Stanford University（斯坦福大学）

On the Feasibility and Opportunity of Autoregressive 3D Object Detection

关于自回归3D目标检测的可行性与机会

Zanming Huang, Jinsu Yoo, Sooyoung Jeon, Zhenzhen Liu, Mark Campbell, Kilian Q Weinberger, Bharath Hariharan, Wei-Lun Chao, Katie Z Luo

机构 * The Ohio State University（俄亥俄州立大学） ； Cornell University（康奈尔大学） ； Boston University（波士顿大学） ； Stanford University（斯坦福大学） 纠错

AI总结 AutoReg3D通过自回归序列生成方法实现3D目标检测，无需锚点或NMS，展示了在LiDAR检测中的可行性与灵活性。

Comments CVPR 2026 Findings Project Page: https://tzmhuang.github.io/autoreg3d/

Generative prediction of laser-induced rocket ignition with dynamic latent space representations

基于动态潜在空间表示的激光诱导火箭点火生成预测

Tony Zahtila, Ettore Saetta, Murray Cutforth, Davy Brouzet, Diego Rossinelli, Gianluca Iaccarino

机构 * Center for Turbulence Research（湍流研究中心） ； Stanford University（斯坦福大学） ； University of Naples Federico II（那不勒斯费德里科二世大学） 纠错

AI总结 本文提出基于动态潜在空间表示的生成预测方法，用于高效模拟激光点火火箭点火过程，显著降低预测成本并提升模拟效率。

Test-Time Meta-Adaptation with Self-Synthesis

测试时元适应与自合成

Zeyneb N. Kaya, Nick Rui

机构 * Stanford University（斯坦福大学） 纠错

AI总结 MASS通过自动生成问题特定的合成训练数据，实现大语言模型在测试时的自我适应与优化，提升下游任务性能。

Comments 5 pages, 2 figures, 1 table. Accepted to AI with Recursive Self-Improvement (RSI) Workshop @ ICLR 2026

How Well Do Multimodal Models Reason on ECG Signals?

多模态模型在心电图信号上的推理能力如何？

Maxwell A. Xu, Harish Haresamudram, Catherine W. Liu, Patrick Langer, Jathurshan Pradeepkumar, Wanting Mao, Sunita J. Ferns, Aradhana Verma, Jimeng Sun, Paul Schmiedmayer, Xin Liu, Daniel McDuff, Emily B. Fox, James M. Rehg

机构 * University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Rush University（拉什大学） ； ETH Zurich（苏黎世联邦理工学院） ； St. Christopher's Hospital for Children（圣克里斯opher儿童医院） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Google Inc（谷歌公司） 纠错

AI总结 本文提出了一种评估多模态模型在ECG信号上推理能力的框架，通过感知和演绎两个方面验证模型的逻辑和模式识别能力。

Graph Neural Model Predictive Control for High-Dimensional Systems

图神经网络模型预测控制用于高维系统

Patrick Benito Eberhard, Luis Pabon, Daniele Gammelli, Hugo Buurmeijer, Amon Lahr, Mark Leone, Andrea Carron, Marco Pavone

机构 * Institute for Dynamic Systems and Control, ETH Zürich（瑞士苏黎世联邦理工学院动态系统与控制研究所） ； Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空与航天工程系） ； NVIDIA Research（NVIDIA研究） 纠错

AI总结 本文提出基于图神经网络和结构利用的模型预测控制方法，用于高维系统的实时控制，实现亚厘米级精度的参考跟踪和有效障碍物避障。

Self-Supervised Multi-Modal World Model with 4D Space-Time Embedding

具有4D空间-时间嵌入的自监督多模态世界模型

Lance Legel, Qin Huang, Brandon Voelker, Daniel Neamati, Patrick Alan Johnson, Favyen Bastani, Jeff Rose, James Ryan Hennessy, Robert Guralnick, Douglas Soltis, Pamela Soltis, Shaowen Wang

