高校专区
你的安全控制器真的安全吗？CBF永真式和隐藏假设的批判性审查
机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学）
AI总结 本文批判性地审查了CBF在机器人安全中的应用，揭示了安全控制器理论与实际实现之间的差距，并提供了构建实际安全论证的实用指南。
Comments Technical Report. Interactive web demo: https://cbf.taekyung.me
NavVerse：在连续机器人模拟中对室内到室外的具身导航进行基准测试
机构 * University of Michigan（密歇根大学） ； Tsinghua University（清华大学）
AI总结 研究针对机器人在连续场景中从室内到室外的导航问题，引入NavVerse基准，涵盖多种场景和任务。通过可执行接口用多指标评估智能体，零样本实验显示当前智能体在跨上下文导航上差距大，适应是主要瓶颈。
大语言模型中的信息辨别
机构 * University of Michigan（密歇根大学）
AI总结 研究大语言模型在与外部知识源结合时的信息辨别问题，提出Learn2Discern框架及基准，通过用户研究和大量模型试验发现模型在来源和真相辨别上存在问题，识别出简单干预措施，发布数据集和调查作为测试平台。
跨度内学习：利用自身预测调整降阶模型
机构 * Department of Aerospace Engineering（航空航天工程系） ； Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） ； Michigan Institute for Computational Discovery and Engineering, University of Michigan, Ann Arbor, MI, USA（美国密歇根大学安娜堡分校计算发现与工程研究所）
AI总结 研究降阶模型在线动力学偏离训练数据时精度下降的问题，提出通过在当前降子空间内利用模型自身预测，经增量奇异值分解获得轨迹 informed 谱预处理器，使模型更有效吸收未来跨度外校正。
针对对手的随机多目标运动动力学规划
机构 * University of Michigan（密歇根大学）
AI总结 研究在含随机混合对手环境下的多目标运动动力学规划，核心方法是将规划空间转移到闭环策略序列，通过蒙特卡洛粒子展开评估风险，引入SMO-RRT和SMO-SST算法，推导有限样本界，实现概率安全规划。
Comments 8 pages, 1 figure, accepted to CDC 2026
XCOMPS：概念最小对的多语言基准测试
机构 * Columbia University（哥伦比亚大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； LMU Munich（慕尼黑大学） ； University of Michigan（密歇根大学） ； KU Leuven（根特大学）
AI总结 介绍多语言概念最小对数据集XCOMPS，通过多种方式评估LLMs多语言概念理解，比较不同模型发现LLMs对低资源语言概念理解弱，指令微调与知识蒸馏有不同效果，形态复杂语言理解分数低。
Comments Accepted at SIGTYP 2025: https://aclanthology.org/2025.sigtyp-1.9/
对齐调整如何塑造大语言模型中谄媚及相关线索诱导偏差的表征？
机构 * University of Michigan（密歇根大学） ； Jinesis Lab, University of Toronto & Vector Institute（多伦多大学Jinesis实验室和向量研究所） ； Max-Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所）
AI总结 研究大语言模型中谄媚及相关线索诱导偏差的位置，通过从隐藏状态提取偏差方向并经探测等三种方法三角测量，发现易感性由对齐调整而非预训练导致，还能适度去偏，偏差是对齐调整安装的不同因果活性方向。
通过零样本几何评估实现世界行动模型的测试时缩放
机构 * University of Michigan（密歇根大学） ； NVIDIA（英伟达）
AI总结 研究针对世界行动模型，提出无需训练的选择性测试时缩放框架\methodgated，基于预测未来的跨视图深度重投影一致性排序，经实验验证该方法能提高任务成功率，同时减少额外采样决策点，还识别出相关失败模式。
Comments Extened version of CVPR 2026 EAI workshop
用于制造质量检测的合成3D齿轮数据集（MFGNet-Gear）
机构 * University of Michigan（密歇根大学）
AI总结 研究针对智能制造中基于深度学习的零件质量检测数据难题，提出构建MFGNet-Gear合成3D数据集，通过参数化生成齿轮几何形状与缺陷，涵盖多种设计和质量等级，提供标注数据，助力相关检测、学习及基准测试，推动3D计量学发展。
Q-VGM: 基于Q引导的值梯度匹配的流匹配VLA策略
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 提出Q-VGM离线强化学习方法，通过将值梯度转化为去噪时间上的值梯度场，避免反向传播去噪链，高效微调流匹配VLA策略，在LIBERO等任务上显著提升成功率。
Comments 13 pages, 3 figures, 4 tables
稳健的频域水印用于合成表格数据
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学）
