Georgia Institute of Technology（佐治亚理工学院）

AIRHILT: A Human-in-the-Loop Testbed for Multimodal Conflict Detection in Aviation

AIRHILT：航空多模态冲突检测的人机交互测试平台

Omar Garib, Jayaprakash D. Kambhampaty, Olivia J. Pinon Fischer, Dimitri N. Mavris

机构 * Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（丹尼尔·古根海姆航空航天工程学院，佐治亚理工学院） 纠错

AI总结 AIRHILT是一款用于航空多模态冲突检测的人机交互测试平台，通过集成ASR、视觉检测和决策模型，实现冲突检测的高效评估与研究。

Comments 9 pages, 4 figures, 1 table, 1 algorithm

Asynchronous Distributed Multi-Robot Motion Planning Under Imperfect Communication

异步分布式多机器人运动规划在通信不完美的情况下

Ardalan Tajbakhsh, Augustinos Saravanos, James Zhu, Evangelos A. Theodorou, Lorenz T. Biegler, Aaron M. Johnson

机构 * Department of Mechanical Engineering（机械工程系） ； Department of Chemical Engineering（化学工程系） ； Daniel Guggenheim School of Aerospace Engineering（丹尼尔·盖根海姆航空航天工程学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； LAAS-CNRS（拉夫堡-国家科学研究中心） ； Université de Toulouse（图卢兹大学） ； CNRS（法国国家科学研究中心） ； UPS（普罗旺斯大学） 纠错

AI总结 本文提出了一种延迟感知ADMM方法，用于在通信不完美条件下实现多机器人运动规划的鲁棒性和高效性。

Comments 9 pages, 5 figures

A Fair OR-ML Framework for Resource Substitution in Large-Scale Networks

一种用于大规模网络资源替代的公平OR-ML框架

Ved Mohan, El Mehdi Er Raqabi, Pascal Van Hentenryck

机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（赫尔曼·米利顿·斯图尔特工业与系统工程学院，佐治亚理工学院） 纠错

AI总结 本文提出结合运筹学和机器学习的公平资源替代框架，通过动态选择资源提升大规模网络的调度效率与公平性。

Enhancing Large Language Models for Automated Homework Assessment in Undergraduate Circuit Analysis

增强大型语言模型以用于大学电路分析课程的自动作业评估

Liangliang Chen, Huiru Xie, Zhihao Qin, Yiming Guo, Jacqueline Rohde, Ying Zhang

机构 * School of Electrical ； Computer Engineering, Georgia Institute of Technology, Atlanta, USA Corresponding Author. E-mail 纠错

AI总结 本研究通过多步骤提示和数据增强技术提升GPT-4o在电路分析作业评估中的准确性，使其正确响应率提高至97.70%。

Comments Accepted to 2025 Frontiers in Education (FIE) Conference

$Δ$-ML Ensembles for Selecting Quantum Chemistry Methods to Compute Intermolecular Interactions

$Δ$-ML集成用于选择量子化学方法计算分子间相互作用

Austin M. Wallace, C. David Sherrill, Giri P. Krishnan

机构 * School of Chemistry and Biochemistry（化学与生物化学系） ； Georgia Institute of Technology（佐治亚理工学院） ； Center for Artificial Intelligence in Science and Engineering（科学与工程中的人工智能中心） ； Center for Computational Molecular Science and Technology（计算分子科学与技术中心） ； School of Computational Science and Engineering（计算科学与工程系） 纠错

AI总结 本文提出基于$Δ$-ML模型集成的方法，用于选择量子化学方法计算分子间相互作用，通过预测误差识别高效方法并验证理论假设。

Comments NeurIPS ML4PS 2025