机器人 / 具身智能

History Is Not Enough: An Adaptive Dataflow System for Financial Time-Series Synthesis

历史并不足够：一种适应性数据流系统用于金融时间序列合成

Haochong Xia, Yao Long Teng, Regan Tan, Molei Qin, Xinrun Wang, Bo An

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算机与数据科学学院） ； School of Computing and Information Systems, Singapore Management University, Singapore（新加坡管理大学计算机与信息系统学院） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI

AI总结 本文提出了一种适应性数据流系统，通过整合机器学习自适应控制，提升金融时间序列合成的鲁棒性和收益表现。

Inverse Learning in $2\times2$ Games: From Synthetic Interactions to Traffic Simulation

2×2博弈中的逆向学习：从合成互动到交通模拟

Daniela Aguirre Salazar, Firas Moatemri, Tatiana Tatarenko

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本文提出两种逆向博弈学习方法，用于2×2博弈和交通模拟，探讨了静态均衡与动态行为之间的平衡及模型的权衡。

Interplay of sync and swarm: Theory and application of swarmalators

同步与群集的相互作用：群集器的理论与应用

Gourab Kumar Sar, Kevin O'Keeffe, Joao U. F. Lizarraga, Marcus A. M. de Aguiar, Christian Bettstetter, Dibakar Ghosh

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本文综述了群集器的研究现状，探讨了空间组织与时间同步的相互作用，分析了复杂模式的形成机制，并探讨了其在机器人和生物系统中的应用。

Comments 67 pages, 29 figures. Accepted for publication in Physics Reports, 2026

Heterogeneous computing platform for real-time robotics

异构计算平台用于实时机器人

Jakub Fil, Yulia Sandamirskaya, Hector Gonzalez, Loïc Azzalin, Stefan Glüge, Lukas Friedenstab, Friedrich Wolf, Tim Rosmeisl, Matthias Lohrmann, Mahmoud Akl, Khaleel Khan, Leonie Wolf, Kristin Richter, Holm Puder, Mazhar Ali Bari, Xuan Choo, Noha Alharthi, Michael Hopkins, Mansoor Hanif Christian Mayr, Jens Struckmeier, Steve Furber

机构 * WAIYS GmbH（WAIYS公司） ； Zurich University of Applied Sciences（苏黎世应用科学大学） ； SpiNNcloud Systems GmbH（SpiNNcloud系统公司） ； TU Dresden（德累斯顿技术大学） ； Applied Brain Research（应用脑科研） ； NEOM ； The University of Manchester（曼彻斯特大学） 纠错

专题命中 其他机器人 ：robotics(title,abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出一种异构计算平台，结合神经形态计算硬件与AI计算集群，用于实时机器人感知与交互任务，提升机器人自主性和智能水平。

Depth Edge Alignment Loss: DEALing with Depth in Weakly Supervised Semantic Segmentation

深度边缘对齐损失：在弱监督语义分割中处理深度

Patrick Schmidt, Vasileios Belagiannis, Lazaros Nalpantidis

机构 * DTU - Technical University of Denmark（丹麦技术大学） ； Friedrich-Alexander-Universität Erlangen-Nürnberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） 纠错

专题命中 其他机器人 ：robotic(abstract)；分类 cs.CV

AI总结 提出深度边缘对齐损失以提升弱监督语义分割性能，通过像素级深度信息增强模型表现。

Comments Submitted to IEEE

Self-supervised restoration of singing voice degraded by pitch shifting using shallow diffusion

基于浅层扩散模型的歌唱声降质后自监督修复

Yunyi Liu, Taketo Akama

机构 * University of Sydney, Electrical and Computer Engineering（悉尼大学电气与计算机工程学院） ； Sony Computer Science Laboratories, Tokyo, Japan（索尼计算机科学实验室（日本东京）） 纠错

专题命中 其他机器人 ：robotic(abstract)

AI总结 本文提出基于浅层扩散模型的自监督方法，用于修复因音高转换而降质的歌唱声音，通过保留旋律和时间，减少伪影并提升音质。