Time-Aware Synthetic Control
时间感知合成控制
机构 * Columbia University（哥伦比亚大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 TASC通过引入状态空间模型和卡尔曼滤波器，提升在强时间趋势和高噪声环境下的因果推断性能。
高校专区
Massachusetts Institute of Technology（麻省理工学院）
Parameter-Robust MPPI for Safe Online Learning of Unknown Parameters
参数鲁棒的MPPI用于未知参数的在线学习
机构 * Division of Robotics, Perception and Learning, KTH Royal Institute of Technology（机器人、感知与学习系，皇家理工学院） ； Digital Futures（数字未来） ； Reliable Autonomous Systems Lab, Massachusetts Institute of Technology（可靠自主系统实验室，麻省理工学院） ； Automatic Control Laboratory, Swiss Federal Institute of Technology in Zürich（自动控制实验室，瑞士联邦理工学院（苏黎世））
AI总结 本文提出PRMPPI控制框架，结合在线参数学习与概率安全约束，实现安全且高效的未知参数在线学习。
Towards Zero-Shot Point Cloud Registration Across Diverse Scales, Scenes, and Sensor Setups
跨多样尺度、场景和传感器设置的零样本点云配准
机构 * Laboratory for Information and Decision Systems (LIDS), Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Department of Computer Science and Engineering, Seoul National University（计算机科学与工程系，首尔国立大学）
AI总结 提出BUFFER-X框架，通过几何自举、分布感知采样和坐标归一化实现零样本点云配准，同时引入BUFFER-X-Lite提升效率，适用于多样场景和传感器设置。
Comments 18 pages, 15 figures. Extended version of our ICCV 2025 highlight paper [arXiv:2503.07940]. arXiv admin note: substantial text overlap with arXiv:2503.07940
Quantum-secure multiparty deep learning
量子安全多方深度学习
机构 * Research Laboratory of Electronics, Massachusetts Institute of Technology（麻省理工学院电子研究实验室） ； Physics & Informatics Laboratories, NTT Research, Inc.（NTT研究公司物理与信息学实验室）
AI总结 本文提出利用光的量子特性实现信息论安全的多方深度学习计算，通过线性代数引擎在MNIST分类任务中达到96%的准确率，同时显著降低信息泄露量。
Journal ref Phys. Rev. X 15, 041056 (2025)
