WinTA-GIL: Windowed Trajectory Alignment for GNSS-IMU-LiDAR Heading Refinement in Intermittent Signal Environments
WinTA-GIL：间歇信号环境下用于GNSS-IMU-LiDAR航向精化的窗口轨迹对齐
Kaixin Feng, Zhichao Wen, Zhaohong Liao, Xin Xia, You Li
机构
*
State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS), Wuhan University（武汉大学测绘遥感信息工程国家重点实验室）
；
School of Remote Sensing and Information Engineering, Wuhan University（武汉大学遥感信息工程学院）
；
College of Engineering and Computer Science, University of Michigan-Dearborn（美国密歇根大学迪尔伯恩分校工程与计算机科学学院）
Integrated Forward-Inverse Network for Lensless Image Reconstruction
用于无透镜图像重建的集成正反网络
Donggeon Bae, Jaewoo Jung, Yong Guk Kang, Kyung Chul Lee, Taeyoung Kim, Jongho Kim, Sangjun Byun, Joonsik Park, Seung Ah Lee
机构
*
Department of Mechanical Engineering, Seoul National University（韩国首尔国立大学机械工程系）
；
School of Mechanical and Aerospace Engineering/SNU-IAMD, Seoul National University（韩国首尔国立大学机械与航空航天工程学院/SNU-IAMD）
；
Department of Electrical and Electronic Engineering, Yonsei University（韩国延世大学电气与电子工程系）
；
Department of Biomedical Engineering, University of Michigan（美国密歇根大学安娜堡分校生物医学工程系）
From Reasoning Traces to Reusable Modules: Understanding Compositional Generalization in Language Model Reasoning
从推理轨迹到可复用模块：理解语言模型推理中的组合泛化
Lingjing Kong, Xin Liu, Guangyi Chen, Martin Q. Ma, Xiangchen Song, Yuekai Sun, Mikhail Yurochkin, Taylor W. Killian, Ruslan Salakhutdinov, Kun Zhang, Eric P. Xing, Zhengzhong Liu
机构
*
Carnegie Mellon University（卡内基梅隆大学）
；
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
；
Institute of Foundation Models（基础模型研究院）
；
University of Michigan（密歇根大学）
Bayesian Invariance Modeling of Multi-Environment Data
多环境数据的贝叶斯不变性建模
Luhuan Wu, Mingzhang Yin, Yixin Wang, John P. Cunningham, David M. Blei
机构
*
Department of Applied Mathematics and Statistics, Johns Hopkins University（应用数学与统计学系，约翰霍普金斯大学）
；
Department of Statistics, Columbia University（统计学系，哥伦比亚大学）
；
Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学）
；
Warrington College of Business, University of Florida（佛罗里达大学沃林顿商学院）
；
Department of Statistics, University of Michigan（统计学系，密歇根大学）
A Survey of Reinforcement Learning-Based Motion Planning for Autonomous Driving: Lessons Learned from a Driving Task Perspective
基于强化学习的自动驾驶运动规划综述：从驾驶任务角度吸取的经验教训
Zhuoren Li, Guizhe Jin, Ran Yu, Weiqi Zhang, Zhiwen Chen, Nan Li, Lu Xiong, Ilya Kolmanovsky, Dimitar Filev, Bo Leng, Jia Hu
机构
*
College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院）
；
Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University（教育部道路与交通工程重点实验室）
；
Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系）
；
Hagler Institute for Advanced Study, Texas A&M University（德克萨斯大学A&M分校哈格勒先进研究学院）
Physics-Grounded Monocular Vehicle Distance Estimation Using Standardized License Plate Typography
基于标准化车牌字体的单目车辆距离估计
Manognya Lokesh Reddy, Zheng Liu
机构
*
Department of Computer and Information Science, University of Michigan-Dearborn（1计算机与信息科学系，密歇根大学-迪尔伯恩分校）
；
Department of Industrial and Manufacturing Systems Engineering, University of Michigan-Dearborn（2工业与制造系统工程系，密歇根大学-迪尔伯恩分校）
机构
*
Yonsei University（延世大学）
；
Korea Institute of Science and Technology（韩国科学技术院）
；
LG AI Research（LG人工智能研究）
；
University of Michigan（密歇根大学）
；
Seoul National University（首尔国立大学）
RADE: Learning Risk-Adjustable Driving Environment via Multi-Agent Conditional Diffusion
RADE：通过多智能体条件扩散学习风险可调整的驾驶环境
Jiawei Wang, Xintao Yan, Yao Mu, Haowei Sun, Zhong Cao, Henry X. Liu
机构
*
Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系）
；
Department of Computer Science, University of Hong Kong（香港大学计算机科学系）
；
University of Michigan Transportation Research Institute（密歇根大学交通研究研究院）
机构
*
School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院）
；
Distributed Autonomous Systems and Control Lab, University of Michigan（密歇根大学分布式自主系统与控制实验室）
CommentsFull version (and extension) of FOCS 2024 paper. Fixes some missing assumptions in our results for continuous distributions. Also adds extensions to censored and binary feedback settings (along with applications) Revision: We improved the $k$ dependence
Revising RVL-CDIP: Quantifying Errors and Test-Train Overlap
修订RVL-CDIP：量化错误与测试-训练重叠
Stefan Larson, Attila Nagy, Sam Desai, Cyrus Desai, Nicole C. Lima, Yixin Yuan, Siddharth Betala, Kaushal K. Prajapati, Jamiu T. Suleiman, Sharad Duwal, Kevin Leach
机构
*
Vanderbilt University（范德堡大学）
；
ML Collective
；
University of Michigan（密歇根大学）
；
IIT Madras（印度理工学院马德拉斯分校）
The HydroGym Reinforcement Learning Platform for Fluid Dynamics
HydroGym：流体动力学的强化学习平台
Christian Lagemann, Sajeda Mokbel, Miro Gondrum, Mario Rüttgers, Yuning Wang, Pol Suárez, Ludger Paehler, Deniz A. Bezgin, Aaron B. Buhendwa, Jared L. Callaham, Samuel Ahnert, Nicholas Zolman, Xiao Shao, Jean-Christophe Loiseau, Nikolaus Adams, Matthias Meinke, Wolfgang Schröder, Kai Lagemann, Esther Lagemann, Ricardo Vinuesa, Steven L. Brunton
机构
*
University of Washington（华盛顿大学）
；
AI Institute in Dynamic Systems, University of Washington（华盛顿大学人工智能研究所）
；
RWTH Aachen University（亚琛工业大学）
；
Inha University（仁荷大学）
；
University of Michigan（密歇根大学）
；
KTH Royal Institute of Technology（瑞典皇家理工学院）
；
Technical University of Munich（慕尼黑工业大学）
；
Arts et Métiers Institute of Technology（国立高等工程技术学校）
；
CNAM（法国国立工艺学院）
；
DynFluid, HESAM Université（HESAM大学流体动力学实验室）
；
Munich Institute of Integrated Materials, Energy and Process Engineering, Technical University of Munich（慕尼黑工业大学综合材料、能源与工艺工程研究所）
；
JARA Center for Simulation and Data Science, RWTH Aachen University（亚琛工业大学JARA模拟与数据中心）
；
MediaTek Research（联发科技研究中心）
；
German Center for Neurodegenerative Diseases（德国神经退行性疾病中心）