AI总结 本文提出TAB-DRW水印方案，通过频域嵌入和秩基伪随机生成提升合成表格数据的鲁棒性和效率，实验显示其在抗后处理攻击和保持数据保真度方面表现优异。
Comments Accepted to Statistical Learning and Data Science
Journal ref Statistical Learning and Data Science (2026), Article 100001
TrackDeform3D: 无标记和自主的3D关键点跟踪及变形物体数据集采集
机构 * Department of Robotics at the University of Michigan（密歇根大学机器人系）
AI总结 本文提出了一种低成本自主框架，利用RGB-D相机采集变形物体的3D数据集，通过3D关键点跟踪和运动一致性约束提升几何和跟踪精度，构建了包含6种变形物体的高质量大规模数据集。
通过扩散合成在多样场景中进行快速且安全的轨迹规划
机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； University of Michigan（密歇根大学） ； MIT（麻省理工学院）
AI总结 针对动态环境规划难题，提出能量参数化扩散规划框架，结合轻量级安全过滤器和场景无关的数据生成管道，实现多样场景下快速安全规划，仿真与真实实验验证了其有效性、鲁棒性和适用性。
Sign-SZPO：具有未知链接函数的基于可证明偏好的强化学习
机构 * University of Michigan（密歇根大学）
AI总结 研究具有未知链接函数的基于偏好的强化学习问题，提出Sign-SZPO零阶策略优化算法，该算法仅估计价值函数差的符号来构建更新方向，可证明收敛到平稳策略，实证显示其在链接函数错误指定下具有鲁棒性。
用于张拉整体机器人六轴接触力扳手估计的可扩展开源视觉触觉传感器
机构 * University of Michigan（密歇根大学）
AI总结 本文针对张拉整体机器人提出可扩展开源视觉触觉传感系统，通过集成弹性体外壳等部件及螺旋状填充粘结技术，利用触觉到扳手的神经网络实现六轴力扳手估计，实验验证其准确性和稳定性，提升了机器人触觉反馈实用性。
Comments 8 pages, 10 figures, IROS 2026
E3DGS：通过颜色作为几何嵌入实现3D高斯点云的统一几何-光度等变性
机构 * University of Michigan（密歇根大学）
AI总结 研究针对3D高斯点云构建等变架构的表示瓶颈问题，提出基于表示理论的统一解决方案，通过将光度学与几何张量同构等方法，引入统一矩阵嵌入，构建E3DGS架构，提升了相机帧变化下的鲁棒性和数据效率。
Comments 31 pages, 7 figures, 5 tables
一个样本就能带偏所有：单次GRPO打破对齐
机构 * University of Michigan（密歇根大学） ； Northwestern University（西北大学）
AI总结 研究发现，仅用单个有偏样本进行一步GRPO训练就能诱导大语言模型产生系统性偏见，且刻板印象推理泛化到多种属性、类别和基准测试，揭示了对齐机制的关键脆弱性。
Comments COLM 2026
延迟-响应理论模型：通过响应准确性和思维链长度评估大语言模型
机构 * Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Department of Statistics, University of Michigan（密歇根大学统计系）
AI总结 针对大语言模型评估问题，提出延迟-响应理论（LaRT）模型，联合考虑响应准确性和思维链长度，通过引入关键参数建模，推导高效算法估计参数，经理论和模拟研究验证其优势，实际数据评估中表现优于项目反应理论（IRT）。
AutoSpec：神经网络规范的自动生成
机构 * University of Michigan（密歇根大学） ； Microsoft Research（微软研究院） ； Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对神经网络在学习增强系统中对模型安全鲁棒性需求，AutoSpec提出首个自动生成和评估神经网络规范的综合框架，通过基于树算法、统计认证框架及评估框架，经实验验证其性能优于手动定义规范和现有基线算法。
用于无再训练推荐的可变低秩草图
机构 * University of Michigan（密歇根大学） ； Criteo
AI总结 研究两阶段推荐中嵌入陈旧性问题，提出可变草图方法，将用户偏好存于KP树，一次拟合低秩投影，即时重算嵌入。证明可收紧预测误差范围，实验显示该方法在KuaiRec上效果好、更新快，新用户获推荐快，还比较了不同采样策略。
Comments 6 pages, 3 figures, 8 tables
混合智能体博物馆导游设计提升性别化学习成果及游客偏好
机构 * University of Michigan（密歇根大学） ； Incheon National University（仁川国立大学）
AI总结 研究博物馆中机器人导游，提出结合实体与虚拟智能体的混合导游系统，经30人受试者内研究验证，发现其提升女性学习表现，各条件下参与度和体验质量一致，且无论性别参与者都更偏好混合智能体团队。
Comments Accepted on IROS 2026, 8 pages
Dysco：动态子空间增强以减轻联邦学习中的LoRA干扰
机构 * University of Michigan（密歇根大学） ； Cornell University（康奈尔大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 研究针对联邦学习中异构客户端使LoRA聚合不稳定的问题，提出动态子空间增强方法Dysco，通过联邦动态分配特定客户端LoRA子空间，经实验验证其能减少干扰、降低训练损失、提升算法性能且开销小。
