University of Toronto（多伦多大学）

IRIS: Learning-Driven Task-Specific Cinema Robot Arm for Visuomotor Motion Control

IRIS：基于学习的任务特定电影机器人臂用于视觉-运动控制

Qilong Cheng, Matthew Mackay, Ali Bereyhi

机构 * Aerospace Eng. Department New York University（航空航天工程系 新 York 大学） ； MIE Department University of Toronto（机械工程系 蒂姆斯大学） ； ECE Department University of Toronto（电子与计算机工程系 蒂姆斯大学） 纠错

AI总结 IRIS是一种低成本、高精度的电影机器人臂，通过基于Transformer的动作分块学习实现自主视觉-运动控制，支持多种电影运动任务。

BEADs: Bias Evaluation Across Domains

BEADs: 跨领域偏差评估

Shaina Raza, Mizanur Rahman, Michael R. Zhang

机构 * Vector Institute（向量研究所） ； Royal Bank of Canada（皇家银行） ； University of Toronto（多伦多大学） 纠错

AI总结 BEADs数据集通过跨领域偏差评估，提供广泛NLP任务的偏差检测与模型评估方案，揭示现有模型在人口群体上的系统性偏差问题。

Comments under review

WS-GRPO: Weakly-Supervised Group-Relative Policy Optimization for Rollout-Efficient Reasoning

WS-GRPO：弱监督组相对策略优化用于高效推理

Gagan Mundada, Zihan Huang, Rohan Surana, Sheldon Yu, Jennifer Yuntong Zhang, Xintong Li, Tong Yu, Lina Yao, Jingbo Shang, Julian McAuley, Junda Wu

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Toronto（多伦多大学） ； Adobe Research（Adobe研究） ； The University of New South Wales（新南威尔士大学） 纠错

AI总结 WS-GRPO 通过将终端奖励转换为正确性感知的指导，提高推理效率并减少冗余思考，同时保持准确性。

Boreas Road Trip: A Multi-Sensor Autonomous Driving Dataset on Challenging Roads

Boreas Road Trip：一个针对挑战性道路的多传感器自动驾驶数据集

Daniil Lisus, Katya M. Papais, Cedric Le Gentil, Elliot Preston-Krebs, Andrew Lambert, Keith Y. K. Leung, Timothy D. Barfoot

机构 * University of Toronto Institute of Aerospace Studies（多伦多大学航空航天研究学院） ； Trimble（Trimble公司） 纠错

AI总结 Boreas Road Trip数据集通过多传感器数据评估自动驾驶算法在挑战性道路条件下的性能。

Comments 23 pages, 15 figures, 12 tables, submitted to The International Journal of Robotics Research (IJRR)

Sensor Query Schedule and Sensor Noise Covariances for Accuracy-constrained Trajectory Estimation

传感器查询计划与传感器噪声协方差用于精度约束的轨迹估计

Abhishek Goudar, Angela P. Schoellig

机构 * Technical University of Munich（慕尼黑技术大学） ； University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究学院） ； University of Toronto Robotics Institute（多伦多大学机器人研究所） ； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与智能机械研究所） ； Vector Institute for Artificial Intelligence（人工智能向量研究所） 纠错

AI总结 本文提出了一种方法，用于估计传感器查询计划和噪声协方差，以实现特定的轨迹估计精度，通过半正定规划解决，并在仿真和真实实验中验证了其有效性。

Decentralized and Fully Onboard: Range-Aided Cooperative Localization and Navigation on Micro Aerial Vehicles

去中心化且完全自主：基于距离的协作定位与导航在微航空器上的应用

Abhishek Goudar, Angela P. Schoellig

机构 * Learning Systems and Robotics Lab（学习系统与机器人实验室） ； Technical University of Munich（慕尼黑技术大学） ； University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所） ； University of Toronto Robotics Institute（多伦多大学机器人研究所） ； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所） ； Vector Institute for Artificial Intelligence（人工智能向量研究所） 纠错

AI总结 本文提出了一种去中心化的基于距离的协作定位与导航方法，通过块坐标下降和因子图推断实现编队控制，适用于微航空器在复杂环境中的自主导航。

RoPE-LIME: RoPE-Space Locality + Sparse-K Sampling for Efficient LLM Attribution

RoPE-LIME: RoPE空间局部性 + 稀疏K采样用于高效的LLM归因

Isaac Picov, Ritesh Goru

机构 * University of Toronto（多伦多大学） ； DevRev 纠错

AI总结 RoPE-LIME通过RoPE空间局部性和稀疏K采样，高效实现LLM归因，减少API调用并提升归因信息质量。