EndoSERV: A Vision-based Endoluminal Robot Navigation System
EndoSERV：一种基于视觉的内镜机器人导航系统
机构 * Institute of Medical Robotics, Shanghai Jiao Tong University（医学机器人研究所，上海交通大学）
AI总结 EndoSERV提出了一种基于视觉的内镜机器人导航系统，通过SE段到结构和Real到虚拟映射技术，解决内镜路径复杂、狭窄和曲折带来的导航难题。
高校专区
Shanghai Jiao Tong University（上海交通大学）
LAHNet: Local Attentive Hashing Network for Point Cloud Registration
LAHNet：用于点云配准的局部注意哈希网络
机构 * Nanjing University of Science and Technology（南京理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 LAHNet通过引入局部注意机制和高效窗口化策略，提升点云配准的特征区分性与鲁棒性。
ODI-Bench: Can MLLMs Understand Immersive Omnidirectional Environments?
ODI-Bench: MLLMs能否理解沉浸式全向环境？
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xinjiang University（新疆大学） ； Tianjin University（天津大学）
AI总结 ODI-Bench旨在评估多模态大语言模型对全向图像沉浸环境的理解能力，通过定制基准和Omni-CoT方法提升模型表现。
ExGS: Extreme 3D Gaussian Compression with Diffusion Priors
ExGS：基于扩散先验的极端3D高斯压缩
机构 * Northwestern Polytechnical University（北western工业大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 ExGS通过结合UGC和GaussPainter，利用扩散先验实现高效且高质量的极端3DGS压缩。
FreeTacMan: Robot-free Visuo-Tactile Data Collection System for Contact-rich Manipulation
FreeTacMan: 无需机器人的人工智能视觉-触觉数据采集系统用于接触密集的 manipulation
机构 * Shanghai Innovation Institute（上海创新研究院） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Shanghai University（上海大学）
AI总结 FreeTacMan 提出了一种无需机器人的视觉-触觉数据采集系统，通过可穿戴抓取器和高精度光学跟踪系统，实现了高效的数据收集和多模态数据集的构建，推动了机器人 manipulation 的研究。
Leveraging Hallucinations to Reduce Manual Prompt Dependency in Promptable Segmentation
利用幻觉减少可提示分割中的手动提示依赖
机构 * Queen Mary University of London（伦敦大学玛丽女王学院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出ProMaC框架，通过利用MLLM幻觉挖掘任务相关信息，提升分割精度与遮罩生成效果。
Comments NeurIPS 2024
Remaining-data-free Machine Unlearning by Suppressing Sample Contribution
无需剩余数据的机器无学习通过抑制样本贡献
机构 * Institute of Image Processing and Pattern Recognition, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（图像处理与模式识别研究院，自动化与智能感知学院，上海交通大学）
AI总结 本文提出MU-Mis方法，通过最小化输入敏感性来无需剩余数据实现机器无学习，有效提升实用性与效率。
Towards Human-Like Manipulation through RL-Augmented Teleoperation and Mixture-of-Dexterous-Experts VLA
通过强化学习增强的遥控操作与混合的灵巧专家VLA实现人机操作
机构 * Shanghai Jiao Tong University（上海交通大学） ； Sharpa ； Shanghai AI Lab（上海人工智能实验室） ； Zhongguancun Academy（中关村学院） ； National University of Singapore（新加坡国立大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出IMCopilot和MoDE-VLA框架，通过强化学习和多模态融合提升机器人灵巧操作能力，实现接触丰富的手内任务性能提升。
Comments Project Homepage: https://sites.google.com/view/mode-vla
Vector Field Augmented Differentiable Policy Learning for Vision-Based Drone Racing
基于向量场的可微政策学习用于基于视觉的无人机赛车
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出DiffRacing框架，通过整合向量场和可微损失提升无人机赛车的样本效率与飞行性能。
Comments 8 pages, 7 figures, RAL 2026 March
FedMomentum: Preserving LoRA Training Momentum in Federated Fine-Tuning
FedMomentum: 在联邦微调中保持LoRA训练动量
机构 * Shanghai Jiao Tong University（上海交通大学） ； Queen's University Belfast（女王大学贝尔法斯特分校） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Purdue University（普渡大学） ； Rice University（里奇大学）
AI总结 FedMomentum通过奇异值分解实现结构化且动量保持的LoRA聚合，提升联邦微调中的收敛速度和准确率。
Long-Short Term Agents for Pure-Vision Bronchoscopy Robotic Autonomy
长短期代理用于纯视觉支气管镜机器人自主性
机构 * Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医学机器人研究所） ； Shanghai Chest Hospital（上海胸科医院）
