见城镇固定路线驾驶的语义展开与城镇对抗正则化

Feeza Khan Khanzada, Jaerock Kwon

机构 * Department of Electrical and Computer Engineering, University of Michigan–Dearborn（密歇根大学迪尔伯恩分校电子与计算机工程系） 纠错

AI总结 提出一种结合未来语义预测与城镇对抗正则化的训练方法，在仅使用Town05和Town06训练的情况下，提升CARLA驾驶代理在未见城镇Town03和Town04上的零样本迁移性能。

Unraveling LoRA Interference: Orthogonal Subspaces for Robust Model Merging

解开LoRA干扰：用于鲁棒模型合并的正交子空间

Haobo Zhang, Jiayu Zhou

机构 * University of Michigan Ann Arbor（密歇根大学安娜堡分校） 纠错

AI总结 针对LoRA微调模型合并时性能下降的问题，提出通过微调前约束LoRA子空间正交性来减少任务间干扰的方法OSRM，可无缝集成现有合并算法，提升合并性能并保持单任务准确率。

Comments 14 pages, 5 figures, 16 tables, accepted by ACL 2025

Consideration of Vehicle Characteristics on the Motion Planner Algorithm

运动规划算法中车辆特性的考虑

Syed Adil Ahmed, Taehyun Shim

机构 * University of Michigan Dearborn（密歇根大学迪尔伯恩分校） 纠错

AI总结 针对现有轨迹规划器未考虑质心高度影响导致不同车辆（尤其是高质心车辆）轨迹非最优的问题，提出一种采用简化双轨模型、基于稳态方程估计侧向和侧倾载荷转移以及简化轮胎模型的规划器，以降低求解器负担，并在高/低加速度条件和不同车辆高度下与粒子模型和运动学模型规划器进行对比。

Comments This paper has been accepted for conference proceedings in MECC 2024, Chicago under a Creative Commons License CC-BY-NC-ND

Journal ref IFAC-PapersOnLine, Vol 58, Num 28, 2024, pgs 444-449