University of Texas at Austin（得克萨斯大学奥斯汀分校）

Causal-rCM: A Unified Teacher-Forcing and Self-Forcing Open Recipe for Autoregressive Diffusion Distillation in Streaming Video Generation and Interactive World Models

Causal-rCM：一种用于流式视频生成和交互式世界模型中自回归扩散蒸馏的统一教师强制与自我强制开放配方

Kaiwen Zheng, Guande He, Min Zhao, Jintao Zhang, Huayu Chen, Jianfei Chen, Chen-Hsuan Lin, Ming-Yu Liu, Jun Zhu, Qianli Ma

机构 * Tsinghua University（清华大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； NVIDIA（英伟达） 纠错

AI总结 提出Causal-rCM框架，将扩散蒸馏扩展到自回归视频扩散，通过教师强制（前向散度）与自我强制（反向散度）互补，实现流式视频生成和交互式世界模型，在帧级和块级设置中达到最先进性能。

Comments Technical Report

Physics Question Scene Graph: Fine-grained Evaluation of Physical Plausibility in Text-to-Video Generation

物理问题场景图：文本到视频生成中物理合理性的细粒度评估

Atin Pothiraj, Jaemin Cho, Yue Zhang, Elias Stengel-Eskin, Mohit Bansal

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； AI2（艾伦人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 提出物理问题场景图（PQSG），一种基于层次化问题的评估流程，通过图结构问题检查视频在对象、动作和物理规律上的忠实度，实现细粒度评估。

Comments ECCV 2026. Code and data: https://github.com/atinpothiraj/pqsg

Memory Retrieval in Visuomotor Policies for Long-Horizon Robot Control

视觉运动策略中的记忆检索用于长期机器人控制

Rutav Shah, Yisu Li, Femi Bello, Yuke Zhu, Roberto Martín-Martín

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 提出HALO策略，通过注意力记忆检索机制和视觉语言模型先验蒸馏，解决长期控制中的虚假相关和记忆误差累积问题，实现从长达8分钟历史中检索任务相关信息。

Comments 16 pages, 5 tables, 8 figures

RGB: RL Guided Whole-Body MPPI for Humanoid Control

RGB: 强化学习引导的全身MPPI用于人形机器人控制

Yunsoo Seo, Sol Choi, Euncheol Im, Myo Taeg Lim, Yisoo Lee

机构 * Center for Humanoid Research, Korea Institute of Science and Technology (KIST)（韩国科学技术研究院（KIST）仿人机器人研究中心） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Department of Mechanical Engineering, Yonsei University（延世大学机械工程系） ； School of Electrical Engineering, Korea University（高丽大学电气工程学院） 纠错

AI总结 提出RL引导的全身MPPI框架，利用预训练RL策略作为采样先验，通过MPPI成本项在线修正，无需重新训练即可实现鲁棒精确的全身控制。

Comments 7pages

Adapting Self-Supervised Speech Representations for Cross-lingual Dysarthria Detection in Parkinson's Disease

自适应自监督语音表示用于帕金森病跨语言构音障碍检测

Abner Hernandez, Eunjung Yeo, Kwanghee Choi, Chin-Jou Li, Zhengjun Yue, Rohan Kumar Das, Jan Rusz, Mathew Magimai Doss, Juan Rafael Orozco-Arroyave, Tomás Arias-Vergara, Andreas Maier, Elmar Nöth, David R. Mortensen, David Harwath, Paula Andrea Perez-Toro

机构 * FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡大学） ； UT Austin（奥斯汀大学） ； CMU（卡内基梅隆大学） ； Czech Technical University in Prague（布拉格技术大学） ； Idiap Research Institute（Idiap研究机构） ； Universidad de Antioquia（安提奥基亚大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Fortemedia（Fortemedia公司） 纠错

AI总结 针对构音障碍数据稀缺导致跨语言检测困难，提出基于质心的表示级语言迁移方法，对齐自监督语音表示，在捷克语、德语和西班牙语帕金森病语音数据集上显著提升跨语言检测敏感性和F1值。

Comments Submitted to Interspeech 2026