Columbia University（哥伦比亚大学）

ReactEMG: Stable, Low-Latency Intent Detection from sEMG via Masked Modeling

ReactEMG: 通过掩码建模实现从sEMG信号稳定、低延迟的意图检测

Runsheng Wang, Xinyue Zhu, Ava Chen, Jingxi Xu, Lauren Winterbottom, Dawn M. Nilsen, Joel Stein, Matei Ciocarlie

机构 * Department of Mechanical Engineering, Columbia University in the City of New York（机械工程系，哥伦比亚大学纽约市分校） ； Department of Computer Science, Columbia University in the City of New York（计算机科学系，哥伦比亚大学纽约市分校） ； Department of Rehabilitation and Regenerative Medicine, Columbia University Irving Medical Center（康复与再生医学系，哥伦比亚大学伊万杰琳医学中心） 纠错

AI总结 ReactEMG通过掩码建模实现从sEMG信号稳定、低延迟的意图检测，适用于可穿戴机器人和假肢系统。

ArticFlow: Generative Simulation of Articulated Mechanisms

ArticFlow: 关节机构生成性模拟

Jiong Lin, Jinchen Ruan, Hod Lipson

机构 * Creative Machines Lab, Columbia University（创意机器实验室，哥伦比亚大学） 纠错

AI总结 ArticFlow通过两阶段流匹配框架实现关节机构的生成与模拟，以高精度运动学和形状质量生成多样化关节结构。

Comments 8 pages, 8 figures

Let the Experts Speak: Improving Survival Prediction & Calibration via Mixture-of-Experts Heads

让专家发言：通过专家混合头改进生存预测与校准

Todd Morrill, Aahlad Puli, Murad Megjhani, Soojin Park, Richard Zemel

机构 * Department of Computer Science Columbia University USA（哥伦比亚大学计算机科学系） ； Department of Computer Science New York University USA（纽约大学计算机科学系） ； Department of Neurology Columbia University Medical Center USA（哥伦比亚大学医学中心神经病学系） ； Department of Computer Science Barnard College USA（巴纳德学院计算机科学系） ； Department of Biomedical Informatics Columbia University Medical Center USA（哥伦比亚大学医学中心生物医学信息学系） ； NewYork-Presbyterian Hospital at Columbia University Medical Center USA（哥伦比亚大学医学中心新英格兰-纽约 Presbyterian 医院） 纠错

AI总结 本文提出了一种改进生存预测和校准的混合专家架构，通过更具表现力的专家实现更准确的患者分组和预测。

Comments Accepted as a proceedings paper at the 2025 Machine Learning for Health Symposium and as a workshop paper at the Learning from Time Series for Health workshop at NeurIPS 2025