University of Toronto（多伦多大学）

Sharing the Load: Autonomous Multi-Rover Cargo Transport

分担负载：自主多车货运

Alexander Krawciw, Luka Antonyshyn, Sven Lilge, Nicolas Olmedo, Faizan Rehmatullah, Maxime Desjardins-Goulet, Pascal Toupin, Timothy D. Barfoot

机构 * University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所） ； Toronto Metropolitan University（多伦多 Metropolitan 大学） ； MDA Space（MDA 空间公司） ； Centre de Technologies Avancées（先进科技中心） 纠错

AI总结 本文提出一种分布式模型预测控制器，实现多车共享货运任务，通过定制化货运连接器实现高精度路径跟踪和任务灵活性，实验表明其在月球栖息地建设中具有显著优势。

Comments 19 pages, 14 figures, submitted to IEEE Transactions on Field Robotics

Generating HDR Video from SDR Video

从SDR视频生成HDR视频

SaiKiran Tedla, Francesco Banterle, Trevor Canham, Karanpreet Raja, David B. Lindell, Kiriakos N. Kutulakos, Jiacheng Li, Feiran Li, Daisuke Iso

机构 * Sony Research（索尼研究实验室） ； York University（约克大学） ； Vector Institute（向量研究所） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出利用大规模生成视频模型从普通SDR视频生成HDR视频，引入多曝光视频模型和可学习视频合并模型，通过实验验证了其在真实场景和电影中的HDR转换能力。

TurboVGGT: Fast Visual Geometry Reconstruction with Adaptive Alternating Attention

TurboVGGT: 基于自适应交替注意力的快速视觉几何重建

David Huang, Guile Wu, Chengjie Huang, Bingbing Liu, Dongfeng Bai

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） ； Foundation Model Department, Huawei（华为基础模型部门） 纠错

AI总结 本文提出TurboVGGT，通过自适应稀疏全局注意力和帧注意力实现高效多视图3D重建，在保持重建质量的同时提升效率。

Comments Technical Report

SToRe3D: Sparse Token Relevance in ViTs for Efficient Multi-View 3D Object Detection

SToRe3D：ViTs中稀疏令牌相关性用于高效多视角3D目标检测

Sandro Papais, Lezhou Feng, Charles Cossette, Lingting Ge

机构 * University of Toronto（多伦多大学） ； Zoox Inc（Zoox公司） 纠错

AI总结 SToRe3D通过联合选择2D图像令牌和3D目标查询，实现高效多视角3D目标检测，在nuScenes和新基准上达到3倍加速，保持精度。

Comments Accepted to CVPR 2026

SurF: A Generative Model for Multivariate Irregular Time Series Forecasting

SurF：一种用于多变量不规则时间序列生成模型

Mohammad R. Rezaei, Tejas Balaji, Rahul G. Krishnan

机构 * Department of Computer Science（计算机科学系） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

AI总结 SurF提出了一种生成模型，利用时间重标定定理将事件序列转换为独立同分布的单位速率指数噪声，支持跨异构事件流数据集训练，并在六个真实世界基准上取得最佳时间RMSE。

Towards Resource-Efficient LLMs: End-to-End Energy Accounting of Distillation Pipelines

迈向资源高效的大型语言模型：蒸馏流水线的端到端能源核算

Katherine Lambert, Sasha Luccioni

机构 * University of Toronto（多伦多大学） 纠错

AI总结 本文研究了蒸馏流水线的端到端能源成本，揭示了传统方法的能耗问题，并提出开放源代码工具用于标准化蒸馏研究。

Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026). 11 pages, 6 figures

GEAR: Genetic AutoResearch for Agentic Code Evolution

GEAR：基于遗传算法的自主研究代理

Ahmadreza Jeddi, Minh Ngoc Le, Hakki C. Karaimer, Konstantinos G. Derpanis, Babak Taati

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； AI Center-Toronto, Samsung Electronics（多伦多AI中心，三星电子） ； York University（约克大学） 纠错

AI总结 GEAR通过多路径搜索提升自主研究代理效果，采用群体搜索策略保持多个 promising 方向，通过突变和交叉探索新想法，优于传统方法。