Comments 33 pages, 10 figures, 11 tables
REST：基于零样本目标导航的视界探索Steiner树
机构 * State Key Laboratory of Internet of Things for Smart City, University of Macau（智能城市物联网国家重点实验室，澳门大学） ； University of Michigan（密歇根大学）
AI总结 REST通过构建开放词汇3D地图、生成以代理为中心的路径树以及利用LLM推理选择最佳路径，在多个基准测试中实现了高成功率和高效路径效率。
Comments Accepted to IROS'26
Idea2Plan：探索人工智能驱动的研究规划
机构 * University of Michigan（密歇根大学） ； Microsoft Research（微软研究院）
AI总结 探讨大语言模型从概念研究想法到结构化研究计划的过渡能力，通过引入Idea2Plan任务、基准及JudgeEval评估，实验发现GPT-5表现最佳但仍有提升空间，为LLMs研究规划能力研究提供新见解和基础。
超越语言和模态限制学习说话者身份：来自POLY-SIM 2026挑战赛的见解
机构 * Institute of Computational Perception, Johannes Kepler University（约翰内斯·开普勒大学计算感知研究所） ； University of Michigan-Flint（密歇根大学弗林特分校） ； BDO DIGITAL Gmbh（BDO数字有限公司） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Fortemedia（富特媒体公司） ； College of Computing, Mohammed VI Polytechnic University（穆罕默德六世理工大学计算学院） ； IT:U Interdisciplinary Transformation University（IT:U跨学科转型大学） ； University of Augsburg（奥格斯堡大学）
AI总结 POLY-SIM 2026挑战赛旨在解决多模态说话者识别中语言和模态限制问题，针对实际应用中信息缺失、多语言等挑战，为比较解决方案提供标准化设置。
Comments Accepted at ACM MM 2026
VAMP-MR：多机器人手臂的向量加速运动规划与执行
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； University of Michigan（密歇根大学）
AI总结 针对多机器人手臂运动规划这一关键挑战，结合经典规划算法与矢量化碰撞检查技术，引入新运动规划器，基于CPU SIMD指令加速碰撞检查，在运动规划和执行后处理中实现加速，并发布实现降低研发门槛。
Comments 8 pages, 6 figures, 3 tables. To appear in the Proceedings of IROS 2026
肢体环绕式致动器的设计与特性
机构 * University of Michigan（密歇根大学）
AI总结 研究重新思考致动几何结构使外骨骼更贴合身体的方法，开发肢体环绕式致动器（LEA）并表征其特性，其虽有高扭矩密度和创新布局，但贴近身体仍有困难，为外骨骼设计提供见解。
Comments 10 pages, 6 figures
EMAGN：基于学习聚类的高效多注意力图网络用于可扩展交通流量预测
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Cornell University（康奈尔大学） ； Technische Universität Dresden（德累斯顿工业大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 针对交通流量预测中自注意力机制扩展性有限的问题，提出EMAGN，通过学习聚类矩阵将空间注意力机制线性化，降低复杂度，实验表明其在准确性和效率上优于其他模型，扩展了可行模型配置。
并非所有线索都能被发现：事实分布和“不要编造”提示如何影响长上下文语言模型中的检索、推理和幻觉
机构 * Department of Electrical Engineering & Computer Science University of Michigan（电气工程与计算机科学系 密歇根大学）
AI总结 研究大语言模型中事实分布和反幻觉提示对检索、推理及幻觉的影响，通过扩展基准评估多个模型，识别出分布崩溃和安全代价两种失败模式，发现许多失败源于无效上下文利用，强调特定模型稳健性和上下文管理的重要性。
Comments 16 pages, 8 figures, 2 tables. Accepted at the FAGEN Workshop @ ICML 2026
GaitSpan：将类人机器人的运动从行走扩展到跑步
机构 * University of Michigan（密歇根大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 研究如何让类人机器人从行走扩展到跑步，提出GaitSpan框架，将预训练行走策略扩展，通过节奏生成、步幅塑造和残差适应三方面实现，能跨形态、跨地形零样本部署，相比基线学习更快且步态性能更强。
Comments Project Page: https://gaitspan2026.github.io/
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