Cornell University（康奈尔大学）

Generate, Transfer, Adapt: Learning Functional Dexterous Grasping from a Single Human Demonstration

生成、迁移、适应：从单个人示范学习功能性灵巧抓取

Xingyi He, Adhitya Polavaram, Yunhao Cao, Om Deshmukh, Tianrui Wang, Xiaowei Zhou, Kuan Fang

机构 * Cornell University（康奈尔大学） 纠错

AI总结 CorDex通过单个人示范生成合成数据，结合多模态预测网络和局部-全局融合模块，实现对新型物体的灵巧抓取学习。

Comments Project Page: https://cordex-manipulation.github.io/

A Framework for Responsible AI Systems: Building Societal Trust through Domain Definition, Trustworthy AI Design, Auditability, Accountability, and Governance

负责任人工智能系统的设计框架：通过领域定义、可信AI设计、可审计性、可问责性和治理建立社会信任

Andrés Herrera-Poyatos, Javier Del Ser, Marcos López de Prado, Fei-Yue Wang, Enrique Herrera-Viedma, Francisco Herrera

机构 * Deparment of Computer Science and Artificial Intelligence and Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI), University of Granada（计算机科学与人工智能系和安达卢西亚数据科学与计算智能研究所（DaSCI），格拉纳达大学） ； TECNALIA (BRTA)（TECNALIA（BRTA）） ； University of the Basque Country (UPV/EHU)（巴斯克大学（UPV/EHU）） ； School of Engineering, Cornell University（工程学院，康奈尔大学） ； ADIA Lab（ADIA实验室） ； Computational Research Department, Lawrence Berkeley National Laboratory（计算研究部，劳伦斯伯克利国家实验室） ； Intelligent Systems for Robotics and Automation Laboratory, Macau University of Science and Technology（机器人与自动化智能系统实验室，澳门科学技术大学） 纠错

AI总结 本文提出一个整合领域定义、可信AI设计、可审计性、可问责性和治理的RAI系统设计框架，旨在通过建立社会信任实现负责任的人工智能。

Comments 27 pages, 9 figures, 2 tables

Generative Models From and For Sampling-Based MPC: A Bootstrapped Approach For Adaptive Contact-Rich Manipulation

基于采样基于MPC的生成模型：一种用于自适应接触密集操作的自举方法

Lara Brudermüller, Brandon Hung, Xinghao Zhu, Jiuguang Wang, Nick Hawes, Preston Culbertson, Simon Le Cleac'h

机构 * Oxford Robotics Institute, University of Oxford, UK（牛津大学机器人研究所） ； Robotics and AI Institute (RAI), Boston, USA（机器人与人工智能研究所） ； Cornell University, Ithaca, NY, USA（康奈尔大学） 纠错

AI总结 本文提出了一种基于自举的生成模型框架，用于提升采样基于MPC在接触密集操作中的效率和鲁棒性。

Comments 9 pages, 4 figures