Cornell University（康奈尔大学）

PolaRiS: Scalable Real-to-Sim Evaluations for Generalist Robot Policies

PolaRiS：面向通用机器人策略的可扩展真实-仿真评估

Arhan Jain, Mingtong Zhang, Kanav Arora, William Chen, Marcel Torne, Muhammad Zubair Irshad, Sergey Zakharov, Yue Wang, Sergey Levine, Chelsea Finn, Wei-Chiu Ma, Dhruv Shah, Abhishek Gupta, Karl Pertsch

机构 * University of Washington（华盛顿大学） ； Princeton University（普林斯顿大学） ； University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； Toyota Research Institute（丰田研究中心） ； University of Southern California（南加州大学） ； Cornell University（康奈尔大学） 纠错

AI总结 PolaRiS通过神经重建和数据协同训练，实现高保真度的机器人策略真实-仿真评估，提升仿真与现实的关联性并简化环境构建。

Comments Website: https://polaris-evals.github.io/

Dolphin: A Programmable Framework for Scalable Neurosymbolic Learning

Dolphin：一种可编程的可扩展神经符号学习框架

Aaditya Naik, Jason Liu, Claire Wang, Amish Sethi, Saikat Dutta, Mayur Naik, Eric Wong

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Cornell University（康奈尔大学） 纠错

AI总结 DOLPHIN是一种可编程框架，通过在CPU和GPU上分别执行符号推理和概率计算，实现神经符号学习的高效扩展，优于现有方法在复杂基准上的性能。

Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:45461-45483, 2025