Huazhong University of Science and Technology（华中科技大学）

Adaptive Vision-Language Grasping via Composable Foundation Priors and Generalizable Grasp Synthesis

基于可组合基础先验与通用抓取合成的自适应视觉-语言抓取

Sixu Yan, Shikang Wang, Binhua Huang, Xuanlai Tang, Guohua Fan, Fan Huang, Haoxuan Li, Yongkang Li, Yuhan Li, Bencheng Liao, Zeyu Zhang, Wenyu Liu, Hangxin Liu, Xinggang Wang

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） ； KEENON Robotics Co., Ltd.（科语机器人有限公司） ； Suzhou Silicon Era Intelligent Technology Co., Ltd.（苏州硅时代智能科技有限公司） ； College of Materials, Xiamen University（厦门大学材料学院） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； ByteDance（字节跳动） ； State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院通用人工智能国家重点实验室） ； Hubei Automation Institute（湖北省自动化研究所） 纠错

AI总结 本文提出AdaRoboVLG框架，通过解耦物理抓取合成与任务依赖理解，结合可组合基础先验实现自适应通用抓取，在仿真与真实实验中展现出高效学习、跨机械臂泛化及应对复杂环境的能力。

A location-invariant estimator of extremal quantile treatment effects for heavy-tailed distributions

针对重尾分布的极值分位数处理效应的位置不变估计量

Xin Yu, Shuwei Huang, Jicheng Liu, Jielin Tang, Bolin Wang, Yunxiao Zhang, Tian Zhao

机构 * Huazhong University of Science and Technology（华中科技大学） ； Tencent（腾讯） 纠错

AI总结 针对重尾分布极值QTE估计量的位置偏移不不变问题，通过适配位置不变EVI估计量并替换外推方案，提出位置不变的极值QTE估计量，经模拟验证其性质良好。

BRIDGE: An Open-Source Humanoid Platform via Morphology-Control Co-Design for Physical AI

BRIDGE：面向物理AI的、通过形态-控制协同设计实现的开源人形机器人平台

Jianren Wang, Letian Qian, Zikai Wang, Weiwei Wu, Junjie Zong, Abhinav Gupta, Deepak Pathak

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Huazhong University of Science and Technology（华中科技大学） ； JoyIn AI（追觅科技） 纠错

AI总结 针对人形机器人开发中硬件与控制分离的问题，提出数据驱动的形态-控制协同设计框架，实现开源人形机器人平台Bridge，其性能优于Bumi等基准机器人，可高保真捕捉人类运动并完成多种动态动作

GramLoop: Training-Free Gram-Gated Replay for Robust Dense Prediction

GramLoop：用于鲁棒密集预测的无训练Gram门控重放方法

Yang Chen, Canyu Shen, Xinzhe Rao, Yuanyi Yan, Yunlu Chen, Meng Tang, Teng Long, Vincent Tao Hu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Tongji University（同济大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； University of California, Merced（加州大学默塞德分校） ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 该研究提出无训练框架GramLoop，通过在冻结DINOv3的视觉骨干内添加推理计算，在不改变模型结构的情况下，提升了分布偏移下目标检测和语义分割等密集预测任务的鲁棒性，在COCO-O等基准上取得性能提升。

Comments Code will be released at https://github.com/cheyan9/GramLoop

Skill-Conditioned Gated Self-Distillation for LLM Reasoning

技能条件门控自蒸馏用于大语言模型推理

Jiazhen Huang, Xiao Chen, Xiao Luo, Yong Dai, Senkang Hu, Yuzhi Zhao

机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 提出技能条件门控自蒸馏（SGSD），通过从经验技能库中检索技能-错误对构建多教师池，并利用验证器验证教师极性，以鲁棒门控目标蒸馏信息性师生差异，在弱先验信息假设下提升数学推理性能。

Comments Accepted by EMNLP 2026 Findings. Code is available at https://github.com/walawalagoose/SGSD

ORMOT: A Dataset and Framework for Omnidirectional Referring Multi-Object Tracking

ORMOT: 一个用于全方位参照多目标跟踪的数据集和框架

Zihan Zhou, Sijia Chen, Yanqiu Yu, En Yu, Wenbing Tao

机构 * State Key Laboratory of Multispectral Information Intelligent Processing Technology, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（多谱信息智能处理技术国家重点实验室，人工智能与自动化学院，华中科技大学） 纠错

