Exp-Force: Experience-Conditioned Pre-Grasp Force Selection with Vision-Language Models
Exp-Force：基于视觉-语言模型的经验条件预抓取力选择
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 Exp-Force通过经验条件框架利用视觉-语言模型实现基于单张图像的预抓取力选择，显著提升了抓取力的准确性和可靠性。
高校专区
University of Texas at Austin（得克萨斯大学奥斯汀分校）
BEV-Patch-PF: Particle Filtering with BEV-Aerial Feature Matching for Off-Road Geo-Localization
BEV-Patch-PF：基于鸟瞰图空域特征匹配的无GPS轨迹定位系统
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； DEVCOM Army Research Laboratory（国防部陆军研究实验室）
AI总结 BEV-Patch-PF通过结合鸟瞰图与空域特征匹配，实现了无GPS的非公路地理定位，显著降低轨迹误差并实现实时运行。
OVerSeeC: Open-Vocabulary Costmap Generation from Satellite Images and Natural Language
OVerSeeC: 从卫星图像和自然语言生成开放词汇成本图
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； DEVCOM Army Research Laboratory（陆军研究实验室）
AI总结 OVerSeeC通过模块化基础模型实现从卫星图像和自然语言生成开放词汇成本图，支持任务自适应的全球规划。
Comments Website : https://amrl.cs.utexas.edu/overseec/
CLAD-Net: Continual Activity Recognition in Multi-Sensor Wearable Systems
CLAD-Net：多传感器可穿戴系统中的持续活动识别
机构 * Arizona State University（亚利桑那州立大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 CLAD-Net通过结合自监督Transformer和知识蒸馏CNN，实现多传感器可穿戴系统中持续活动识别的高效学习与遗忘控制。
A Champion-level Vision-based Reinforcement Learning Agent for Competitive Racing in Gran Turismo 7
一款冠军级基于视觉的强化学习代理用于Gran Turismo 7中的竞争赛车
机构 * KAIST（韩国科学技术院） ； Sony AI（索尼人工智能） ； Coventry University（科文特大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出了一种基于视觉的自主赛车代理，通过仅使用车载传感器数据和摄像头视角，在Gran Turismo 7中实现了冠军级的赛车性能。
Comments Accepted for Publication at the IEEE Robotics and Automation Letters (RA-L) 2025
GuideTWSI: A Diverse Tactile Walking Surface Indicator Dataset from Synthetic and Real-World Images for Blind and Low-Vision Navigation
GuideTWSI: 一种从合成和现实图像中获取的多样化触觉行走表面指示器数据集，用于盲人和低视力导航
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Daegu Gyeongbuk Institute of Science and Technology（大邱庆bu科学技术院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Maine（缅因大学）
AI总结 本文提出了一种多样化的触觉行走表面指示器数据集，通过合成和现实图像获取，以提高盲人和低视力导航中对不同类型警示标志的识别能力。
HURRI-GAN: A Novel Approach for Hurricane Bias-Correction Beyond Gauge Stations using Generative Adversarial Networks
HURRI-GAN：一种基于生成对抗网络的新型飓风偏差校正方法，超越测站范围
机构 * Center of Computation and Technology, Louisiana State University（路易斯安那州立大学计算与技术中心） ； Saint-Joseph University of Beirut（贝鲁特圣约瑟夫大学） ； Department of Physics, Aristotle University of Thessaloniki（塞萨洛尼基阿列克斯大学物理系） ； Center for Interdisciplinary Research and Innovation, Aristotle University of Thessaloniki（塞萨洛尼基阿列克斯大学跨学科研究中心） ； Department of Computer Science, Louisiana State University（路易斯安那州立大学计算机科学系） ； Oden Institute for Computational Engineering and Sciences, The University of Texas at Austin（德克萨斯大学奥斯汀分校奥登计算工程与科学研究院）
AI总结 HURRI-GAN通过生成对抗网络校正飓风偏差，提升风暴潮预测精度，超越传统测站范围。
Comments 18 pages, 6 figures
Transformers as Implicit State Estimators: In-Context Learning in Dynamical Systems
变换器作为隐式状态估计器：动态系统中的上下文学习
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本研究展示变换器通过上下文学习可隐式推断动态系统状态，无需梯度更新或系统模型知识，实现高效输出预测。
