University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

A comprehensive study of time-of-flight non-line-of-sight imaging

时间飞行非线视成像的全面研究

Julio Marco, Adrian Jarabo, Ji Hyun Nam, Alberto Tosi, Diego Gutierrez, Andreas Velten

机构 * Universidad de Zaragoza–I3A（萨拉戈萨大学–I3A） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Department of Data Science, Inha University（数据科学系，inha大学） ； Politecnico di Milano（米兰理工学院） 纠错

AI总结 本文全面研究了时间飞行非线视成像方法，探讨了其正向与逆模型的关系，并通过实验评估了不同方法在空间分辨率、可见性和噪声敏感性上的表现。

RubiCap: Rubric-Guided Reinforcement Learning for Dense Image Captioning

RubiCap：基于评分标准的强化学习用于密集图像描述

Tzu-Heng Huang, Sirajul Salekin, Javier Movellan, Frederic Sala, Manjot Bilkhu

机构 * Apple（苹果公司） ； University of Wisconsin—Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 RubiCap通过基于评分标准的强化学习方法，在密集图像描述任务中实现了更高的胜率和词效，优于监督蒸馏和传统RL方法。

Reinforcement Learning for Self-Improving Agent with Skill Library

基于技能库的自我改进智能体强化学习

Jiongxiao Wang, Qiaojing Yan, Yawei Wang, Yijun Tian, Soumya Smruti Mishra, Zhichao Xu, Megha Gandhi, Panpan Xu, Lin Lee Cheong

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； AWS Agentic AI（AWS智能代理） 纠错

AI总结 本文提出SAGE框架，通过强化学习结合技能库，提升智能体在新环境中的自我改进能力，实验显示其在准确性和效率上均优于现有方法。

High-Slip-Ratio Control for Peak Tire-Road Friction Estimation Using Automated Vehicles

高滑移比控制用于自动化车辆的峰值轮胎-路面摩擦估计

Zhaohui Liang, Hang Zhou, Heye Huanh, Xiaopeng Li

机构 * Civil & Environmental Engineering Department, University of Wisconsin, Madison（威斯康星大学麦迪逊分校土木与环境工程系） 纠错

AI总结 本文提出一种高滑移比控制框架，通过主动激励峰值摩擦区域实现自动化车辆的准确TRFC估计，结合非线性轮胎模型和约束优化策略，提升道路摩擦识别的精度与安全性。