The University of Hong Kong（香港大学）

KnockGS:interaction-Grounded Calibrationof Physical Gaussian Representations

KnockGS：基于交互的物理高斯表示校准

Chenchen Ge, Hanwen Shen, Bowen Jing, Jiyuan Cai, Xiaofeng Wang, Hongsen Lei, Weitao Zhou, Dandan Zhang, Haibao Yu

机构 * Tuojing Intelligence（拓境智能） ； Southeast University（东南大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Tsinghua University（清华大学） ； Simple AI ； Imperial College London（伦敦帝国学院） ； Shanghai Jiao Tong University（上海交通大学） ； GigaAI ； Sun Yat-sen University（中山大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 KnockGS是基于交互-响应的PhysicalGS框架，可从三维高斯物体动力学中校准材料尺度，在参数恢复与响应保真度上优于对比方法，为交互式PhysicalGS系统奠定基础。

PAWBench: How Far Are We from Probabilistically Aligned World Modeling?

PAWBench：我们离概率对齐的世界建模还有多远？

Yuandong Pu, Le Zhuo, Sayak Paul, Gabriel Jorge Menezes, Avram Đorđević, Shiyang Li, Yifan Zhou, Bin Fu, Wenlong Zhang, Junjun He, Yu Qiao, Yihao Liu, Jingbo Xing, Xi Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Krea AI ； Huggingface ； Shanghai Innovation Institute（上海创新研究院） ； Tongyi Lab（通义实验室） ； The University of Hong Kong（香港大学） 纠错

AI总结 本研究针对当前视频生成器未满足概率对齐世界建模要求的问题，提出PAWBench基准与PAWEval协议，经50种场景和11个系统测试发现无模型达要求，为相关研究奠定基础。

SOLO: Stable Omni-terrain Long-Horizon Perceptive Humanoid Locomotion

SOLO：稳定全地形长视距感知类人机器人运动

Pihai Sun, Gang Han, Jingkai Sun, Jiahao Ma, Zeran Su, Zelin Tao, Peiran Liu, Shuai Shi, Wei Cui, Zifan Wang, Jialin Yu, Wen Zhao, Kangning Yin, Jiaxu Wang, Jiahang Cao, Lingfeng Zhang, Hao Cheng, Jian Tang, Yijie Guo, Qiang Zhang

机构 * Artificial General Intelligence Institute, University of Science and Technology of China（中国科学技术大学通用人工智能研究院） ； X-Humanoid（X-人形机器人） ； The University of Hong Kong（香港大学） ； The Australian National University（澳大利亚国立大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） 纠错

AI总结 SOLO是解决长视距类人机器人运动脆弱性的统一框架，通过QR与TA-MSE蒸馏提升地形感知与策略学习，仿真及实际测试中通行成功率显著优于基线方法，可零样本完成长距离复杂地形任务。

TrapVLA: Trapping Vision-Language-Action Models in Configured Failure Modes

TrapVLA：将视觉-语言-动作模型困在配置好的故障模式中

Jun-Hui Liu, Kun-Yu Lin, Yi-Lin Wei, Xu-Han Chen, Yinghao Li, Zhuohao Li, Yuan-Ming Li, Qing Zhang, Xiaoyi Fan, Dongmei Jiang, Yan Li, Wei-Shi Zheng

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Pengcheng Laboratory（鹏城实验室） ； The University of Hong Kong（香港大学） ； Jiangxing Intelligence (Guizhou) Technology Inc.（匠星智能（贵州）科技有限公司） 纠错

AI总结 本研究针对VLA模型提出名为TrapVLA的后门攻击方法，通过配置故障诱捕任务诱导模型进入指定故障模式，构建了相关基准并验证了攻击效果。