University of Michigan（密歇根大学安娜堡分校）

ConvergeFlow: Language Flow with Provable Convergence to Token Embeddings

ConvergeFlow：可收敛至词元嵌入的语言流模型

Na Li, Yuchen Jiao, Changxiao Cai, Gen Li

机构 * Chinese University of Hong Kong（香港中文大学） ； University of Michigan（密歇根大学） 纠错

AI总结 本研究提出ConvergeFlow，一种嵌入空间的基于流的语言模型，通过约束数据预测器至词元嵌入凸包实现可收敛性，无需交叉熵解码器，在OpenWebText上取得与现有模型相当的性能，展现了基于流范式的语言建模潜力。

MusPyExpress: Extending MusPy with Enhanced Expression Text Support

MusPyExpress：为MusPy扩展增强的表情文本支持功能

Phillip Long, Hao-Wen Dong, Julian McAuley, Zachary Novack

机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

AI总结 该研究提出MusPyExpress扩展MusPy库，支持提取表情文本，解析PDMX数据集展示相关数据丰富性，并开展三类利用该信息的生成任务以推动符号音乐建模。

Comments Accepted at NeurIPS 2025 Workshop on AI for Music: Where Creativity Meets Computation; 10 pages, 6 figures

DesignAgent3D: Interactive 3D Scene Editing via Designer-like Multimodal Reasoning

DesignAgent3D：通过类设计师多模态推理实现交互式3D场景编辑

Xiujin Liu, Tianyu Yang, Yilun Zhao, Xiangliang Zhang

机构 * University of Michigan（密歇根大学） ； University of Notre Dame（圣母大学） ； Yale University（耶鲁大学） 纠错

AI总结 DesignAgent3D是一种交互式多模态智能体框架，通过类设计师的规划-感知-行动范式解决文本引导3D场景编辑的缺陷，在NeRF和3D Gaussian Splatting上均优于现有方法，实现了更优的语义对齐、空间定位精度和多视图一致性。

Q-VGM: Q-Value-Gradient Matching for Offline-to-Online Reinforcement Learning of Flow-Matching VLA

Q-VGM: 基于Q引导的值梯度匹配的流匹配VLA策略

Ziqian Wang, Yitian Liu, Xingjian Mao, Minqian Wang, Yao Mu

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

AI总结 提出Q-VGM离线强化学习方法，通过将值梯度转化为去噪时间上的值梯度场，避免反向传播去噪链，高效微调流匹配VLA策略，在LIBERO等任务上显著提升成功率。

Comments 13 pages, 3 figures, 4 tables

Learning Diffusion Policies for Robotic Manipulation of Timber Joinery under Fabrication Uncertainty

通过扩散策略学习实现建筑中的接触密集机器人装配

Salma Mozaffari (1), Daniel Ruan (1), William van den Bogert (2), Nima Fazeli (2), Sigrid Adriaenssens (1), Arash Adel (1) ((1) Princeton University, (2) University of Michigan)

机构 * Princeton University（普林斯顿大学） ； University of Michigan（密歇根大学） 纠错

AI总结 本文研究了在建筑施工中使用扩散策略学习提升机器人装配的鲁棒性和精度，通过紧密契合的木构接合作为案例，证明扩散策略能通过接触感知控制补偿对齐误差。

Lies We Can Trust: Quantifying Action Uncertainty with Inaccurate Stochastic Dynamics through Conformalized Nonholonomic Lie groups

我们能信任的谎言：通过符合化非守恒李群量化动作不确定性

Luís Marques, Maani Ghaffari, Dmitry Berenson

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

AI总结 本文提出CLAPS算法，利用非守恒李群结构，通过符合预测方法在非欧几里得配置空间中量化动作不确定性，提升预测区域的体积效率。

Comments 12 pages, 7 figures, 4 tables. Published in IEEE Robotics and Automation Letters. Extended version with appendix. Project page: this https URL (https://um-arm-lab.github.io/claps/)