Princeton University（普林斯顿大学）

GEM-4D: Geometry-Enhanced Video World Models for Robot Manipulation

GEM-4D：用于机器人操作的几何增强视频世界模型

Kaichen Zhou, Yuzhen Chen, Fangneng Zhan, Hang Hua, Grace Chen, Xinhai Chang, Ao Qu, Yilun Du, Zhuang Liu, Paul Pu Liang, Mengyu Wang

机构 * Harvard AI and Robotics Lab（哈佛人工智能与机器人实验室） ； Harvard University（哈佛大学） ； Media Lab and EECS（媒体实验室和电子工程与计算机科学系） ； MIT（麻省理工学院） ； Princeton University（普林斯顿大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） 纠错

AI总结 提出GEM-4D，通过注入从预训练几何基础模型蒸馏的密集4D对应监督，增强视频世界模型的几何一致性，并引入逆动力学模块将视频滚动转换为可执行机器人轨迹，提升操作成功率。

Comments Robotic World Model, Video Generative Model

Assessing the Effect of Cross-Domain Mapping on Creativity in Humans and Large Language Models

机遇由设计：评估跨领域映射对人类和LLM创造力的影响

Qiawen Ella Liu, Marina Dubova, Henry Conklin, Takumi Harada, Thomas L. Griffiths

机构 * Princeton University（普林斯顿大学） ； Santa Fe Institute（圣菲研究所） ； Toyota Motor North America, Inc.（丰田美国公司） 纠错

AI总结 研究通过对比人类与LLM在跨领域映射和用户需求两种提示下的创造力表现，发现人类从随机远程领域获得灵感能提升创造力，而LLM生成原创想法更多且跨领域映射影响随灵感源与目标的语义距离增加而增强。

Large Language Models provide support for the parallelogram theory of analogy

平行四边形反击：LLM生成的类比优于人类

Qiawen Ella Liu, Raja Marjieh, Jian-Qiao Zhu, Adele E. Goldberg, Thomas L. Griffiths

机构 * Princeton University（普林斯顿大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 研究比较了人类和LLM在类比任务中的表现，发现LLM生成的类比更符合平行四边形结构，且人类在生成关系保持的类比时表现较差。

Fast rigid alignment of heterogeneous images in sliced Wasserstein distance

Yunpeng Shi, Amit Singer, Eric J. Verbeke

机构 * Department of Mathematics, University of California at Davis（加州大学戴维斯分校数学系） ； Princeton University（普林斯顿大学） ； Program in Applied and Computational Mathematics, Princeton University（普林斯顿大学应用与计算数学项目） 纠错