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

Efficient learning of bosonic Gaussian unitaries

玻色子高斯酉算子的高效学习

Marco Fanizza, Vishnu Iyer, Junseo Lee, Antonio A. Mele, Francesco A. Mele

机构 * Inria（法国国家信息与自动化技术研究所） ； Télécom Paris - LTCI（巴黎电信学院 - LTCI） ； Institut Polytechnique de Paris（巴黎理工学院） ； Department of Computer Science, The University of Texas at Austin（德克萨斯大学奥斯汀分校计算机科学系） ； Institute of Computer Technology, Seoul National University（首尔国立大学计算机技术研究所） ； Dahlem Center for Complex Quantum Systems, Freie Universitat Berlin（柏林自由大学复杂量子系统中心） ； NEST, Scuola Normale Superiore and Istituto Nanoscienze（NEST、巴黎高等科学研究所和纳米科学研究所） 纠错

AI总结 提出首个高效算法学习玻色子高斯酉算子，使用相干和压缩探针、被动线性光学及外差/零差检测，通过辛正则化后处理实现多项式时间复杂度和高精度。

GO: The Great Outdoors Multimodal Dataset

GO: 大户外多模态数据集

Peng Jiang, Kasi Viswanath, Akhil Nagariya, George Chustz, Maggie Wigness, Philip Osteen, Timothy Overbye, Christian Ellis, Long Quang, Jia Huang, Srikanth Saripalli

机构 * Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University, College Station, TX, USA（迈克·沃克66机械工程系，德克萨斯A&M大学，学院站，德克萨斯州，美国） ； DEVCOM Army Research Laboratory, Adelphi, MD, USA（陆军研究实验室，阿德菲，马里兰州，美国） ； University of Texas at Austin Center for Autonomy, Austin, TX, USA（德克萨斯大学奥斯汀分校自主性中心，奥斯汀，德克萨斯州，美国） 纠错

AI总结 针对非结构化环境中地面机器人研究，提出包含六种互补传感器模态的大规模多模态越野数据集，支持语义分割、目标检测和SLAM等任务，以提升退化条件下的鲁棒性。

Comments 7 pages, 7 figures, accepted at IV 2026