University of Pennsylvania（宾夕法尼亚大学）

Flatness-Preserving Residual Learning for Real-Time Tight Quadrotor Formation Flight

用于实时紧密四旋翼编队飞行的保平坦度残差学习

Pei-An Hsieh, Fengjun Yang, Nikolai Matni, M. Ani Hsieh

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

AI总结 针对紧密编队飞行四旋翼受空气动力学相互作用影响问题，提出基于物理的残差动力学学习框架，设计高效反馈线性化控制器，经硬件实验验证其能降低跟踪误差，在低计算量下达到NMPC跟踪性能，且短训练数据和低循环速率可实现稳定编队飞行。

Comments Accepted at IROS 26'

Behavior-Consistent Deep Reinforcement Learning

行为一致的深度强化学习

Marcel Hussing, Liv G. d'Aliberti, Claas Voelcker, Benjamin Eysenbach, Eric Eaton

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Princeton University（普林斯顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了一种行为一致的深度强化学习方法，通过控制策略的分布相似性来减少跨训练运行的策略分歧，从而提高稳定性和性能。

ProtoFlow: Mitigating Forgetting in Class-Incremental Remote Sensing Segmentation via Low-Curvature Prototype Flow

ProtoFlow: 通过低曲率原型流缓解类别增量遥感分割中的遗忘

Jiekai Wu, Rong Fu, Chuangqi Li, Zijian Zhang, Guangxin Wu, Hao Zhang, Shiyin Lin, Yang Li, Dongxu Zhang, Amir H. Gandomi, Simon Fong, Pengbin Feng

机构 * Faculty of Health Data Science, Juntendo University（静冈大学健康数据科学学院） ； The Institute of Collaborative Innovation, University of Macau（澳门大学协同创新研究所） ； Department of Information and Computing Sciences, Faculty of Science, Utrecht University（乌得勒支大学科学学院信息与计算科学系） ； Department of Computer and Information Science, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系） ； School of Computer Science, University of Chinese Academy of Sciences（中国科学院大学计算机科学学院） ； Department of Computer & Information Science & Engineering, University of Florida（佛罗里达大学计算机与信息科学与工程系） ； Department of Computer Science, Juniata College（朱尼塔学院计算机科学系） ； National Engineering Research Center for Beijing Biochip Technology（北京生物芯片工程技术研究中心） ； CapitalBio Corporation（资本生物公司） ； Faculty of Engineering & Information Technology, University of Technology Sydney（悉尼科技大学工程与信息技术学院） ； University Research and Innovation Center (EKIK), Obuda University（布达佩斯大学研究与创新中心（EKIK）） ； Faculty of Science and Technology, University of Macau（澳门大学科学与技术学院） ； Department of Mathematics, University of Southern California（南加州大学数学系） 纠错

AI总结 本文提出ProtoFlow，一种时间感知的原型动态框架，通过将类别原型建模为轨迹并学习其演变，以缓解遥感分割中的遗忘问题，实验表明其在多个基准上取得了显著提升。