AI总结 本研究提出一种纯视觉的支气管镜机器人自主导航框架，通过长短期代理实现无外部跟踪的精准导航，验证了其在体内外实验中的有效性。
MedQ-Deg: A Multidimensional Benchmark for Evaluating MLLMs Across Medical Image Quality Degradations
MedQ-Deg：一个多维基准，用于评估医疗图像质量退化下的多模态大语言模型
机构 * Fudan University（复旦大学） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； Imperial College London（伦敦帝国理工学院）
AI总结 MedQ-Deg是一个多维基准，用于评估医疗图像质量退化下多模态大语言模型的性能，揭示模型在不同退化类型下的表现差异及置信度校准问题。
Comments 29 pages, 11 figures
Holi-Spatial: Evolving Video Streams into Holistic 3D Spatial Intelligence
Holi-Spatial: 将视频流转化为整体3D空间智能
机构 * Shanghai AI Lab（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Sichuan University（四川大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 Holi-Spatial通过自动化方法构建大规模多模态3D空间数据集，提升空间推理任务的模型性能。
Comments project page: https://visionary-laboratory.github.io/holi-spatial/
Dial: A Knowledge-Grounded Dialect-Specific NL2SQL System
Dial：一种基于知识的方言特定自然语言到SQL系统
机构 * Tsinghua University（清华大学） ； China Telecom Corporation Ltd. Shanghai Branch（中国电信股份有限公司上海分公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 Dial提出一种基于知识的方言特定自然语言到SQL系统，通过逻辑查询规划、知识库和执行驱动调试提升翻译准确性和方言特征覆盖度。
FLARE: Learning Future-Aware Latent Representations from Vision-Language Models for Autonomous Driving
FLARE: 从视觉-语言模型中学习未来感知的潜在表示以实现自动驾驶
机构 * Shanghai Jiaotong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； OpenDriveLab at The University of Hong Kong（香港大学OpenDrive实验室） ； Li Auto Inc.（Li汽车公司）
AI总结 FLARE通过自监督的未来特征预测目标，从大规模未标记数据中学习鲁棒驾驶表示，无需语言监督，提升自动驾驶性能。
PonderLM-2: Pretraining LLM with Latent Thoughts in Continuous Space
PonderLM-2: 在连续空间中通过潜在思想预训练语言模型
机构 * LUMIA Lab（LUMIA实验室） ； School of Artificial Intelligence（人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Sun Yat-sen University（中山大学）
AI总结 PonderLM-2通过在预训练过程中引入潜在思想的连续空间优化，提升了语言模型的生成能力与下游任务表现。
FreeKV: Boosting KV Cache Retrieval for Efficient LLM Inference
FreeKV: 提升KV缓存检索效率以实现高效的LLM推理
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 FreeKV通过算法与系统协同优化，提升KV缓存检索效率并保持精度，实现高达13倍的加速效果。
LangSurf: Language-Embedded Surface Gaussians for 3D Scene Understanding
LangSurf: 语言嵌入的表面高斯用于3D场景理解
机构 * Brain and Artificial Intelligence Lab, Northwestern Polytechnical University（脑科学与人工智能实验室，西北工业大学） ； Tsinghua University（清华大学） ； Shanghai Jiaotong University（上海交通大学） ； Peking University（北京大学） ； School of Artifical Intelligence, Chongqing University of Posts and Telecommunications（人工智能学院，重庆邮电大学）
AI总结 LangSurf通过语言嵌入的表面高斯实现3D场景理解，提升2D和3D分割精度，扩展了下游任务如去除和编辑。
Comments \url{https://langsurf.github.io}
Deepfake Generation and Detection: A Benchmark and Survey
深度伪造生成与检测：基准与综述
机构 * East China Normal University（华东师范大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文综述了深度伪造生成与检测的最新进展，分析了相关技术、数据集及未来研究方向。
Comments This paper has been accepted by ACM Computing Surveys. We closely follow the latest developments in this \href{https://github.com/flyingby/Awesome-Deepfake-Generation-and-Detection}{project}
Efficient Personalized Reranking with Semi-Autoregressive Generation and Online Knowledge Distillation
高效个性化重排序：半自动生成与在线知识蒸馏
机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei（华为） ； Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 本文提出PSAD框架，通过半自动生成与在线知识蒸馏提升个性化重排序的效率和性能。
Bi-directional digital twin prototype anchoring with multi-periodicity learning for few-shot fault diagnosis
