National University of Singapore（新加坡国立大学）

Multi-Agent Reinforcement Learning for Intraday Operating Rooms Scheduling under Uncertainty

多代理强化学习用于在日手术室调度中的不确定性处理

Kailiang Liu, Ying Chen, Ralf Borndörfer, Thorsten Koch

机构 * Department of Mathematics, National University of Singapore（新加坡国立大学数学系） ； Department of Mathematics & Risk Management Institute & Center for Quantitative Finance, National University of Singapore（新加坡国立大学数学系及风险管理研究所及量化金融中心） ； Department of Mathematics and Computer Science, Freie Universität Berlin（柏林自由大学数学与计算机科学系） ； Department of Network Optimization, Zuse Institute Berlin（柏林Zuse研究所网络优化部） ； Faculty of Mathematics and Natural Sciences, Technische Universität Berlin（柏林技术大学数学与自然科学学院） ； Department of Applied Algorithmic Methods, Zuse Institute Berlin（柏林Zuse研究所应用算法方法部） 纠错

AI总结 本文提出基于多代理强化学习的手术室调度方法，通过集中训练和分布式执行策略，有效应对不确定性，提升调度效率和及时性。

X-Humanoid: Robotize Human Videos to Generate Humanoid Videos at Scale

X-Humanoid：将人类视频机器人化以生成大规模人形视频

Pei Yang, Hai Ci, Yiren Song, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） 纠错

AI总结 X-Humanoid通过生成式视频编辑方法，将人类视频机器人化，生成大规模人形视频数据集，提升人形机器人研究的训练效果。

FALCON: Actively Decoupled Visuomotor Policies for Loco-Manipulation with Foundation-Model-Based Coordination

FALCON：基于基础模型的解耦视觉-运动政策用于具有基础模型协调的移动- manipulation

Chengyang He, Ge Sun, Yue Bai, Junkai Lu, Jiadong Zhao, Guillaume Sartoretti

机构 * Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（机械工程系，设计与工程学院，新加坡国立大学） 纠错

AI总结 FALCON通过基于基础模型的解耦视觉-运动策略，实现移动- manipulation任务中更高效的协调与鲁棒性。

Bayesian Concept Bottleneck Models with LLM Priors

具有LLM先验的贝叶斯概念瓶颈模型

Jean Feng, Avni Kothari, Luke Zier, Chandan Singh, Yan Shuo Tan

机构 * University of California, San Francisco（加州大学旧金山分校） ； Microsoft Research（微软研究院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出BC-LLM模型，利用贝叶斯框架和LLM作为先验，实现高效的概念提取和可解释性提升。

Comments 2025 Conference on Neural Information Processing Systems