University of Michigan（密歇根大学安娜堡分校）

AUTOPILOT VQA: Benchmarking Vision-Language Models for Incident-Centric Dashcam Understanding

自动驾驶视觉问答：以事件为中心的行车记录仪理解视觉语言模型基准测试

Siddharth Damodharan, Radhika Gupta, Ali Alshami, Ryan Rabinowitz, Jugal Kalita

机构 * University of Colorado Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校） ； University of Michigan（密歇根大学） ； University of Notre Dame（圣母大学） 纠错

AI总结 针对评估视觉语言模型对安全关键事件推理能力的挑战，提出AUTOPILOT-VQA基准，通过围绕真实驾驶事件的结构化问题评估系统，涵盖多安全相关类别，推动向安全意识推理发展，为自动驾驶系统评估提供标准，助力相关视觉语言系统开发。

Comments CVPR Autopilot Workshop

Learning Adaptive Solvers for Distributed Factor Graph Optimization on Matrix Lie Groups

学习用于矩阵李群上分布式因子图优化的自适应求解器

Jaeho Shin, Maani Ghaffari, Yulun Tian

机构 * University of Michigan（密歇根大学） 纠错

AI总结 针对机器人感知中大规模几何优化问题，提出DeepCORD框架，通过展开黎曼优化器为可微迭代，学习自监督反馈策略动态调整参数，实验证明该方法在分布式因子图优化上效果优于现有基线。

Do Transformations Reveal the Truth? Generative Residual Learning for Generalized AI-Generated Image Detection

变换能揭示真相吗？用于广义人工智能生成图像检测的生成残差学习

Kutub Uddin, Nusrat Tasnim, Awais Khan, Mohammad Umar Farooq, Khalid Malik

机构 * University of Michigan Flint（密歇根大学弗林特分校） ； Korea Aerospace University（韩国航空航天大学） 纠错

AI总结 针对生成式AI带来的威胁及AIGI检测难题，提出GenRes框架，通过神经张量网络建模关系特征增强泛化；引入GenRes++，用注意力机制聚合多变换样本特征；利用PE-Core提取特征，实验证明GenRes++性能优于现有方法。

Structure Learning on Clustered Data

聚类数据上的结构学习

Ryan Thompson, Matt P. Wand, Veerabhadran Baladandayuthapani

机构 * University of Technology Sydney（悉尼科技大学） ； University of Michigan（密歇根大学） 纠错

AI总结 针对现有技术无法用于聚类数据结构学习的问题，提出新方法，将经典混合模型框架扩展到结构学习，通过可微图耦合机制、收敛一阶方法等，在聚类数据中检测到其他估计器遗漏的依赖关系。

CausalDS: Benchmarking Causal Reasoning in Data-Science Agents

因果DS：数据科学智能体中的因果推理基准测试

Andrej Leban, Yuekai Sun

机构 * Department of Statistics University of Michigan（统计学系密歇根大学） 纠错

AI总结 介绍用于评估数据科学智能体因果推理的CausalDS基准，由含观测数据的结构因果模型和合成自然语言故事构成场景，导出跨越Pearl三个层级的任务，联合评估符号因果推理、数据科学等多方面能力。

Comments 55 pages, 10 figures

Validating LLMs in social science: Epistemic threats and emerging norms

在社会科学中验证大语言模型：认知威胁与新兴规范

Meera Desai, Dallas Card, Abigail Z. Jacobs

机构 * School of Information, University of Michigan（信息学院，密歇根大学） ； Center for the Study of Complex Systems, University of Michigan（复杂系统研究中心，密歇根大学） 纠错

AI总结 研究探讨大语言模型对社会科学方法论的重塑，通过分析八本旗舰期刊论文语料库，发现其生成测量在实证分析中核心作用凸显，但验证实践存问题，进而概述补充策略以完善大语言模型在社会科学应用的规范标准。

Comments 28 pages, 2 figures. Main text: 11 pages, Appendix: 11 pages, References: 6 pages

STEMbot: A Compliant Robot for Under-Canopy Plant Navigation

STEMbot：一种用于树冠下植物导航的柔顺机器人

Zachary Charlick, Nilay Roy Choudhury, Haoyu Ma, Xiaonan Huang, Dmitry Berenson

机构 * Robotics Department, University of Michigan（密歇根大学机器人系） 纠错

AI总结 针对有机农业虫害监测难题，提出STEMbot微型攀爬机器人系统，集成全几何PIN-SLAM管道和语义八叉树，用流形约束A*规划器实现分支感知遍历与遮挡目标检测，经实验验证可可靠导航并实现高保真几何重建。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project page: https://um-arm-lab.github.io/stembot-site/

Kime-Representation Formulations of Three Open Problems in the Foundations of Classical Mechanics: Uncertainty, Invariant Entropy, and Directional Degrees of Freedom

经典力学基础中三个开放问题的复时（kime）表示公式：不确定性、不变熵和定向自由度

Ivo D. Dinov

机构 * University of Michigan（密歇根大学） 纠错

AI总结 该研究在复时（kime）表示下探讨经典力学基础的三个问题，包括熵不确定性原理扩展、坐标不变测度与熵表征及构建经典相对论定向自由度，通过多种数学方法证明相关关系和结论，并提出精确开放问题。