双向数字孪生原型锚定与多周期学习用于少样本故障诊断
机构 * State Key Laboratory of Mechanical System and Vibration（机械系统与振动国家重点实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出一种双向数字孪生原型锚定与多周期学习方法，用于解决少样本故障诊断中的数据不足问题，通过元训练和测试时适应提升模型鲁棒性，实验验证其有效性。
Comments 19 pages, 13 figures
SSP: Safety-guaranteed Surgical Policy via Joint Optimization of Behavioral and Spatial Constraints
SSP：通过行为和空间约束的联合优化实现安全的手术策略
机构 * Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室）
AI总结 SSP通过联合优化行为和空间约束，实现安全的手术策略，确保在不确定性下的严格安全性，同时保持高任务成功率。
SIQA: Toward Reliable Scientific Image Quality Assessment
SIQA：迈向可靠的科学图像质量评估
机构 * TongJi University（同济大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 SIQA提出了一种多维框架，通过SIQA-U和SIQA-S评估科学图像的科学正确性和感知清晰度，揭示模型在评分一致性与科学理解上的差异。
Advances in GRPO for Generation Models: A Survey
生成模型中GRPO的进展：综述
机构 * SJTU（上海交通大学） ； THU（清华大学） ； CUHK（香港大学）
AI总结 本文综述了流GRPO在生成模型中的应用与进展，探讨了方法论改进和跨模态扩展，强调其作为通用对齐框架的重要性及未来挑战。
QuantSparse: Comprehensively Compressing Video Diffusion Transformer with Model Quantization and Attention Sparsification
QuantSparse: 通过模型量化和注意力稀疏化全面压缩视频扩散变换器
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） ； City College of New York, City University of New York, USA（纽约城市学院，纽约城市大学，美国） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 QuantSparse通过结合模型量化和注意力稀疏化，实现视频扩散变换器的高效压缩，提升性能并减少存储与推理时间。
Comments Accepted by ICLR 2026
Quantized Visual Geometry Grounded Transformer
量化视觉几何基础变换器
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全国家重点实验室，计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） ； City College of New York, City University of New York, USA（纽约城市学院，纽约城市大学，美国） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出QuantVGGT，首个针对大规模VGGT的量化框架，通过双平滑细粒度量化和噪声过滤多样化采样技术，在保持高精度的同时实现显著的内存减少和加速。
Comments Accepted by ICLR 2026
ActivePose: Active 6D Object Pose Estimation and Tracking for Robotic Manipulation
ActivePose: 用于机器人操作的主动6D物体姿态估计与跟踪
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Istituto Italiano di Tecnologia（意大利理工学院） ； The Hong Kong Polytechnic University（香港理工大学） ； D-Robotics（D-机器人）
AI总结 ActivePose通过结合视觉-语言模型与机器人想象力，实现主动6D物体姿态估计与跟踪，提升机器人操作的可靠性。
Comments 6D Pose, Diffusion Policy, Robot Learning
$π^3$: Permutation-Equivariant Visual Geometry Learning
π³：排列等变视觉几何学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学）
AI总结 π³通过排列等变架构实现无需参考视角的视觉几何重建，提升相机姿态和点地图重建的准确性和鲁棒性。
Comments Project page: https://yyfz.github.io/pi3/
Diffusion Stabilizer Policy for Automated Surgical Robot Manipulations
扩散稳定策略用于自动化手术机器人操作
机构 * UM-SJTU Joint Intuitute（UM-SJTU联合学院） ； Shanghai Jiao Tong University（上海交通大学） ； Department of Computer Science and Engineering（计算机科学与工程系） ； The Chinese University of Hong Kong（香港中文大学） ； Department of Automation（自动化系）
AI总结 本文提出了一种基于扩散的策略学习框架，用于提升手术机器人在不完美或失败轨迹下的操作稳定性与鲁棒性。
Comments ICRA 2026
Open-World Reinforcement Learning over Long Short-Term Imagination
开放世界长期短期想象强化学习
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能大模型关键实验室、人工智能研究院、上海交通大学） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院、技术东院） ； School of Computer Science and Technology, East China Normal University（计算机科学与技术学院、华东师范大学）
AI总结 本文提出LS-Imagine方法，通过扩展想象 horizon 提高开放世界强化学习中长期收益的探索效率。
Comments Accepted by ICLR 2025 Oral. Project page: https://qiwang067.github.io/ls-imagine
