University of Pennsylvania（宾夕法尼亚大学）

HALO: High-Altitude Language-Conditioned Monocular Aerial Exploration and Navigation

HALO：高海拔语言条件化单目空中探索与导航

Yuezhan Tao, Dexter Ong, Fernando Cladera, Jason Hughes, Camillo J. Taylor, Pratik Chaudhari, Vijay Kumar

机构 * GRASP Laboratory, University of Pennsylvania（宾夕法尼亚大学GRASP实验室） 纠错

AI总结 HALO通过单目相机与GPS/IMU实现高海拔环境的实时度量-语义映射与导航，支持多任务自主探索。

Minimax Statistical Estimation under Wasserstein Contamination

Wasserstein污染下的最小最大统计估计

Patrick Chao, Edgar Dobriban

机构 * Department of Statistics and Data Science, University of Pennsylvania（统计与数据科学系，宾夕法尼亚大学） 纠错

AI总结 本文研究了Wasserstein污染下的统计估计问题，提出了在ℓq范数下的最小最大理论，证明了样本均值和最小二乘预测器在特定污染情况下具有最优鲁棒性。

Comments A revision, including a changed title. This version extends the results to more general perturbations and loss functions, while also obtaining a new optimal rate for density estimation. Some of the techniques described in the original submission (ambiguity set minimax lower bounds, Bayes lower bounds) are not required anymore and have thus been removed

Improving the Performance of Radiology Report De-identification with Large-Scale Training and Benchmarking Against Cloud Vendor Methods

通过大规模训练和与云服务提供商方法的基准测试来改进放射学报告去标识化性能

Eva Prakash, Maayane Attias, Pierre Chambon, Justin Xu, Steven Truong, Jean-Benoit Delbrouck, Tessa Cook, Curtis Langlotz

机构 * Stanford University（斯坦福大学） ； JP Morgan Chase & Co（摩根大通公司） ； Sorbonne University（索邦大学） ； University of Oxford（牛津大学） ； NVIDIA（英伟达） ； HOPPR ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出了一种基于变压器的去标识化模型，通过大规模训练和与商业系统的基准测试，实现了在放射学报告中更高效的PHI检测性能。

Comments In submission to JAMIA