ETH Zurich（苏黎世联邦理工学院）

X-MULTI: VLM-based Imaging Factor Disentanglement for Factor-Aware Image Synthesis

X-MULTI：基于VLM的成像因子解耦用于因子感知图像合成

Sonali Godavarthy, Matthias Neuwirth-Trapp, Tim-Felix Faasch, Maarten Bieshaar, Michael Moeller, Kristof Van Laerhoven, Danda Pani Paudel

机构 * University of Siegen（锡根大学） ； ETH Zürich（苏黎世联邦理工学院） ； Bosch Research（博世研究中心） ； INSAIT（INSAIT（保加利亚的智能与数据科学研究所）） ； Sofia University “St. Kliment Ohridski”（索非亚大学“圣·克利门特·奥赫里德斯基”） 纠错

AI总结 该研究针对文本到图像生成的成像因子解耦问题，提出基于VLM的X-MULTI方法及改进的I-FAA指标，提升了新颖因子组合的因子对齐效果与评估的稳健性。

Comments Accepted to the MUCG Workshop at ECCV 2026

A Structural FHMM for Interpretable Disease Trajectories in T2DM

用于2型糖尿病（T2DM）可解释疾病轨迹的结构化因子隐马尔可夫模型（FHMM）

Alessandro Mari, Ekaterina Krymova, Guillaume Obozinski, Maria Luisa Marques de Sa Faquetti, Adrian Martinez de la Torre, Andrea Burden

机构 * Swiss Data Science Center (SDSC)（瑞士数据科学中心（SDSC）） ； Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； ETH Zürich（苏黎世联邦理工学院） ； Institute of Pharmaceutical Sciences（药学院） 纠错

AI总结 本研究提出结构化FHMM模型，用于分析T2DM患者疾病轨迹，通过IQVIA EHR数据验证，可识别临床相关潜在组件及异质性进展通路，为T2DM演变提供可解释见解。

Coverage Planning for Robotic Tooth Preparation in Densely Constrained Environments

密集受限环境下机器人牙齿预备的覆盖规划

Yunwen Li, Chen Chen, Xiangjie Yan, Chang Shu, Jianxia Hou, Shiji Song, Xiang Li

机构 * Tsinghua University（清华大学） ； ETH Zürich（苏黎世联邦理工学院） ； Tsingscribe Medical Ltd.（清scribe医疗有限公司） ； Peking University School and Hospital of Stomatology（北京大学口腔医学院） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） 纠错

AI总结 本文提出一种用于自主全冠牙齿预备的机器人系统，通过感知解剖结构的刀具路径规划算法和面向间隙的末端执行器偏航角分配策略，实现精准牙面铣削，平均几何偏差0.117mm，经仿真和头模实验验证其可行性与有效性。

Safety-aware Model Predictive Path Integral Control with Signal Temporal Logic

感知安全的带信号时序逻辑的模型预测路径积分控制

Yiqi Zhao, Taekyung Kim, Hideki Okamoto, Bardh Hoxha, Jyotirmoy V. Deshmukh, Lars Lindemann, Georgios Fainekos

机构 * University of Southern California（南加州大学） ； University of Michigan（密歇根大学） ； Toyota Motor North America R&D（丰田北美研发中心） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出safety-aware-stl-mppi框架，将STL公式编码为CBF并集成到MPPI控制器，经火星车与四旋翼实验验证，可在复杂约束下实现高安全与效率的运动规划。

Learning to Act While Waiting: RL Finetuning of Generalist Robot Policies Under Inference Latency

等待时学习行动：考虑推理延迟的通用机器人策略的强化学习微调

Brian Zhu (1), Momen Khalil (1), E Harrison (2), Emanuele Poggi (1), Philipp Schmitt (1), Bernd Kast (1), Philine Meister (1), Pranav Atreya (2), Qiyang Li (2), Finn Ferchau (1), Cesar Colmenero (1), Yash Shahapurkar (1), Gokul Narayanan (1), Melih Erdogan (1), Kai Wurm (1), Georg von Wichert (1), Oier Mees (3 and 4 and 2), Eugen Solowjow (1), Andrew Wagenmaker (2), Sergey Levine (2) ((1) Siemens (2) UC Berkeley (3) Microsoft (4) ETH Zurich)

机构 * Siemens（西门子） ； UC Berkeley（加州大学伯克利分校） ； Microsoft（微软） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本研究针对通用机器人策略因推理延迟破坏马尔可夫假设导致标准RL失效的问题，提出ARLI框架，通过状态增强等设计实现延迟下的RL微调，在模拟及真实任务中表现优异。

Comments 25 pages, 12 figures

EngiAI: Capability-Based Evaluation of Tool-Connected LLM Agents for Engineering Design

EngiAI: 面向LLM驱动工程设计的智能体框架与基准测试套件

Gioele Molinari, Florian Felten, Soheyl Massoudi, Mark Fuge

机构 * IDEAL Chair of Artificial Intelligence in Engineering Design（人工智能与工程设计理想 chair） ； ETH Zurich（苏黎世联邦理工学院） ； Autom8.build 纠错

AI总结 提出EngiAI多智能体系统框架和包含工作流、RAG、HPC三维度的基准套件，通过监督架构协调七个专业智能体，验证了LLM在工程设计中的能力与局限。

Comments 42 pages, 17 figures, 15 tables. Extended version of work presented at the ASME 2026 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference (IDETC-CIE 2026), Houston, Texas, USA, August 23-26, 2026. Submitted to the ASME Journal of Mechanical Design

You Can Learn Tokenization End-to-End with Reinforcement Learning

你可以通过强化学习端到端地学习分词

Sam Dauncey, Roger Wattenhofer

机构 * University of Waterloo（滑铁卢大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出使用强化学习中的得分函数估计来学习离散分词边界，通过时间折扣等技巧降低方差，在1亿参数规模上优于先前的直通估计方法。

Comments ICML 2026 camera-ready