AI总结 提出ORMOT任务，构建ORSet数据集和ORTrack框架，解决传统数据集视野限制问题，提升模型对长周期语言描述的理解能力。

Comments Accepted by PRCV 2026. Dataset and code: https://github.com/chen-si-jia/ORMOT

T2LSC-Bench: Benchmarking Localized Semantic Control in Text-to-Image Generation

T2LSC-Bench：文本到图像生成中的本地化语义控制基准

Yan Wang, Xinyi Hou, Weiguo Lin, Junjun Si, Siwei Ma

机构 * Communication University of China（中国传媒大学） ； Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） 纠错

AI总结 该研究提出用于评估文本到图像生成本地化语义控制的基准T2LSC-Bench，发现现有模型存在语义泄漏问题，反泄漏提示可降低泄漏率且不影响渲染准确率。

Rendering-in-the-Loop: An Execution-Driven Agent for Interactive Web Development

渲染闭环：用于交互式网页开发的执行驱动智能体

Yilong Guo, Hanqi Chen, Zixiao Ye, Guanzhong Wang, Chen Yu, Zeyu Chen

机构 * Baidu Inc.（百度公司） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） 纠错

AI总结 本研究提出执行驱动智能体RILA，通过AIV模块与ERS得分优化网页生成，构建执行验证数据流水线，在IWR-Bench上提升模型性能，使轻量Qwen3.5-9B超越Kimi-K2.6与GPT-5.5。

When Evidence Shapes Collaboration: Knowledge-Conditioned Topology Generation for Multi-Agent Systems

当证据塑造协作：面向多智能体系统的知识条件拓扑生成

Yangxiao Jiang, Jiarun Fan, Mingcong Xu, Yanxi Guo, Jiwen Feng, Shanqing Xu, Mengchen Qian, Wei Chen, Xiaojin Zhang

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 该研究针对多智能体系统拓扑生成的结构-知识错位问题，提出K-GAT框架，在GPQA数据集上较LLM-Debate基线准确率提升15.7%且计算开销更低。

HAMMER: Harnessing MLLM via Cross-Modal Integration for Intention-Driven 3D Affordance Grounding

HAMMER: 通过跨模态整合利用大语言模型进行意图驱动的3D affordance grounding

Lei Yao, Yong Chen, Yuejiao Su, Yi Wang, Moyun Liu, Lap-Pui Chau

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 HAMMER通过跨模态整合多模态大语言模型，实现意图驱动的3D affordance grounding，提升3D表示的准确性和鲁棒性。

Comments Accepted by CVPR 2026. Project Page: https://rayyoh.github.io/Hammer

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 23805-23815

FitControler: Toward Fit-Aware Virtual Try-On

FitControler: 向拟合感知的虚拟试衣

Lu Yang, Yicheng Liu, Letian Zhou, Yanan Li, Xiang Bai, Hao Lu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Wuhan Institute of Technology（武汉理工大学） 纠错

AI总结 FitControler通过拟合感知的布局生成器和多尺度注入器，实现对虚拟试衣中服装合身度的定制化控制，并构建了包含13,000个配对的数据集。

Comments Accepted by ECCV2026

StainPresetNet: Stain Preset Network for Fast Multi-to-Multi Stain Normalization

StainPresetNet：用于快速多对多染色归一化的染色预设网络

Hongtao Kang, Die Luo, Li Chen, Jing Cai, Junbo Hu, Xiuli Liu, Shenghua Cheng

机构 * Southern Medical University（南方医科大学） ； Huazhong University of Science and Technology（华中科技大学） ； Hubei University of Technology（湖北工业大学） ； Tongji Hospital（同济医院） ； Hubei Maternal and Child Health Hospital（湖北省妇幼保健院） 纠错

AI总结 本文提出StainPresetNet框架，解决染色归一化方法的颜色映射不准确、效率低、方向刚性等问题，在病理数据集上验证其精度高、泛化能力强且计算开销低90%的优势。

Forbid Your Attention: Fooling Multimodal Large Language Models by Selectively Removing Intrinsic Focus in Spectral Domain

禁止你的注意力：通过在频域中有选择地移除固有焦点来欺骗多模态大语言模型

Daizong Liu, Junhao Dong, Zhiyuan Ma, Xiaoye Qu, Xiang Fang, Runwei Guan, Keke Tang, Jianfeng Dong, Yew-Soon Ong

机构 * Institute for Math & AI, Wuhan University（武汉大学数学与人工智能学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Cyberspace Institute of Advanced Technology, Guangzhou University（广州大学先进技术网络空间学院） ； College of Computer and Information Engineering, Zhejiang Gongshang University（浙江工商大学计算机与信息工程学院） 纠错

