Steering Action-aware Adaptive Cruise Control for Teleoperated Driving
Technical University of Munich（慕尼黑工业大学）
本文提出了一种面向遥控道路车辆的转向动作感知自适应巡航控制方法。为了保持车辆处于安全状态，ACC方法可以覆盖人类操作员的速度控制命令。安全状态被定义为无论操作员施加何种转向动作，车辆都可以安全停止的状态。这是通过首先采样各种潜在的未来轨迹来实现的。在第二阶段，假设具有最高风险的轨迹，优化安全且舒适的速度曲线。这产生了用于车辆的安全速度控制命令。在仿真中，将该方法的特性与能够超越命令的转向角以及速度两者的基于模型预测控制的方法进行比较。此外，在1：10比例的车辆试验台的遥操作实验中，证明了所提出的ACC方法保持车辆安全，即使操作员的控制命令会导致碰撞。
2022-08-18 cs.RO
Toward Autonomous Driving by Musculoskeletal Humanoids: A Study of Developed Hardware and Learning-Based Software
The University of Tokyo（东京大学）
本文研究肌肉骨骼人形机器人Musashi在自动驾驶中的应用，利用其冗余传感器和柔性身体结构完成座椅乘坐、踏板踩踏和方向盘操作，并验证了硬件与学习型软件协同实现自动驾驶的可行性。
2024-06-08 cs.RO
Exploring the Boundaries: Thorough Software Testing for Safety-Critical Driving Scenarios Based on Kinematics in the Context of Autonomous Driving
Esslingen University of Applied Sciences（埃斯林根应用科学大学）
本文研究自动驾驶中基于运动学的安全关键边角场景测试，提出运用边界值分析识别最小距离等极端条件，以提升系统鲁棒性并为相关人员提供测试指导。
2023-06-02 cs.RO
Bridging the Gap between Open Source Software and Vehicle Hardware for Autonomous Driving
fortiss GmbH（福蒂斯有限公司）；Technische Universität München（慕尼黑工业大学）
尽管过去内置的中已经构建了许多用于自动驾驶的研究车辆平台，但硬件设计、源代码和经验教训尚未提供给下一代演示者。这提高了研究界的努力，以贡献基于现实世界的评估结果，因为建造和维护研究车辆的工程知识丢失了。在本文中，我们提供了一个分析我们的方法来转移一个开源的驱动堆栈的研究车辆。我们将硬件和软件设置放在其他演示者的背景下，并解释导致我们选择硬件和软件设计的标准。具体来说，我们讨论了阿波罗驾驶堆栈的映射到我们的研究车辆，Fortuna的系统布局，包括通过在实时硬件平台上运行的控制器与执行器的通信和传感器设置的集成。通过我们收集的经验教训，我们鼓励其他研究小组在未来更快地建立这样的系统。
2019-11-29 cs.RO
Open-Source Autonomous Driving Software Platforms: Comparison of Autoware and Apollo
Korea Advanced Institute of Science and Technology（韩国科学技术院）
本文针对开源自动驾驶平台Autoware和Apollo，系统比较了其核心模块与中间件性能，为开发者选择合适平台提供了定量与详细的正面参考。
2025-01-31 cs.RO
Moving Forward: A Review of Autonomous Driving Software and Hardware Systems
Chalmers University of Technology and University of Gothenburg（查尔姆斯理工大学与哥德堡大学）；ZeroPoint Technologies（零点科技公司）
本综述全面梳理了自动驾驶系统的软硬件架构，分析了基于GPU/CPU平台的计算挑战，并指出专用硬件与近内存处理是实现低延迟高效执行的关键，最后展望了未来硬件平台的发展趋势。
2024-11-15 cs.RO
A Containerized Microservice Architecture for a ROS 2 Autonomous Driving Software: An End-to-End Latency Evaluation
Technical University of Munich（慕尼黑工业大学）
针对软件定义汽车趋势，提出一种基于容器的ROS 2自动驾驶微服务架构，评估显示端到端平均延迟改善5-8%，并显著降低最大延迟。
2024-04-19 cs.RO
CARLA-Autoware-Bridge: Facilitating Autonomous Driving Research with a Unified Framework for Simulation and Module Development
Technical University of Munich (TUM)（慕尼黑工业大学）；Institute of Automotive Technology（汽车技术研究所）
为解决自动驾驶模块化软件栈与仿真无缝兼容的挑战，本文开发了连接CARLA模拟器与Autoware Core/Universe的开源桥接器，实现了高效可靠的系统级测试通信。
2024-02-17 cs.RO
Industry Best Practices in Robotics Software Engineering
Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院）；Robert Bosch Corporate Research（罗伯特·博世企业研究院）；Waymo；XITASO GmbH（XITASO有限公司）；Mälardalen University（梅拉达伦大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；University of Stuttgart（斯图加特大学）
