University of Michigan（密歇根大学安娜堡分校）

FLARE MCMC: Fidelity-based Layer-Adaptive REcursive proposals for MCMC

FLARE MCMC：基于保真度的自适应分层递归马尔可夫链蒙特卡洛提案

Harini Venkatesan, Christian Shelton, Ming-Feng Ho, Simeon Bird, Mengxuan Wu

机构 * University of California, Riverside（加利福尼亚大学河滨分校） ； University of Michigan（密歇根大学） 纠错

AI总结 FLARE MCMC是一种多保真度分层MCMC方法，通过利用低保真度似然提升混合效率，在水文学、宇宙学等领域相同计算时间下可获得更大有效样本量，性能更优。

Comments This is the author's accepted manuscript of an article published in SIAM Journal on Uncertainty Quantification. The final version is available at \url{https://doi.org/10.1137/25M1795194

Journal ref SIAM/ASA Journal on Uncertainty Quantification Volume 14, Issue 2, June 2026 Pages: 661 - 690

Versatile Exoskeleton Control Supports Elderly Joint Energetics During Hip-Intensive Tasks

任务无关的外骨骼控制支持老年人在髋部高强度任务中的关节能量代谢

Jiefu Zhang, Nikhil V. Divekar, Chandramouli Krishnan, Robert D. Gregg

机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） 纠错

AI总结 本文提出了一种任务无关的髋部外骨骼控制器，通过高精度匹配生物功率曲线，显著减少髋部生物正功并提升总功率，为老年人移动提供新的生物力学干预方案。

LatentAM: Real-Time, Large-Scale Latent Gaussian Attention Mapping via Online Dictionary Learning

LatentAM：通过在线字典学习实现实时、大规模的潜在高斯注意力映射

Junwoon Lee, Yulun Tian

机构 * Robotics Department, University of Michigan（密歇根大学机器人系） 纠错

AI总结 LatentAM通过在线字典学习实现实时、大规模的潜在高斯注意力映射，提升机器人感知的特征重建保真度与实时性

Comments 8 pages, 7 figures. Accepted for RA-L. Homepage: https://junwoonlee.github.io/projects/LatentAM/ Code: https://github.com/UMich-SSI-Lab/latentam