AI总结 该研究针对多模态大语言模型，提出一种频域相位感知的对抗攻击方法，结合对抗提示学习，可有效欺骗模型，效果优于现有攻击。

Comments Accepted by IEEE TMM2026

Qwen-Drive-1.0: An Initial Step towards a Vision-Language Foundation Model for Autonomous Driving

Qwen-Drive-1.0：面向自动驾驶的视觉-语言基础模型的初步探索

Xin Zhou, Zongchuang Zhao, Zhibo Yang, Mingsheng Li, Humen Zhong, Shuai Bai, Du Chu, Ruizhe Chen, Zhaohai Li, Jun Tang, Qiuyue Wang, Mingkun Yang, Jiazhao Zhang, Dayiheng Liu, Dingkang Liang, Xiang Bai

机构 * QwenTeam（阿里巴巴千问团队） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 研究团队提出Qwen-Drive-1.0，在保留通用视觉-语言能力的同时，将3D感知、视觉问答、运动规划集成于统一框架，经多类评估证实其3D感知与运动规划性能具竞争力。

Comments Code will be available at https://github.com/QwenLM/Qwen-Drive-1.0

InteractBench: Benchmarking LLMs on Competitive Programming under Unrevealed Information

InteractBench：针对未公开信息下的竞赛编程任务评估大语言模型（LLM）

Jiaze Li, Aocheng Shen, Bing Liu, Boyu Zhang, Xiaoxuan Fan, Qiankun Zhang, Xianjun Deng

机构 * School of Cyber Science and Engineering, Huazhong University of Science and Technology（华中科技大学网络空间科学与工程学院） ； Key Laboratory of Cyberspace Security, Ministry of Education（教育部网络空间安全重点实验室） ； Hubei Key Laboratory of Distributed System Security（湖北省分布式系统安全重点实验室） 纠错

AI总结 研究针对现有LLM竞赛编程基准的不足，推出含322道题的InteractBench基准，评估LLM在未公开信息交互式竞赛编程任务的表现，发现先进模型存在显著交互差距并提出失败分类法。

Comments Accepted at ICML 2026

Who Remains, What Changes: Identity Anchored Composed Gait Retrieval

谁留存，什么改变：基于身份锚定的组合步态检索

Jingchen Fei, Zengbin Wang, Yukun Liu, Muyi Sun, Shibiao Xu, Man Zhang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本文提出组合步态检索（CoGR）新任务，构建了首批步态-语言数据集，提出基于身份锚定的ComposeGait框架，在两个基准上取得最优R@1，为CoGR提供强基线。

The MYOSAIQ Challenge: Myocardial Segmentation with Automated Infarct Quantification

MYOSAIQ挑战赛：自动化梗死量化的心肌分割

Olivier Bernard, William A. Romero R., Cyprien Bouton, Celia Goujat, Hang Jung Ling, Pierre-Marc Jodoin, Fumin Guo, Calder Sheagren, Graham Wright, Abdul Qayyum, Moona Mazher, Steven A. Niederer, Hairui Wang, Xiaomei Wu, Franz Thaler, Gernot Plank, Martin Urschler, Ricardo M. Rosales, Esther Pueyo, Nicolas Duchateau, Frederic Cervenansky, Patrick Clarysse, Loic Belle, Thomas Bochaton, Nathan Mewton, Magalie Viallon, Pierre Croisille

机构 * INSA-Lyon, Universite Claude Bernard Lyon 1, UJM-Saint Etienne, CNRS, Inserm, CREATIS UMR 5220, U1294（里昂国立应用科学学院、里昂第一大学克洛德·贝尔纳大学、圣艾蒂安大学、法国国家科学研究中心、法国国家健康与医学研究院、CREATIS联合研究机构） ； Institut Universitaire de France (IUF)（法兰西大学研究院） ； University of Sherbrooke（谢布鲁克大学） ； Huazhong University of Science and Technology（华中科技大学） ； Sunnybrook Research Institute, University of Toronto（多伦多大学桑尼布鲁克研究所） ； Imperial College London（伦敦帝国理工学院） ； University College London（伦敦大学学院） ； Fudan University（复旦大学） ； Medical University of Graz（格拉茨医科大学） ； Graz University of Technology（格拉茨技术大学） ； Universidad de Zaragoza（萨拉戈萨大学） ； Instituto de Investigación Sanitaria de Aragón (IIS Aragón)（阿拉贡卫生研究所） ； Centre Hospitalier Annecy Genevois（阿讷西日内瓦中心医院） ； Hôpital Universitaire Cardiologique Louis Pradel（路易·普拉德尔大学心脏病医院） 纠错

