Imperial College London（帝国理工学院）

Learning Distributed Equilibria in Linear-Quadratic Stochastic Differential Games: An $α$-Potential Approach

在线性二次随机微分博弈中学习分布式均衡：一种α-势方法

Philipp Plank, Yufei Zhang

机构 * Department of Mathematics, Imperial College London（伦敦帝国理工学院数学系） 纠错

AI总结 本文提出一种α-势方法，用于在线性二次随机微分博弈中实现分布式均衡学习，通过理论分析和实验验证了该方法在对称和不对称交互下的收敛性与有效性。

AMBER: A tether-deployable gripping crawler with compliant microspines for canopy manipulation

AMBER：一种可 tether 部署的抓取爬行器，配备顺应性微刺，用于树冠操作

P. A. Wigner, L. Romanello, A. Hammad, P. H. Nguyen, T. Lan, S. F. Armanini, B. B. Kocer, M. Kovac

机构 * eAviation Laboratory, TUM School of Engineering and Design（eAviation实验室，技术大学工程与设计学院） ； Laboratory of Sustainability Robotics, EMPA（可持续机器人实验室，EMPA） ； Laboratory of Sustainability Robotics, EPFL（可持续机器人实验室，瑞士联邦理工学院） ； Aerial Robotics Laboratory, Imperial College London（空域机器人实验室，伦敦帝国理工学院） ； Bristol University（布里斯托大学） 纠错

AI总结 AMBER是一种可空中部署的抓取爬行器，利用顺应性微刺轨道和双轨道旋转夹具，在树冠中实现自适应移动和操作，具备低功耗、高机动性的特点。

VerifiableFL: Verifiable Claims for Federated Learning using Exclaves

可验证的FL：使用exclaves进行联邦学习的可验证声明

Jinnan Guo, Kapil Vaswani, Andrew Paverd, Peter Pietzuch

机构 * Imperial College London（伦敦帝国学院） ； Azure Research（Azure研究院） ； Microsoft Security Response Center（微软安全响应中心） 纠错

AI总结 VerifiableFL通过exclaves实现联邦学习模型的可验证声明，减少12%的开销，增强训练过程的透明性和安全性。