Korea Advanced Institute of Science and Technology（韩国科学技术院）

SE(3)-LIO: Smooth IMU Propagation With Jointly Distributed Poses on SE(3) Manifold for Accurate and Robust LiDAR-Inertial Odometry

SE(3)-LIO：在SE(3)流形上联合分布姿态的平滑IMU传播以实现准确且鲁棒的LiDAR-惯性里程计

Gunhee Shin, Seungjae Lee, Jei Kong, Youngwoo Seo, Hyun Myung

机构 * School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院电子工程学院） ； Hanwha Aerospace（翰威航宇） 纠错

AI总结 本文提出SE(3)-LIO，通过在SE(3)流形上联合分布姿态的IMU传播和不确定性感知运动补偿，解决现有方法在运动预测和补偿中的不足，提升LiDAR-惯性里程计的准确性与鲁棒性。

DreamFlow: Local Navigation Beyond Observation via Conditional Flow Matching in the Latent Space

DreamFlow：通过条件流匹配在潜在空间中超越观测的局部导航

Jiwon Park, Dongkyu Lee, I Made Aswin Nahrendra, Jaeyoung Lim, Hyun Myung

机构 * Robotics Program, KAIST（韩国科学技术院机器人学系） ； School of Electrical Engineering, KAIST（韩国科学技术院电子工程学院） ； URobotics（URobotics公司） ； KRAFTON（KRAFTON公司） ； Dept. of Electrical Engineering and Computer Science, UC Berkeley（伯克利大学电子工程与计算机科学系） 纠错

AI总结 本文提出DreamFlow框架，通过条件流匹配扩展机器人感知范围，提升局部导航性能，实验显示其在仿真和现实环境中均优于现有方法。

Near-Optimal Clustering in Mixture of Markov Chains

混合马尔可夫链中的近最优聚类

Junghyun Lee, Yassir Jedra, Alexandre Proutière, Se-Young Yun

机构 * KAIST AI（韩国科学技术院人工智能研究所） ； ICL（国际计算机实验室） ； EEE（电气电子工程系） ； KTH EECS（瑞典皇家理工学院电子工程系） ； Digital Futures（数字未来） 纠错

AI总结 本文研究了对T条长度为H的轨迹进行聚类的问题，每条轨迹由K个未知的平稳马尔可夫链生成。作者推导了聚类误差率的实例依赖下界，并提出两阶段算法，通过新的欧几里得嵌入实现谱聚类，随后通过似然重新分配优化聚类结果，证明算法在合理条件下可实现近最优聚类性能。

Comments AISTATS 2026 (50 pages, 6 figures) (ver3: camera-ready version, major revisions)