高校专区
一个镜头，多个世界：面向世界模型可解释性的能力类型接口
机构 * New York University（纽约大学） ； Independent Researcher（独立研究者） ； Veermata Jijabai Technological Institute（韦尔玛塔·吉贾拜技术学院） ； Mercity ； University of Southern California（南加州大学） ； Independent Researcher, MIT（麻省理工学院独立研究者） ； Independent Researcher, GITAM（GITAM独立研究者） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出WorldModelLens，通过能力类型适配器统一不同世界模型（如PlaNet、IRIS、I-JEPA）的可解释性分析，避免重复实现。
基于梯度提升与无分布覆盖的非酒精性脂肪肝病共形风险预测
机构 * University of Southern California（南加州大学）
AI总结 提出结合梯度提升决策树与共形预测的机器学习框架Method，实现非酒精性脂肪肝病个体风险的无分布校准覆盖预测，在中国多中心队列中AUROC达0.912，优于多种方法。
ReCoVLA: VLM引导的奖励编译用于视觉-语言-动作策略的故障恢复
机构 * University of Southern California（南加州大学） ； Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室） ； Harvard University（哈佛大学）
AI总结 提出ReCoVLA框架，通过冻结预训练VLA策略，利用外部VLM推断故障模式并编译结构化奖励，训练残差恢复策略，实现零样本仿真到真实部署，在多种操作任务中提升成功率。
Comments 19 pages, 7 figures
基于自监督视觉Transformer的CBCT颞下颌关节骨关节炎检测
机构 * Herman Ostrow School of Dentistry, University of Southern California（南加州大学赫尔曼·奥斯特罗牙科学院） ； Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院）
AI总结 研究DINO系列自监督ViT在CBCT颞下颌关节骨关节炎检测中的迁移性能，发现部分解冻最后两个Transformer块可将AUC从0.671提升至0.902，表明适应策略比骨干选择更重要。
GeoGNN：使用双塔图神经网络的时间序列地理定位
机构 * Emory University（埃默里大学） ； Oak Ridge National Laboratory（橡树岭国家实验室） ； University of Southern California（南加州大学）
AI总结 提出GeoGNN双塔架构，利用地理邻接图学习空间嵌入，结合时间序列表示，通过点积匹配实现时间序列地理定位，在电力消费数据集上平均提升约27%的定位精度。
SIMPLE：基于仿真的人形机器人全身操作策略学习与评估
机构 * USC Physical Superintelligence (PSI) Lab（南加州大学物理超级智能实验室）
AI总结 提出SIMPLE仿真平台，结合MuJoCo动力学与IsaacSim渲染，包含60个全身任务、50个室内场景和1000+物体资产，支持自动化轨迹生成和VR遥操作数据采集，并集成多种主流策略，实验证明仿真与真实世界性能强相关，可实现零样本迁移。
Astro，我回家了！利用监督机器学习研究影响家庭机器人接受度的因素
机构 * University of Southern California（南加州大学）
AI总结 本研究运用正则化技术（如Lasso和Ridge回归）分析影响社交机器人接受度的因素，发现绩效期望、社会影响和享乐动机是使用意图的最强预测因子，并识别出可用性、信任和能力等新变量。
Comments Preprint submitted to the 18th International Conference on Social Robotics (ICSR 2026)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