University of Pennsylvania（宾夕法尼亚大学）

Zero-Shot Generalization from Motion Demonstrations to New Tasks

从运动示范到新任务的零样本泛化

Kilian Freitag, Alvin Combrink, Nadia Figueroa

机构 * Department of Electrical Engineering, Chalmers University of Technology（楚基默斯技术大学电气工程系） ； GRASP Lab, University of Pennsylvania（宾夕法尼亚大学GRASP实验室） 纠错

AI总结 本文提出通过共享工作空间整合孤立示范，实现对新任务的泛化，引入Gaussian Graph框架，结合连续控制与离散图搜索，提出Stitching和Chaining两种方法，在仿真和真实机器人实验中展现良好泛化能力。

Beyond Binary Success: Sample-Efficient and Statistically Rigorous Robot Policy Comparison

超越二元成功：样本高效且统计严谨的机器人策略比较

David Snyder, Apurva Badithela, Nikolai Matni, George Pappas, Anirudha Majumdar, Masha Itkina, Haruki Nishimura

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Toyota Research Institute (TRI)（丰田研究院） ； Princeton University（普林斯顿大学） 纠错

AI总结 本文提出一种样本高效且统计严谨的机器人策略比较框架，适用于多种评价指标，通过安全 anytime-valid 推断实现早期停止，减少评估负担并提升统计严谨性。

Comments 12 + 9 pages, 2 + 5 figures,

Self-Flow-Matching assisted Full Waveform Inversion

自流匹配辅助的全波形反演

Xinquan Huang, Paris Perdikaris

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出自流匹配辅助全波形反演方法，通过流匹配学习传输场，无需大规模离线预训练，提升反演精度与鲁棒性。

STL-SVPIO: Signal Temporal Logic guided Stein Variational Path Integral Optimization

STL-SVPIO：信号时序逻辑引导的Stein变分路径积分优化

Hongrui Zheng, Zirui Zang, Ahmad Amine, Cristian Ioan Vasile, Rahul Mangharam

机构 * Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系） ； Mechanical Engineering and Mechanics Department, Lehigh University（莱特大学机械工程与力学系） 纠错

AI总结 本文提出STL-SVPIO方法，通过将信号时序逻辑转化为可微的奖励塑造机制，解决复杂STL约束下的长周期连续控制轨迹合成问题，提升鲁棒性和效率。

TAS-GNN: A Status-Aware Signed Graph Neural Network for Anomaly Detection in Bitcoin Trust Systems

TAS-GNN：一种状态感知的有向图神经网络用于比特币信任系统中的异常检测

Chang Xue, Fang Liu, Jiaye Wang, Jinming Xing, Chen Yang

机构 * Yeshiva University（耶鲁大学） ； Yale University（耶鲁大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； North Carolina State University（北卡罗来纳州立大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出TAS-GNN，一种针对稀疏有向图的新型框架，通过递归的Web-of-Trust标签和双通道信息传递架构，有效处理信任与不信任信号，并通过状态感知注意力机制实现状态感知，显著提升比特币信任系统中的异常检测性能。

Comments 13 pages, 2 figures

Risk-Sensitive Agent Compositions

风险敏感型代理组合

Guruprerana Shabadi, Rajeev Alur

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出一种风险最小化方法，用于在代理组合中平衡任务成功率与安全、公平和隐私要求，通过动态规划和联合界估算近优解。

Comments 19 pages, 6 figures. Accepted to ICLR 2026