arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

Massachusetts Institute of Technology(麻省理工学院)

2025-12-19 至 2025-12-19 共收录 5
2512.16842 2025-12-19 cs.CV cs.AI cs.RO

OPENTOUCH: Bringing Full-Hand Touch to Real-World Interaction

OPENTOUCH:将全手触觉带入现实世界交互

Yuxin Ray Song, Jinzhou Li, Rao Fu, Devin Murphy, Kaichen Zhou, Rishi Shiv, Yaqi Li, Haoyu Xiong, Crystal Elaine Owens, Yilun Du, Yiyue Luo, Xianyi Cheng, Antonio Torralba, Wojciech Matusik, Paul Pu Liang

机构 * MIT(麻省理工学院) Duke University(杜克大学) Brown University(布朗大学) University of Washington(华盛顿大学) Harvard University(哈佛大学)

AI总结 OpenTouch是首个现实场景的第一人称全手触觉数据集,通过同步视频-触觉-姿态数据和详细注释,推动多模态感知和机器人操作研究。

Comments https://opentouch-tactile.github.io/

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.16832 2025-12-19 cs.CL

What Do Prosody and Text Convey? Characterizing How Meaningful Information is Distributed Across Multiple Channels

语调和文本传达什么?如何表征意义信息在多个通道中的分布

Aditya Yadavalli, Tiago Pimentel, Tamar I Regev, Ethan Wilcox, Alex Warstadt

机构 * UC San Diego(UC圣地亚哥大学) ETH Zürich(苏黎世联邦理工学院) MIT(麻省理工学院) Georgetown University(乔治·华盛顿大学)

AI总结 本文提出信息论方法,量化语调和文本在传达讽刺、情绪和疑问性中的信息差异,发现语调在特定条件下信息量显著大于文本。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.16032 2025-12-19 cs.LG cs.CE

Techno-economic optimization of a heat-pipe microreactor, part I: theory and cost optimization

热管微反应堆的技术经济优化,第一部分:理论和成本优化

Paul Seurin, Dean Price, Luis Nunez

机构 * Autonomous Engineering Laboratory, Idaho National Laboratory(爱达荷国家实验室自主工程实验室) Massachusetts Institute of Technology(麻省理工学院)

AI总结 本文提出了一种基于强化学习的优化方法,通过考虑技术经济因素,优化热管微反应堆的LCOE,降低其成本超过57%。

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.04505 2025-12-19 cs.LG cs.AI cs.CY

Alternative Fairness and Accuracy Optimization in Criminal Justice

刑事司法中的替代公平与准确性优化

Shaolong Wu, James Blume, Geshi Yeung

机构 * Harvard University(哈佛大学) Massachusetts Institute of Technology(麻省理工学院)

AI总结 本文提出在刑事司法中通过优化误差损失和控制假阴性率差异来提升公平与准确性的方法,并提供部署框架以确保决策系统的合法性。

Comments AAAI 2026, Singapore (AIGOV)

Journal ref AAAI 2026, Singapore (AIGOV)

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.15119 2025-12-19 cs.CV cs.LG

Deep generative priors for 3D brain analysis

深度生成先验用于3D脑分析

Ana Lawry Aguila, Dina Zemlyanker, You Cheng, Sudeshna Das, Daniel C. Alexander, Oula Puonti, Annabel Sorby-Adams, W. Taylor Kimberly, Juan Eugenio Iglesias

机构 * Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School(阿提诺拉A.马丁诺斯生物医学成像中心、麻省总医院和哈佛医学院) Department of Neurology, Massachusetts General Hospital(麻省总医院神经科) Hawkes Institute, University College London(霍克斯研究所、伦敦大学学院) Danish Research Centre for Magnetic Resonance Department of Radiology and Nuclear Medicine, Copenhagen University Hospital – Amager and Hvidovre(丹麦磁共振研究中心放射科和核医学科、哥本哈根大学医院-阿马格和赫维多雷) Computer Science & Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology(计算机科学与人工智能实验室(CSAIL)、麻省理工学院)

AI总结 本文提出利用扩散模型作为先验,解决多种医学影像逆问题,通过训练和灵活的正向模型提升解剖结构的保真度,实现高质量的3D脑分析。

详情

展开后加载摘要…

URL PDF HTML 收藏