Nanyang Technological University（南洋理工大学）

Task-Oriented Sensing and Covert Transmissions for Collaborative Multi-AUV Systems

协作多自主水下航行器系统的面向任务感知与隐蔽传输

Xueyao Zhang, Chenyang Yan, Bo Yang, Xuelin Cao, Zhiwen Yu, Bin Guo, George C. Alexandropoulos, Merouane Debbah, Chau Yuen

机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机科学学院） ； School of Cyber Engineering, Xidian University（西安电子科技大学网络空间安全学院） ； Harbin Engineering University（哈尔滨工程大学） ； Department of Informatics and Telecommunications, National and Kapodistrian University of Athens（雅典国立卡波迪斯特里亚大学信息与电信系） ； KU 6G Research Center, Department of Computer and Information Engineering, Khalifa University（哈利法大学KU 6G研究中心计算机与信息工程系） ； CentraleSupelec, University Paris-Saclay（巴黎萨克雷大学中央理工学院） ； School of Electrical and Electronics Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） 纠错

AI总结 针对水下隐蔽协作任务中AUV信息获取与通信问题，提出SVR-MARL框架，利用实际信息刻画信息效用，在通信和隐蔽约束下学习协作策略，通过案例研究证明其能提高协作效率、降低通信与暴露风险。

Anatomy of Uncertainty: Expressive Descriptors of Robotic Manipulator Motion for Non-verbal Communication in Human-Robot Collaboration

不确定性剖析：用于人机协作中非语言交流的机器人操纵器运动的表达性描述符

Ridhima Bector, Souravik Dutta, Poornima Ramachandran, Ree Yan Yeoh, Jui Hien Tan, Domenico Campolo, Bernhard Johannes Schmitt

机构 * School Of Art, Design and Media, Nanyang Technological University（南洋理工大学艺术、设计与传媒学院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院） 纠错

AI总结 研究人机协作中机器人运动表达不确定性问题，引入数学框架，利用拉班动作分析，通过十一个描述符对五个运动原语参数化，经人体研究验证，为编码机器人运动不确定性及自主轨迹生成奠定基础。

Comments 11 pages, 8 figures

Ego-Dynamics-Augmented World Model for Autonomous Driving with Zero-Shot Cross-Chassis Adaptation

用于零样本跨底盘自适应自动驾驶的自我动力学增强世界模型

Zhidong Wang, Jingsong Liang, Zirui Li, Zhan Chen, Han Yu, Chen Lv

机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与宇航工程学院） ； Collaborative Initiative, Interdisciplinary Graduate Programme, Nanyang Technological University（南洋理工大学跨学科研究生项目合作计划） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

AI总结 研究针对自动驾驶中基于世界模型的强化学习问题，提出DynaDreamer方法，通过增强自我动力学先验改进世界模型，减少自我运动建模负担，实现零样本跨底盘自适应，实验证明该方法显著提升驾驶任务成功率。

Comments 13 pages, 13 figures

GPUSimBench: Towards Scalable and Reliable GPU-Accelerated Simulators in Embodied AI

GPUSimBench：迈向具身人工智能中可扩展且可靠的GPU加速模拟器

Huzhenyu Zhang, Shenghai Yuan, Wenrui Yan, Li Ma, Hengjie Li, Jingcheng Pang, Dmitry Yudin

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； MIRAI（未来人工智能研究所） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学） 纠错

AI总结 研究具身人工智能中GPU加速模拟器问题，通过GPUSimBench工具，建立物理基础评估、基准测试并行可扩展性，揭示并量化GPU批处理执行的不确定性，确定模拟器堆栈随机经验模式，强调无界扩展对可重复性的影响。

Comments Accepted by IROS 2026