本文介绍了KungfuBot，一种基于物理的人形机器人运动控制方法。该方法通过视频提取运动数据，筛选符合物理约束的动作，并利用自适应机制优化跟踪奖励，以实现机器人模仿人类动作的目标。研究者提出了双层优化框架，提升了机器人在复杂动态环境中的表现。

本研究提出了一种名为LanTu的深度学习系统，旨在提升涡旋解析海洋预报的准确性。该系统通过跨尺度交互和多尺度物理约束，显著提高了涡旋演变的预报技能，超越了现有的数值和AI海洋预报系统，展示了深度学习在这一领域的潜力。

本研究提出了一个系统框架，用于评估地球物理学中基础模型的应用流程。通过结合转移学习与物理约束，减少了对标记数据的依赖，提高了计算效率，并增强了模型的物理一致性和可解释性。

本文提出了一种新框架，针对各向同性超弹性神经网络，强调物理和数学约束，并满足通用近似定理。通过输入凸网络架构和变形梯度特征值的多项式表示，证明了该网络能够近似任何框架无关的各向同性多凸能量，具有广泛的应用潜力。

该论文介绍了多种视频生成技术，包括MotionCtrl、CameraCtrl和无训练的COMD模型，旨在实现精确的相机和物体运动控制。研究表明，通过显式运动建模和引入物理约束，可以显著提升视频生成的可控性和质量，解决了传统方法中的运动准确度问题。

本文探讨了降水短时预报中的深度学习模型，如卷积LSTM、UNET和潜在扩散模型，强调了它们在捕捉时空相关性和提高预测准确性方面的优势。研究表明，结合多源气象数据和物理约束的模型能够有效应对降水预测中的不确定性，展现出良好的应用前景。

本文介绍了一种结合物理约束和蒙特卡洛技术的高效神经网络不确定性估计方法，提升了模型的可泛化性和一致性。开源的Uncertainty Toolbox库用于评估和可视化不确定性，SampleNet架构在回归任务中表现优越。此外，研究解决了训练过程中的观测噪声和认知不确定性问题，并提供了新的后验协方差估计方法，验证了其有效性。

本文介绍了观测引导扩散概率模型（OGDM）和可控扩散轨迹生成器（CDT）等基于扩散模型的创新方法，旨在提高轨迹预测的准确性和效率。这些模型结合物理约束和行为标记，优化生成过程，适用于自动驾驶等复杂环境，显著提升了样本质量和推理速度。

本文介绍了几种基于卷积神经网络（CNN）和图神经网络（GNN）的新模型，旨在解决非线性偏微分方程和流场预测问题。这些模型通过引入物理约束和转移学习，提高了训练效率和预测精度，展示了在复杂时空数据处理中的应用潜力。

本文提出了一种新框架，结合广义矩形式和闭合问题求解，构建多尺度问题的减少模型，有效解决物理约束，确保在不同流体状态下的均匀精度。同时，利用冷原子阵列和Rydberg态的强相互作用，实现可控的多体量子物质，探索量子模拟器的新算法。

本研究提出了Goal-GAN模型，用于人类轨迹预测。该模型通过目标估计和路由模块实现任务，使用过去的轨迹信息和场景背景来估计目标位置概率分布，并生成符合物理约束的可行路径。实验结果表明，该模型在多个基准测试中表现出色。

本文提出了一种基于扩散模型的统一条件框架，结合了轻量级UNet和差异模型来增强图像恢复的物理约束，并提出了截距补丁分裂策略，用于低光量去噪、去模糊和JPEG图像恢复任务，取得了显著的感知质量提升和推广效果。

RACER是一种基于深度学习的汽车跟驰模型，能准确预测自适应巡航控制的驾驶行为。该模型在关键指标上表现出色，完全遵循理性驾驶约束。研究强调将物理约束纳入人工智能模型的价值，并为未来的研究提供了可能。该模型具有通用性和吸引力，可整合额外导数约束和更广泛的应用。

本文提出了一种基于扩散模型的统一条件框架，结合了轻量级 UNet 和差异模型来增强图像恢复的物理约束。通过引导和整合辅助条件信息，成功应用于低光量去噪、去模糊和 JPEG 图像恢复任务，取得了质量提升和推广效果。

Goal-GAN是一种用于人类轨迹预测的模型，采用过去的轨迹信息和场景的视觉背景来估计可能的目标位置的多模态概率分布，并使用循环神经网络生成符合物理约束的逼真且多样化的轨迹集合。实验结果表明，该方法在多个基准测试中建立了一个新的最先进模型。

本文提出了一种基于扩散模型的统一条件框架，结合了轻量级 UNet 和固有的差异模型来增强图像恢复的物理约束，并采用基本和集成模块实现了对所有块的引导和其他辅助条件信息的整合。同时，提出了简单而有效的截距补丁分裂策略，用于低光量去噪、去模糊和 JPEG 图像恢复的挑战任务中，取得了显著的感知质量提升和恢复任务的推广。

该文介绍了如何通过机器学习预测哈密顿量族的基态及其性质。利用物理约束和预测密度矩阵的正定核可以改进样本复杂度，特别是在强局部性的情况下，样本数可以进一步降低。

本文提出了一种基于扩散模型的统一条件框架，结合了轻量级 UNet 和固有的差异模型来增强图像恢复的物理约束，并采用基本和集成模块实现了对所有块的引导和其他辅助条件信息的整合。同时，提出了简单而有效的截距补丁分裂策略，用于低光量去噪、去模糊和 JPEG 图像恢复的挑战任务中，取得了显著的感知质量提升和恢复任务的推广。