- 通过语义简化进行分层图像矢量化
本研究提出了一种新的渐进式图像矢量化技术，旨在生成层次化的矢量，以从粗糙到细节层次逐渐表示原始图像。我们的方法引入了语义简化，结合了分数蒸馏采样和语义分割，来迭代地简化输入图像。随后，我们的方法针对每个逐步简化的图像优化矢量层。我们的方法提 - ICLR研究量化对对抗性鲁棒性的影响
在这篇论文中，我们首次对 Post-Training Quantization 和 Quantization-Aware Training 的设置下，能够将鲁棒性优化纳入其中的量化流水线组件的影响进行了深入研究分析。通过我们的详细分析，我们 - RadSplat: 用于鲁棒实时渲染的辐射场引导高斯涂抹，每秒 900 + 帧
本研究提出了一种名为 RadSplat 的轻量级方法，用于复杂场景的鲁棒实时渲染。该方法通过使用辐射场作为先验和监督信号来优化基于点的场景表示，提高了渲染质量和鲁棒优化。同时，我们开发了一种新颖的剪枝技术，减少了点的数量且保持高质量，使场景 - 有针对性的方差减少：具有噪声参数的黑盒模拟器的鲁棒贝叶斯优化
针对黑盒模拟器优化问题，本文提出了一种名为目标方差缩减（TVR）的贝叶斯优化方法，通过联合采集函数对控制参数和不确定参数进行同时优化，以有效实现鲁棒优化。该方法在泛函高斯过程模型的基础上，通过闭合形式计算采集函数，展现了探索 - 开发 - - 应对数据不确定性的考试时间安排问题的鲁棒性方法
本研究通过分析鲁棒优化方法在考试时间表问题上的应用，讨论了几种可能的实现方式，并通过实例生成框架在真实和随机实例上进行了影响分析。
- 基于观测和示例的离线模仿的简明解决方案：可能包含不完整轨迹
提出了一种从观测中进行离线模仿的方法，并使用轨迹感知的加权行为克隆策略，提高了鲁棒性和效果。
- 学习对分布变化鲁棒的最优分类树
基于混合整数规划技术，我们提出了一种学习鲁棒分类树的方法，通过问题转化和约束生成的解决方法，在公共可用数据集上展示了最差情况准确率提高了 12.48%，平均情况准确率提高了 4.85%。
- 一种乐观 - 鲁棒的全渠道库存动态定位方法
引入一种新型的数据驱动和分布无关的乐观 - 鲁棒双峰库存优化策略，以有效分配零售链上的库存，以满足时变且不确定的全渠道需求，并通过克服内生离群值的存在，同时保持鲁棒性与改进的平均情况性能来获得回报。
- 神经二阶段鲁棒优化
该论文研究了两阶段鲁棒优化问题，并提出了一种基于机器学习的方法 Neur2RO 来解决该问题。通过将神经网络嵌入到迭代算法中，Neur2RO 可以高效地找到高质量解决方案。实验证明，与现有算法相比，该方法在几秒内就能找到接近最优解的解决方案 - ICLR拓扑感知的鲁棒优化用于超出分布的泛化
该研究通过拓扑感知的鲁棒优化框架，结合分布的拓扑结构，提出了一种解决机器学习中非分布外泛化问题的方法，理论上证明了其有效性，并在分类、回归和语义分割等多种任务中实证表明，在泛化风险上显著优于现有方法。此外，研究还发现数据驱动的分布拓扑与领域 - 使用接触隐式双层优化实现强健的枢转操纵
本文研究在不确定性条件下，使用鲁棒优化进行支点式操作规划，并探讨摩擦力是如何被利用来补偿对象的物理属性准确性不足所带来的不确定性。通过使用分析表达式为支点式操作提供稳定性保障，并在 CIBO 框架中使用稳定边界进行优化，从而提高鲁棒性。我们 - 实用化多机器人混合任务分配：自主清洁
本文通过建立数据集，利用深度强化学习求解器，采用新的鲁棒混合整数线性规划模型，解决了不确定自主清洁系统中多机器人混合任务分配的问题，并且可以在保持性能的情况下，防止系统出现最坏情况，同时提供了一个基准数据集。
- MM不确定性注入：一种深度学习方法用于鲁棒优化
该论文提出了一种不确定性注入范式，用于培训深度学习模型以解决鲁棒优化问题，该模型能够隐含地考虑不确定性并产生统计上健壮的解决方案，而无线通信是存在不确定性的应用领域之一，在多用户 MIMO 下行传输的强鲁棒功率负载和设备到设备网络的强鲁棒功 - AAAI鲁棒平均奖励马尔科夫决策过程
本篇论文研究鲁棒平均回报 MDP 问题，旨在找到一种策略，使其在不确定性的 MDP 集合中的最坏平均回报最优化。作者探讨了利用折扣 MDP 实现这个问题，证明了当折扣因子趋近于 1 时，鲁棒折扣价值函数收敛于鲁棒平均回报，并设计了鲁棒动态规 - AAAI鲁棒的序列网络子模最大化
本文研究了鲁棒优化在序列网络子模极大化问题中的应用，设计了一个鲁棒贪心算法并在实际应用中进行了实验，证明算法的有效性。
- 通过直接 PAC-Bayes 界最小化来改善鲁棒泛化
本文研究了鲁棒优化中的过拟合现象，提出了一种不同形式的鲁棒 PAC-Bayesian 边界并通过迹（TrH）正则化器将 PAC-Bayesian 学习与鲁棒损失面的几何形状连接，实验结果证明了该方法能够提高视觉变换器的鲁棒性且计算成本低。
- 神经辐射场的配对对齐
介绍了一种基于神经辐射场的配对注册技术，通过引入表面场的概念与鲁棒优化的算法来实现 NeRF 场景的配准，该技术可以应用于不同领域的任务。
- EMNLP使用语法归纳寻找数据集快捷方式
本文提出使用概率语法学习发掘 NLP 数据集中的 shortcut，同时也展示这些 features 能够帮助分类器提高最坏组的准确性。
- ECCV利用神经特征获得增强的组鲁棒性
本文提出了一种基于 Gram 矩阵的特征提取模型对训练数据集进行分组的方法，通过伪分组采用鲁棒优化策略来提高模型的容错性能，在没有真实分组标签的情况下证明其在提高模型鲁棒性方面的优越性，并优于最近的所有基线模型。
- 鲁棒枢轴：利用双层优化法利用摩擦稳定性
本文探究如何在物理属性不确定情况下提高稳健性，通过摆杆操作提供了利用摩擦力提高稳定性的方法与算法，并且使用 6 自由度机械臂通过控制不同物品进行实验演示。