University of Michigan（密歇根大学安娜堡分校）

Near-Field Perception for Safety Enhancement of Autonomous Mobile Robots in Manufacturing Environments

近场感知用于制造环境中自主移动机器人的安全增强

Li-Wei Shih, Ruo-Syuan Mei, Jesse Heidrich, Hui-Ping Wang, Joel Hooton, Joshua Solomon, Jorge Arinez, Guangze Li, Chenhui Shao

机构 * Department of Mechanical Engineering, University of Michigan, MI 48109, USA ； Materials \& Manufacturing Systems Research, General Motors R \& D, Warren, MI 48092, USA 纠错

AI总结 本文提出三级近场感知框架，通过光断续检测、光位移测量和计算机视觉分类，提升自主移动机器人在制造环境中的安全性能。

Comments Submitted to the 54th SME North American Manufacturing Research Conference (NAMRC 54)

Sequence of Expert: Boosting Imitation Planners for Autonomous Driving through Temporal Alternation

专家序列：通过时间交替提升自动驾驶的模仿规划器

Xiang Li, Gang Liu, Weitao Zhou, Hongyi Zhu, Zhong Cao

机构 * HighTech Lab, Tsinghua University（清华大学高科技实验室） ； School of Mobility, Tsinghua University（清华大学移动学院） ； University of Michigan（密歇根大学） 纠错

AI总结 专家序列通过时间交替策略提升自动驾驶模仿规划器的闭环性能，显著改进了模型表现和训练效率。

Generative Spatiotemporal Data Augmentation

生成性时空数据增强

Jinfan Zhou, Lixin Luo, Sungmin Eum, Heesung Kwon, Jeong Joon Park

机构 * University of Chicago（芝加哥大学） ； University of Michigan, Ann Arbor（安娜堡大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

AI总结 本文提出利用视频扩散模型生成时空数据以增强模型性能，尤其在数据稀缺情况下提升模型表现。

TC-LoRA: Temporally Modulated Conditional LoRA for Adaptive Diffusion Control

TC-LoRA: 基于时间调节的条件LoRA用于自适应扩散控制

Minkyoung Cho, Ruben Ohana, Christian Jacobsen, Adityan Jothi, Min-Hung Chen, Z. Morley Mao, Ethem Can

机构 * University of Michigan（密歇根大学） ； NVIDIA（英伟达） 纠错

AI总结 TC-LoRA通过动态调整模型权重实现自适应扩散控制，提升生成保真度和空间条件符合性。

Comments Project Page: https://minkyoungcho.github.io/tc-lora/; NeurIPS 2025 Workshop on SPACE in Vision, Language, and Embodied AI (SpaVLE); 10 pages

A Stochastic Approach to Terrain Maps for Safe Lunar Landing

为安全月球着陆的地形图提供随机方法

Anja Sheppard, Chris Reale, Katherine A. Skinner

机构 * Draper Scholar University of Michigan（Draper学者 密歇根大学） ； The Charles Stark Draper Laboratory（查尔斯·斯塔克·德拉珀实验室） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出利用高斯过程生成随机高程图的方法，以更准确地建模月球地形不确定性，提升月球着陆的安全性。

Comments Accepted to IEEE Aerospace 2026

Active Inference AI Systems for Scientific Discovery

主动推断AI系统用于科学发现

Karthik Duraisamy

机构 * Michigan Institute for Computational Discovery & Engineering（密歇根计算发现与工程研究所） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出主动推断AI系统，通过结合缓慢假设生成与快速验证推理，利用因果和多模态模型促进科学发现，强调人类判断在处理不确定性中的关键作用。