New York University（纽约大学）

Toward Generalist Neural Motion Planners for Robotic Manipulators: Challenges and Opportunities

迈向通用神经运动规划器的机器人机械臂：挑战与机遇

Davood Soleymanzadeh, Ivan Lopez-Sanchez, Hao Su, Yunzhu Li, Xiao Liang, Minghui Zheng

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University（J. Mike Walker ’66 机械工程系，德克萨斯A&M大学） ； Lab of Biomechatronics and Intelligent Robotics, Department of Biomedical Engineering, Tandon School of Engineering, New York University（生物机械与智能机器人实验室，生物医学工程系，Tandon工程学院，纽约大学） ； Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学） ； Zachry Department of Civil and Environmental Engineering, Texas A&M University（土木与环境工程系，德克萨斯A&M大学） 纠错

AI总结 本文探讨了通用神经运动规划器在机器人机械臂中的挑战与机遇，分析了现有方法的优缺点，并提出了改进方向。

Journal ref IEEE Transactions on Automation Science and Engineering, vol. 23, pp. 4488-4531, 2026

Point Bridge: 3D Representations for Cross Domain Policy Learning

点桥：跨领域策略学习的3D表示

Siddhant Haldar, Lars Johannsmeier, Lerrel Pinto, Abhishek Gupta, Dieter Fox, Yashraj Narang, Ajay Mandlekar

机构 * NVIDIA ； New York University（纽约大学） ； University of Washington（华盛顿大学） 纠错

AI总结 点桥通过统一的点表示实现跨领域策略学习，利用视觉语言模型提取点表示，结合Transformer策略学习，无需显式视觉或物体对齐，提升仿真到现实的零样本迁移性能。

Deep Learning as a Convex Paradigm of Computation: Minimizing Circuit Size with ResNets

深度学习作为计算的凸范式：用ResNets最小化电路规模

Arthur Jacot

机构 * Courant Institute, NYU（纽约大学Courant研究所） 纠错

AI总结 本文论证深度神经网络在HTMC regime下通过凸优化实现计算简洁性，ResNets的ResNet范数可近似最小化电路规模。

Hamiltonian Mechanics of Feature Learning: Bottleneck Structure in Leaky ResNets

特征学习的哈密顿力学：漏斗结构在漏斗残差网络中

Arthur Jacot, Alexandre Kaiser

机构 * Courant Institute, NYU（纽约大学Courant研究所） 纠错

AI总结 本文基于哈密顿力学分析漏斗残差网络，揭示了有效深度参数对特征学习的影响，通过动能与势能的平衡解释了漏斗结构的形成，并提出自适应步长训练方法适应时间尺度分离。