机构 * Ecological Intelligence Lab（生态智能实验室） ； School of Complex Adaptive Systems（复杂适应系统学院） ； University of Houston（休斯顿大学） ； Geosensing Systems Engineering & Sciences Lab（传感系统工程与科学实验室） ； Stanford University（斯坦福大学） ； Allen Institute for Artificial Intelligence（人工智能研究院） ； Spatial Intelligence Lab（空间智能实验室） ； Department of Computer Science（计算机科学系） ； Georgia Institute of Technology（佐治亚理工学院） ； Florida Museum of Natural History（佛罗里达自然历史博物馆） ； University of Florida（佛罗里达大学） ； NSF Institute for Geospatial Understanding（国家科学基金会地理理解研究所） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 DeepEarth通过4D空间-时间嵌入实现自监督多模态世界模型，在生态预测中取得最佳性能。

Comments 8 pages, 5 figures, 1 table. Presented at 2026 World Modeling Workshop, Mila Quebec

Foundational World Models Accurately Detect Bimanual Manipulator Failures

基础世界模型准确检测双臂机械臂故障

Isaac R. Ward, Michelle Ho, Houjun Liu, Aaron Feldman, Joseph Vincent, Liam Kruse, Sean Cheong, Duncan Eddy, Mykel J. Kochenderfer, Mac Schwager

机构 * Stanford University（斯坦福大学） ； Watney Robotics（Watney机器人公司） 纠错

AI总结 本文提出基于视觉基础模型的双臂机械臂故障检测方法，通过压缩潜在空间中的世界模型提升检测精度，相比传统方法在参数效率和故障检测率上均表现更优。

Comments 8 pages, 5 figures, accepted at the 2026 IEEE International Conference on Robotics and Automation

ASMIL: Attention-Stabilized Multiple Instance Learning for Whole Slide Imaging

ASMIL：基于注意力的多实例学习用于整张滑动图像

Linfeng Ye, Shayan Mohajer Hamidi, Zhixiang Chi, Guang Li, Mert Pilanci, Takahiro Ogawa, Miki Haseyama, Konstantinos N. Plataniotis

机构 * University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； Hokkaido University（北海道大学） 纠错

AI总结 ASMIL通过稳定注意力动态，解决多实例学习中的过拟合、注意力集中和不稳定问题，提升WSI诊断性能

Comments 39 pages, 26 figures

Scale Dependent Data Duplication

规模依赖的数据复制

Joshua Kazdan, Noam Levi, Rylan Schaeffer, Jessica Chudnovsky, Abhay Puri, Bo He, Mehmet Donmez, Sanmi Koyejo, David Donoho

机构 * Department of Statistics, Stanford University ； AI4Science, EPFL ； Department of Computer Science, Stanford University ； ServiceNow Research ； Department of XXX, University of YYY, Location, Country ； School of ZZZ, Institute of WWW, Location, Country ； École Polytechnique F\'ed\'erale de Lausanne (EPFL), CH-1015 Lausanne, Switzerland 纠错

AI总结 研究发现数据复制在不同规模下表现不同，模型能力提升导致语义相似性梯度一致，大规模下语义碰撞加速，提出明确的规模定律以提高预测准确性。

Diffusion-Guided Pretraining for Brain Graph Foundation Models

基于扩散的脑图基础模型预训练

Xinxu Wei, Rong Zhou, Lifang He, Yu Zhang

机构 * Department of Electrical and Computer Engineering, Lehigh University, Bethlehem, PA, USA（电气与计算机工程系，莱维大学） ； Department of Computer Science and Engineering, Lehigh University, Bethlehem, PA, USA（计算机科学与工程系，莱维大学） ； Department of Psychiatry and Behavioral Sciences, Stanford University School of Medicine, Stanford, CA, USA（精神病学与行为科学系，斯坦福大学医学院） 纠错

AI总结 本文提出基于扩散的预训练框架，通过结构感知的掩码策略和拓扑感知的图级读出，提升脑图表示的鲁棒性和有效性。

Comments Paper has some mistakes

Improving the Resilience of Quadrotors in Underground Environments by Combining Learning-based and Safety Controllers

通过结合学习型控制器和安全控制器提高地下环境中四旋翼的鲁棒性

Isaac Ronald Ward, Mark Paral, Kristopher Riordan, Mykel J. Kochenderfer

机构 * Stanford Intelligent Systems Laboratory, Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天系） 纠错

AI总结 本研究通过结合学习型和安全控制器，提高四旋翼在地下环境中的鲁棒性，实现任务完成与碰撞避免的平衡。

Comments Accepted and awarded best paper at the 11th International Conference on Control, Decision and Information Technologies (CoDIT 2025 - https://codit2025.org/)