AI总结 本文介绍MYOSAIQ挑战赛，整合439例多中心CMR数据，6支队伍参赛，对比发现基于UNet的技术在LGE MR分割上优于基础模型，但梗死区域分割仍需改进。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:032

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

RIDGE: Region-Informed Derivative-Guided Evidence Selection for Long Video Understanding

RIDGE：用于长视频理解的区域感知导数引导证据选择

Shanqing Xu, Meng Luo, Mengchen Qian, Yuhui Gao, Siyue Peng, Xiaohan Zhong, Xiaojin Zhang, Zhongyu Wei, Wei Chen, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） 纠错

AI总结 针对长视频理解中视觉内容超出LVLM固定token预算的问题，提出RIDGE框架，通过将帧-查询相似性曲线作为时间信号划分区域并选择证据，在多基准和主干上取得最优性能。

Comments EMNLP 2026

ManGo: Manga Active Narrative Grounding Optimization

ManGo：漫画主动叙事定位优化

Hao Qiu, Junyan Wang, Zheyuan Liu, Lei Fan, Hong Jia, Lianbo Guo, Zhulin Tao

机构 * Communication University of China（中国传媒大学） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； University of New South Wales（新南威尔士大学） ； University of Auckland（奥克兰大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本研究针对漫画视觉问答的分镜叙事结构问题，提出无监督框架ManGo，通过主动叙事草图结合双奖励的组相对策略训练，在标准基准上取得最优性能。

Comments 16 pages, 9 figures, 7 tables. Accepted to Findings of the Association for Computational Linguistics: EMNLP 2026

Generalization over Memorization: Generalization-Aware Diffusion Adaptation for Single-Image Multi-View Synthesis

超越记忆的泛化：面向单图像多视图合成的泛化感知扩散适配

Jie Li, Xingchen Zou, Yuxuan Liang

机构 * Huazhong University of Science and Technology（华中科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 本研究提出ACM MM 2026单图像多视图合成挑战赛的获奖方案GoM，通过场景不相交验证等技术，在40个训练场景下实现293支队伍中排名第一，揭示小数据生成建模中验证设计与训练轨迹控制的关键作用。

Comments ACM Multimedia 2026 Grand Challenge Track winning paper; presents the 1st-place solution among 293 registered teams. 7 pages, 2 figures

Training-Free Hidden-State Refinement for Flow-Matching Image Generators

无需训练的流匹配图像生成器的隐状态优化

Yuanyi Yan, Xinzhe Rao, Canyu Shen, Yang Chen, Yunlu Chen, Meng Tang, Teng Long, Vincent Tao Hu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Tongji University（同济大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； University of California, Merced（加州大学默塞德分校） ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 该研究提出无需训练的循环框架优化流匹配图像生成器，在不改动权重与采样器的情况下提升质量指标，Loop Guidance在Scale-RAE DiT2.4B上显著提升GenEval与DPG-Bench指标。

Comments 7pages,4 figures,5 tables

FLM: Frequency-Aware Language Models for Generative Image Compression

FLM：用于生成式图像压缩的频率感知语言模型

Jiarun Chen, Kejun Wu, Li Li, Chengtao Cai, Zhengguo Li, Chia-Wen Lin

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） ； University of Science and Technology of China（中国科学技术大学） ； College of Intelligent Systems Science and Engineering, Harbin Engineering University（哈尔滨工程大学智能系统科学与工程学院） ； Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局信息通信研究院） ； National Tsing Hua University（国立清华大学） 纠错

AI总结 本研究提出频率感知语言模型FLM，通过频域概率建模实现高效图像压缩，兼容有损与无损JPEG重压缩，在多数据集上较JPEG基准获显著BD-PSNR增益，性能优于传统及生成式压缩方法。

Surfacing the Unsaid: CUE-Bench for Affective Stance in Chinese Discourse

揭示未明之言：面向中文话语情感立场的CUE-Bench基准

Zhenyan Zheng, Yunyao Zhang, Junxi Sheng, Junqing Yu, Zikai Song

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 针对现有情感基准缺乏情感相关要素结构化说明的问题，本文构建了以情感立场为核心的CUE Bench基准，实验证实融入情感立场可提升细粒度情感识别与语用意图检测性能。

Journal ref EMNLP 2026 Main

VideoRAE: Taming Video Foundation Models for Generative Modeling via Representation Autoencoders

