University of Michigan（密歇根大学安娜堡分校）

AXIS: A Growable Community-Driven Data Engine for Scalable Robot Manipulation

AXIS：用于可扩展机器人操作的可增长社区驱动数据引擎

Mengfei Zhao, Dihong Huang, Yikai Tang, Peihao Li, Mingxuan Yan, Ruiqi Zhuang, Yanjia Huang, Jie Wang, Hai Zhai, Tony Zhou, Rui Zhang, Zhexi Luo, Yuchen Huang, Jianfei Yang, Jiachen Li

机构 * Axis Robotics（轴机器人公司） ； University of California, Berkeley（加州大学伯克利分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Texas A&M University（德州农工大学） ； Johns Hopkins University（约翰·霍普金斯大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 研究针对机器人操作策略学习中数据管道难扩展的问题，提出AXIS这一可增长社区驱动数据引擎，它能收集、处理数据并组织成任务快照，通过实验表明其能提升模型性能且随数据量增加有一致扩展性。

Comments Project Website: https://axisaiorg.github.io/AXIS-V1/

A Diffusion-Model Subpopulation Digital Twin for Mobile Health Deployment: A Case Study on the HeartSteps Intervention

用于移动健康部署的扩散模型亚群数字孪生：以HeartSteps干预为例

Ziping Xu, Yuyi Chang, Chenshun Ni, Nithin Sugavanam, Asim H. Gazi, Pedja Klasnja, Emre Ertin, Susan A. Murphy

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； The Ohio State University（俄亥俄州立大学） ； Harvard University（哈佛大学） ； University of Michigan（密歇根大学） 纠错

AI总结 研究针对移动健康干预算法设计问题，提出基于条件时间序列扩散模型开发“JITAI-Twins”数字孪生的方法，经多步更新，在HeartSteps干预部署预阶段验证，能更好再现目标亚群结构，为算法设计决策提供模拟。

Distributed Model-Based Diffusion For Scalable Multi-Robot Trajectory Optimization

用于可扩展多机器人轨迹优化的基于分布式模型的扩散算法

Haejoon Lee, Xinyi Wang, Taekyung Kim, Dimitra Panagou

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

AI总结 针对多机器人轨迹优化难题，提出分布式基于模型的扩散算法（DMBD），将反向扩散过程分解为局部条件反向扩散过程，使机器人能独立去噪，模拟显示其可扩展性强，能快速解决协调任务且优于现有基线。

Comments 9 pages, 4 figures

Deep Reinforcement-Learning-Guided Model Predictive Control for Preventing Overtakes in Autonomous Racing

深度强化学习引导的模型预测控制在自主赛车中防止超车的应用

Yufei Xi, Yijie Liao, Tulga Ersal

机构 * University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 研究自主赛车防御性阻挡问题，通过分层强化学习引导的模型预测控制框架，将防御转化为空间占用调节问题。在仿真中提升平均超车时间，减少对手前进距离，使车辆有效利用轮胎力，且求解时间短，支持实时高速对抗。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 7 figures