DeliveryBench: Can Agents Earn Profit in Real World?
DeliveryBench: 代理在现实世界中能否获利？
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Michigan（密歇根大学）
AI总结 DeliveryBench通过模拟现实世界中的食品配送任务，评估基于VLM的具身代理在长期规划和约束管理方面的性能，发现其与人类存在显著差距。
高校专区
University of Michigan（密歇根大学安娜堡分校）
Context-Aware Initialization for Reducing Generative Path Length in Diffusion Language Models
基于上下文的初始化以减少扩散语言模型中的生成路径长度
机构 * University of Michigan（密歇根大学）
AI总结 本文提出基于上下文的初始化方法，通过注入提示条件先验来减少扩散语言模型生成路径长度，提升解码效率并解决预热启动的准确性问题。
Systematic Benchmarking of SUMO Against Data-Driven Traffic Simulators
对SUMO与数据驱动交通模拟器的系统性基准测试
机构 * University of Michigan（密歇根大学）
AI总结 本文系统性比较SUMO与数据驱动交通模拟器，展示SUMO在现实感和稳定性上的优势，适用于自动驾驶模拟。
Comments Source code is available at https://github.com/LuminousLamp/SUMO-Benchmark
Local Patches Meet Global Context: Scalable 3D Diffusion Priors for Computed Tomography Reconstruction
局部片段与全局上下文：用于计算机断层扫描重建的可扩展3D扩散先验
机构 * EECS Department, University of Michigan（密歇根大学电子工程与计算机科学系）
AI总结 本文提出一种3D片段基扩散模型，通过学习3D片段先验实现高效高分辨率3D CT重建，优于现有方法。
Embodied4C: Measuring What Matters for Embodied Vision-Language Navigation
Embodied4C: 评估具身视觉-语言导航中至关重要的因素
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； UAS Esslingen（埃森嫩大学） ； TU Wien（维也纳技术大学） ； Dr. Ing. h.c. F. Porsche AG（保时捷股份有限公司） ； University of Michigan（密歇根大学） ； Voxel51 Inc.（Voxel51公司）
AI总结 Embodied4C通过三种异构具身评估VLMs的具身能力，发现跨模态对齐和指令微调比规模更重要，而空间和时间推理是可靠具身能力的主要瓶颈。
Unifying Deep Predicate Invention with Pre-trained Foundation Models
统一深度谓词发明与预训练基础模型
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Computer Science and Engineering Division, University of Michigan（密歇根大学计算机科学与工程系） ； Department of Computer Science, University of Pittsburgh（匹兹堡大学计算机科学系） ； Centaur AI Institute（Centaur人工智能研究所） ； Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系）
AI总结 UniPred通过双层学习框架统一深度谓词发明与预训练基础模型，提升机器人任务的可扩展性和灵活性。
Comments 18 pages, 11 figures
