Imperial College London（帝国理工学院）

Towards Automating Blockchain Consensus Verification with IsabeLLM

面向区块链共识验证的自动化工具IsabeLLM

Elliot Jones, William Knottenbelt

机构 * Department of Computing, Imperial College London, United Kingdom（计算机系，伦敦帝国理工学院，英国） 纠错

AI总结 IsabeLLM通过整合Isabelle证明助手和大语言模型，自动化区块链共识协议的验证过程，成功验证了比特币工作量证明协议的正确性。

Radiant Foam Rendering on a Graph Processor

图处理器上的辐射泡沫渲染

Zulkhuu Tuya, Ignacio Alzugaray, Nicholas Fry, Andrew J. Davison

机构 * Imperial College London（帝国理工学院伦敦分校） 纠错

AI总结 在Graphcore Mk2 IPU上实现辐射泡沫体渲染的高效分布式渲染器，通过分层路由和本地SRAM实现高吞吐量和高质量渲染。

Comments 24 pages, 26 figures

Data-assimilated model-informed reinforcement learning

数据同化模型引导强化学习

Defne E. Ozan, Andrea Nóvoa, Georgios Rigas, Luca Magri

机构 * Department of Aeronautics, Imperial College London（航空系，帝国理工学院伦敦分校） 纠错

AI总结 本文提出数据同化模型引导强化学习方法，通过结合低阶模型、数据同化和非策略RL算法，实现对部分可观测混沌系统的实时控制与抑制。

Journal ref D. E. Ozan, A. Nóvoa, G. Rigas, L. Magri; Data-assimilated model-informed reinforcement learning. Proc. A 1 December 2025; 481 (2327): 20250476

GP-GS: Gaussian Processes Densification for 3D Gaussian Splatting

GP-GS：基于高斯过程的3D高斯点云密集化

Zhihao Guo, Jingxuan Su, Chenghao Qian, Shenglin Wang, Jinlong Fan, Jing Zhang, Wei Zhou, Hadi Amirpour, Yunlong Zhao, Liangxiu Han, Peng Wang

机构 * Manchester Metropolitan University（曼彻斯特 Metropolitan 大学） ； SECE, Peking University（SECE，北京大学） ； University of Leeds（利兹大学） ； Pengcheng Laboratory（鹏城实验室） ； Hangzhou Dianzi University（杭州电子科技大学） ； Wuhan University（武汉大学） ； Cardiff University（卡迪夫大学） ； University of Klagenfurt（克雷夫大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 GP-GS通过高斯过程实现3D高斯点云的密集化优化，提升重建质量和渲染保真度，达到1.12 dB PSNR的改进。

Comments 11 pages, 8 figures

Efficient Submap-based Autonomous MAV Exploration using Visual-Inertial SLAM Configurable for LiDARs or Depth Cameras

基于子地图的高效自主MAV探索：融合视觉惯性SLAM并可配置为LiDAR或深度相机

Sotiris Papatheodorou, Simon Boche, Sebastián Barbas Laina, Stefan Leutenegger

机构 * Technical University of Munich（慕尼黑技术大学） ； School of Computation, Information and Technology（计算、信息与技术学院） ； Imperial College London（伦敦帝国学院） ； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

AI总结 本文提出了一种基于子地图的MAV自主探索框架，通过融合视觉惯性SLAM并支持LiDAR或深度相机，实现高效探索与地图重建。

Comments In proceedings of the IEEE International Conference on Robotics and Automation, 2025. 7 pages, 8 figures, for the accompanying video see https://youtu.be/Uf5fwmYcuq4

Scalable Outdoors Autonomous Drone Flight with Visual-Inertial SLAM and Dense Submaps Built without LiDAR

可扩展的户外自主无人机飞行：基于视觉-惯性SLAM和无LiDAR的密集子地图构建

Sebastián Barbas Laina, Simon Boche, Sotiris Papatheodorou, Dimos Tzoumanikas, Simon Schaefer, Hanzhi Chen, Stefan Leutenegger

机构 * Technical University of Munich（技术大学慕尼黑） ； School of Computation, Information and Technology（计算、信息与技术学院） ； Mobile Robotics Lab（移动机器人实验室） ； Department of Computing（计算学院） ； Imperial College London（伦敦帝国学院） ； Department of Mechanical and Process Engineering（机械与过程工程学院） ； ETH Zurich（苏黎世联邦理工学院） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

