IEEE RA-L

Neural-ESO: A Dual-Pathway Architecture for Provably Robust Learning-Based Control

神经扩展状态观测器：一种用于可证明鲁棒的基于学习控制的双路径架构

Fan Zhang, Richie Suganda, Jinfeng Chen, Wenhua Liu, Hantao Fu, Bin Hu, Qin Lin

机构 * University of Houston（休斯顿大学） ； Rice University（莱斯大学） 纠错

AI总结 本文提出基于神经扩展状态观测器（Neural-ESO）的干扰抑制框架，采用双路径架构，预测路径用神经网络加速收敛，校正路径补偿误差。利用李雅普诺夫理论证明其有界性，在四旋翼着陆任务中验证，相比基线有精度-鲁棒性权衡及更高操作可靠性。

Comments Accepted to IEEE RA-L

EeveeDark: A Binary Neural Framework for Low-Light Video Enhancement via Event-Guided Sensor-Level Fusion

EeveeDark：一种通过事件引导的传感器级融合实现低光视频增强的二进制神经框架

Onur Eker, Erkut Erdem, Aykut Erdem

机构 * Department of Computer Engineering, Hacettepe University（哈杰泰佩大学计算机工程系） ； HAVELSAN Inc.（哈韦尔桑公司） ； Koc University Is Bank AI Center（科克大学伊希银行人工智能中心） ； Department of Computer Engineering, Koc University（科克大学计算机工程系） 纠错

AI总结 研究极端低光条件下视频增强难题，提出EeveeDark框架，结合传感器级RAW数据与事件流，采用二进制神经网络架构，含特定模态编码器、融合块和门控机制，实验证明其性能优于基于BNN的方法且兼顾效率。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 4, pp. 4633-4640, Apr. 2026