Nanyang Technological University（南洋理工大学）

Learning to Control: The iUzawa-Net for Nonsmooth Optimal Control of Linear PDEs

学习控制：用于线性偏微分方程非光滑最优控制的iUzawa-Net

Yongcun Song, Xiaoming Yuan, Hangrui Yue, Tianyou Zeng

机构 * Division of Mathematical Sciences, School of Physical and Mathematical Sciences, Nanyang Technological University（南洋理工大学数学科学系） ； Department of Mathematics, The University of Hong Kong（香港大学数学系） ； School of Mathematical Sciences, Nankai University（南开大学数学学院） 纠错

AI总结 iUzawa-Net是一种用于非光滑最优控制的深度学习方法，结合了模型优化和数据驱动技术，实现线性PDE的实时求解。

Mitigating Mismatch within Reference-based Preference Optimization

缓解基于参考的偏好优化中的不匹配

Suqin Yuan, Xingrui Yu, Jiyang Zheng, Lei Feng, Dadong Wang, Ivor Tsang, Tongliang Liu

机构 * Sydney AI Centre, The University of Sydney（悉尼人工智能中心，悉尼大学） ； CFAR, A*STAR（CFAR，A*STAR） ； CSIRO, Data61（CSIRO，Data61） ； Southeast University（东南大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 HyPO通过有条件地去偏参考信号缓解基于参考的偏好优化中的不匹配问题，提升推理对齐性能。

Comments Accepted by ICLR 2026

EEG-to-Gait Decoding via Phase-Aware Representation Learning

通过相意识表示学习实现EEG到步态解码

Xi Fu, Weibang Jiang, Rui Liu, Gernot R. Müller-Putz, Cuntai Guan

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore 639798（计算与数据科学学院，南洋理工大学，新加坡） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, China（计算机科学与工程系，上海交通大学，上海） ； Institute of Neural Engineering, Graz University of Technology, Graz, Austria（神经工程研究所，格拉茨技术大学，奥地利） ； Centre of AI in Medicine (C-AIM), Nanyang Technological University, Singapore（医学人工智能中心（C-AIM），南洋理工大学，新加坡） 纠错

AI总结 NeuroDyGait通过相意识表示学习实现EEG到步态解码，提升跨受试者性能并满足实时BCI需求。

EEG2GAIT: A Hierarchical Graph Convolutional Network for EEG-based Gait Decoding

EEG2GAIT：一种用于基于EEG的步态解码的分层图卷积网络

Xi Fu, Rui Liu, Aung Aung Phyo Wai, Hannah Pulferer, Neethu Robinson, Gernot R Müller-Putz, Cuntai Guan

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Institute of Neural Engineering, Graz University of Technology（技术大学神经工程研究所） ； Center for Al in Medicine (C-AlM)（医学人工智能中心） 纠错

AI总结 EEG2GAIT通过分层图卷积网络和混合时间-频域奖励损失函数，实现了基于EEG的步态解码，提升了解码性能和准确性。

RM-RL: Role-Model Reinforcement Learning for Precise Robot Manipulation

RM-RL：基于角色模型的强化学习用于精确机器人操控

Xiangyu Chen, Chuhao Zhou, Yuxi Liu, Jianfei Yang

机构 * MARS Lab, Nanyang Technological University（马斯实验室，南洋理工大学） 纠错

AI总结 RM-RL通过角色模型策略实现精确机器人操控，无需人类示范，提升在线和离线训练效率，实验显示在现实任务中精度显著提升。