DROID-SLAM in the Wild
野外中的DROID-SLAM
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软）
AI总结 本文提出一种鲁棒的实时RGB SLAM系统，通过可微的不确定性感知捆绑调整处理动态环境，实现鲁棒的跟踪与重建。
Comments CVPR 2026, Project Page: https://moyangli00.github.io/droid-w/
大厂专区
Microsoft（微软）
MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-Evolution
MemMA：通过多智能体推理和现场自进化协调内存循环
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Amazon（亚马逊） ； Microsoft（微软）
AI总结 MemMA通过多智能体推理和现场自进化协调内存循环，解决内存循环正向路径的战略盲区和反向路径的稀疏延迟监督问题，提升长周期交互性能。
Comments 23 pages, 5 figures
ZEBRAARENA: A Diagnostic Simulation Environment for Studying Reasoning-Action Coupling in Tool-Augmented LLMs
ZEBRAARENA：一种用于研究工具增强大语言模型中推理-动作耦合的诊断模拟环境
机构 * Stanford University（斯坦福大学） ； Microsoft Research（微软研究院）
AI总结 ZEBRAARENA通过可控难度和知识最小化设计，研究工具增强大语言模型中的推理-动作耦合，强调深度推理与精准工具调用的结合，揭示理论最优与实际工具使用间的差距。
Verifiable Semantics for Agent-to-Agent Communication
可验证的语义用于智能体间通信
机构 * Microsoft AI（微软人工智能） ； Wabash College（瓦巴什学院）
AI总结 本文提出基于刺激-意义模型的认证协议，通过验证共享事件和术语的语义一致性，减少智能体间分歧。核心 guarded 推理降低分歧72-96%，语言模型验证中减少51%。
SuperDec: 3D Scene Decomposition with Superquadric Primitives
SuperDec：基于超二次体的3D场景分解
机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Microsoft（微软公司）
AI总结 SuperDec通过将场景分解为超二次体基元，实现紧凑的3D表示。该方法利用实例分割技术扩展到完整3D场景，并在ShapeNet和ScanNet++上验证了其泛化能力，适用于机器人任务和可控视觉内容生成。
Comments Project page: https://super-dec.github.io
HypeMed: Enhancing Medication Recommendations with Hypergraph-Based Patient Relationships
HypeMed: 通过超图基于的患者关系增强药物推荐
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学耿丽学校人工智能学院） ； Microsoft Research Asia（微软亚洲研究院） ； Beijing Key Laboratory of Research on Large Models（北京大模型研究关键实验室） ； Engineering Research Center of Next-Generation Intelligent Search（下一代智能搜索与推荐工程研究中心） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（下一代智能搜索与推荐工程研究中心，教育部）
AI总结 HypeMed通过超图模型统一院内一致性建模与院间增强，提升药物推荐精度和DDI减少，增强临床决策支持效果与安全性。
Comments Accepted by TOIS
Offload or Overload: A Platform Measurement Study of Mobile Robotic Manipulation Workloads
卸载或超载：移动机器人操控工作负载的平台测量研究
机构 * UC Berkeley（加州大学伯克利分校） ； Microsoft Corp（微软公司）
AI总结 本文首次研究了移动机器人操控工作负载在车载、边缘和云GPU平台上的表现，发现小车载GPU无法运行完整工作栈，而大车载GPU会更快耗尽电池，卸载虽缓解约束但引入网络延迟和带宽问题，最终量化了机器人舰队共享计算的机会与风险。
Comments 15 pages, 17 figures
AsgardBench -- Evaluating Visually Grounded Interactive Planning Under Minimal Feedback
AsgardBench -- 评估基于视觉的交互式规划在最小反馈下的表现
机构 * Microsoft（微软）
AI总结 AsgardBench旨在评估基于视觉的高阶动作序列生成和交互式规划，重点在于执行过程中基于视觉观察而非导航或低级操作的计划适应。通过限制代理输入为图像、动作历史和轻量级成功/失败信号，该基准测试强调条件分支和计划修复。
Comments 19 figures, 6 tables, including appendix