VideoRAE：通过表示自动编码器驯服用于生成建模的视频基础模型

Zhihao Xie, Junfeng Wu, Xinting Hu, Junchao Huang, Li Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Huazhong University of Science and Technology（华中科技大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 研究视频生成模型潜在空间问题，提出VideoRAE，利用冻结视频基础编码器特征经1D自注意力投影仪压缩，支持多种潜在空间，通过多码本高维量化等实现强大重建，收敛快，验证了冻结VFM表示的有效性。

Comments Home page: https://zhxie0117.github.io/VideoRAE

MAIGO: Mitigating Lost-in-Conversation with History-Cleaned On-Policy Self-Distillation

MAIGO: 通过历史清理的在线策略自蒸馏缓解对话丢失

Haoyu Zheng, Yun Zhu, Shu Yuan, Shangming Chen, Qing Wang, Wenqiao Zhang, Jun Xiao, Yueting Zhuang

机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Fuzhou University（福州大学） ； Tencent（腾讯） 纠错

AI总结 针对大语言模型在多轮对话中性能下降（对话丢失）的问题，提出MAIGO方法，通过在线策略自蒸馏和清理历史助手回复来减少自污染，无需验证器或推理时辅助，显著提升多轮对话准确性。

Asymmetric On-Policy Distillation: Bridging Exploitation and Imitation at the Token Level

非对称在线策略蒸馏：在令牌层面弥合利用与模仿

Nan Jia, Haojin Yang, Xing Ma, Jiesong Lian, Shuailiang Zhang, Weipeng Zhang, Ke Zeng, Xunliang Cai, Zequn Sun

机构 * Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） ； Meituan（美团） 纠错

AI总结 本文提出非对称在线策略蒸馏，通过局部散度最小化改进传统策略蒸馏，提升数学推理任务表现，实现更稳定的策略熵和持续工具使用能力。

ProGS: Towards Progressive Coding for 3D Gaussian Splatting

ProGS：迈向3D高斯散射的渐进编码

Zhiye Tang, Lingzhuo Liu, Shengjie Jiao, Qiudan Zhang, Junhui Hou, You Yang, Xu Wang

机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） 纠错

AI总结 ProGS通过八叉树结构实现3D高斯散射的高效渐进编码，显著提升压缩效率和视觉保真度。

Learning Personalized Prompts for Healthcare Guidance

学习用于医疗指导的个性化提示

Ruize Shi, Hong Huang, Wei Zhou, Kehan Yin, Kai Zhao, Yun Zhao

机构 * Huazhong University of Science and Technology（华中科技大学） ； Tongji Medical College（同济医学院） ； Hubei Maternity and Child Health Care Hospital（湖北省妇幼保健院） 纠错

AI总结 该研究针对现有LLM医疗指导缺乏个性化的问题，提出PPL框架，利用患者自身与同类病例信息构建初始提示并经RL优化，在妇产科数据上获专家97%的偏好，可与专有LLM无缝集成。

Comments Accepted at the EMNLP 2026 Main Conference

MaCoPlanner: LLM-Assisted Manual-Compiled Task Planning with Proactive Safety Verification for Robotic Industrial Panel Operation

MaCoPlanner：面向机器人工业面板操作的、结合主动安全验证的大语言模型辅助人工编译任务规划

Guipeng Xin, Jiahe Xua, Mohammad Deghat, Chenhui Wan, Jie Liu, Youmin Hu, Zhongxu Hu

机构 * Huazhong University of Science and Technology（华中科技大学） ； University of New South Wales（新南威尔士大学） 纠错

AI总结 MaCoPlanner是面向机器人工业面板操作的规划框架，通过编译设备手册知识生成规划，经主动安全验证后执行，大幅提升了任务成功率，在Level-2、Level-3任务上分别提升了21.6、17.3个百分点。

Ex-Sim(3)-Reg: 2D-3D Correspondence Pruning via Extended Sim(3) Registration

Ex-Sim(3)-Reg：基于扩展Sim(3)配准的2D-3D对应关系剪枝

Pei An, Muyao Peng, Junfeng Ding, Jiaqi Yang, Liangliang Nan

机构 * Huazhong University of Science and Technology（华中科技大学） ； Northwestern Polytechnical University（西北工业大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

AI总结 针对现有2D-3D对应剪枝方案受深度先验噪声影响的问题，提出Ex-Sim(3)-Reg算法，在多数据集上实现配准召回率最高24.7%的提升。

Comments Accepted by ECCV 2026