AI总结 本文提出了一种基于视觉-惯性SLAM和无LiDAR的自主无人机系统，实现户外复杂环境下的大规模自主导航和路径规划。

Comments 8 pages, 8 figures

Control-Barrier-Aided Teleoperation with Visual-Inertial SLAM for Safe MAV Navigation in Complex Environments

基于控制屏障的遥控操作与视觉-惯性SLAM的MAV安全导航

Siqi Zhou, Sotiris Papatheodorou, Stefan Leutenegger, Angela P. Schoellig

机构 * Learning Systems and Robotics Lab, School of Computation, Information and Technology, Technical University of Munich（学习系统与机器人实验室，计算、信息与技术学院，慕尼黑技术大学） ； Smart Robotics Lab, School of Computation, Information and Technology, Technical University of Munich（智能机器人实验室，计算、信息与技术学院，慕尼黑技术大学） ； Smart Robotics Lab, Department of Computing, Imperial College London（智能机器人实验室，计算系，伦敦帝国理工学院） ； Munich Institute of Robotics and Machine Intellig（慕尼黑机器人与机器智能研究所） 纠错

AI总结 本文提出了一种结合控制屏障函数与视觉-惯性SLAM的MAV安全导航系统，通过感知-动作闭环实现复杂环境中的安全遥控操作。

Comments Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2024, 7 pages, 7 figures, supplementary video is available at https://youtu.be/rCxbWY4PIfQ?si=DC-9mg7g1WooNdaV

Approximating Persistent Homology for Large Datasets

对大规模数据集进行持久同调近似

Yueqi Cao, Anthea Monod

机构 * Department of Mathematics, KTH Royal Institute of Technology（皇家理工学院数学系） ； Department of Mathematics, Imperial College London（伦敦帝国理工学院数学系） 纠错

AI总结 本文提出了一种多重子采样方法，用于近似大规模数据集的持久同调，通过三种不同表示方式提升计算效率并验证其有效性。

Comments 42 pages, 11 figures

A Brain-like Synergistic Core in LLMs Drives Behaviour and Learning

类脑协同核心在大语言模型中驱动行为与学习

Pedro Urbina-Rodriguez, Zafeirios Fountas, Fernando E. Rosas, Jun Wang, Andrea I. Luppi, Haitham Bou-Ammar, Murray Shanahan, Pedro A. M. Mediano

机构 * Department of Computing Imperial College London（帝国理工学院计算机系） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； AI Centre Department of Computer Science University College London（伦敦大学学院人工智能中心） ； Department of Informatics University of Sussex（Sussex大学信息学院） ； Centre for Complexity Science and Center for Psychedelic Research Department of Brain Science Imperial College London（帝国理工学院复杂科学中心和迷幻研究中心） ； Department of Psychiatry and Centre for Eudaimonia and Human Flourishing University of Oxford（牛津大学精神病学系和幸福与人类繁荣中心） ； Division of Information Engineering and St John’s College University of Cambridge（剑桥大学信息工程系和圣约翰学院） ； Montreal Neurological Institute McGill University（麦吉尔大学蒙特利尔神经科学研究所） ； Division of Psychology and Language Sciences University College London（伦敦大学学院心理学与语言科学系） 纠错

AI总结 本研究发现大语言模型中自发形成的协同核心与人脑相似，通过学习产生，影响行为与学习性能。

NAS-GS: Noise-Aware Sonar Gaussian Splatting

NAS-GS: 噪声感知的声纳高斯点云技术

Shida Xu, Jingqi Jiang, Jonatan Scharff Willners, Sen Wang

机构 * I-X and Department of Electrical and Electronic Engineering, Imperial College London, UK（I-X 和 电气与电子工程系，帝国理工学院伦敦分校） ； Frontier Robotics, The National Robotarium, Edinburgh UK（前沿机器人技术，国家机器人中心，爱丁堡） 纠错

AI总结 NAS-GS通过双向点云技术和高斯混合噪声模型，提升声纳图像的3D重建和新视角合成性能。