机器人软件正在推动软件工程实践的极限。第三届机器人软件工程国际研讨会举行了关于“机器人软件工程最佳做法“的小组讨论。本文分享了小组成员和研讨会讨论中出现的关键要点，包括NASA/加州理工学院喷气推进实验室的架构实践，博世的模型驱动开发，Waymo的自动驾驶系统开发和测试，以及XITASO的机器人软件测试。研究人员和从业者可以在本文内容的基础上，对他们的活动获得新的视角，并专注于当今开发机器人软件中最紧迫的实践和挑战。
2022-12-09 cs.RO cs.SE
Open-Source Autonomous Driving System Analysis and Multi-Disciplinary Hardware-in-the-Loop Research Paradigm with Reinforcement-Learning Testing and Large Language Models
School of Cyberspace Science and Technology, Beijing Jiaotong University（北京交通大学网络空间科学与技术学院）；School of Information Engineering, Chang’an University（长安大学信息工程学院）
本文针对开源自动驾驶系统实验记录分散问题，提出Apollo-on-Hongqi EV环境下的实车实验框架，结合大语言模型与强化学习测试，为相关研究提供可审查的实验基础。
2026-09-01 cs.RO cs.SE
Autonomous Driving - 5 Years after the Urban Challenge: The Anticipatory Vehicle as a Cyber-Physical System
Chalmers | University of Gothenburg（查尔姆斯理工大学 | 哥德堡大学）；RWTH Aachen University（亚琛工业大学）
2007年11月，DARPA城市挑战赛在加利福尼亚州维克多维尔的前乔治空军基地举行，以促进城市环境中自动驾驶车辆的研究和开发。在最后一场比赛中，最初的89名参赛者中只有11人参加，卡内基梅隆大学的“老板”成功了。本文总结了所有决赛选手在过去五年内开展的研究结果，并提供了一个展望，特别是软件工程的进一步调查，现在是必要的，以实现安全可靠地驾驶通过城市环境与大众市场的预期车辆的目标。
2014-09-01 cs.RO cs.SE
One Stack, Diverse Vehicles: Checking Safe Portability of Automated Driving Software
University of the Bundeswehr Munich（联邦国防军慕尼黑大学）；BMW Group（宝马集团）
本文针对自动驾驶软件在不同硬件配置车辆上的安全集成与更新问题，提出一种形式化可移植性检查方法，通过推导目标配置模型并获取安全集，在几分钟内自动验证传统与神经网络自适应巡航控制器的安全行为，为快速软件集成与参数适配提供反馈。
2025-01-30 cs.RO cs.SY eess.SY
AutonomROS: A ReconROS-based Autonomous Driving Unit
Paderborn University（帕德博恩大学）
本文提出基于ReconROS框架的自动驾驶单元AutonomROS，集成Navigation 2与硬件加速函数，新增软硬件共享内存通信中间件，可有效提升性能并降低CPU负载。
2023-11-07 cs.RO
A Comprehensive Study of Bug-Fix Patterns in Autonomous Driving Systems
University of California, Irvine（加利福尼亚大学欧文分校）
本文通过对 Apollo 和 Autoware 两大自动驾驶项目中 1,331 个缺陷修复实例的实证分析，揭示了路径规划、数据流和配置管理等主要缺陷修复模式，并提出了缺陷层级结构及句法和语义修复模式分类体系，为提升自动驾驶系统可靠性与安全性提供指导。
2025-02-04 cs.RO cs.SE
A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the First CARLA Autonomous Driving Challenge
University of São Paulo（圣保罗大学）
第一届CARLA自动驾驶挑战赛的目标是部署自动驾驶系统，以应对所有参与者都面临相同挑战的复杂交通情况。据主办方介绍，这项比赛是一种民主化和加速自动驾驶汽车在世界各地的研究和开发的方式，使用CARLA模拟器有助于自动驾驶汽车领域的发展。因此，本文提出了一个自动驾驶汽车在模拟城市环境中的导航，试图犯下最少的交通违规行为，作为基线的自主导航CaRINA 2平台的原始架构的架构设计。我们的代理人在模拟场景中旅行了几个小时，展示了他的能力，赢得了挑战赛四条赛道中的三条，并在剩下的赛道中排名第二。我们的架构是为了满足CARLA自动驾驶挑战赛的要求而设计的，包括使用3D点云进行障碍物检测、使用卷积神经网络（CNN）和深度信息进行交通标志检测和分类、使用短期运动预测进行碰撞检测的风险评估、使用马尔可夫决策过程（MDP）进行决策以及使用模型预测控制（MPC）进行控制。
2020-10-23 cs.AI cs.RO
From a Competition for Self-Driving Miniature Cars to a Standardized Experimental Platform: Concept, Models, Architecture, and Evaluation
University of Gothenburg（哥德堡大学）
内容：自动驾驶汽车的竞争促进了自动驾驶汽车领域的开发和研究，为未来的移动性提供了潜在的解决方案。目的：微型车辆可以弥合基于简化模型的算法模拟评估与在真实规模的试验场上进行耗时的车辆测试之间的差距。方法：本文结合了系统的文献综述、对自动驾驶微型汽车竞赛参赛者的结果和技术概念的深入分析以及参加2013年自动驾驶汽车竞赛的经验。结果：一个基于仿真的开发平台，用于实际规模的车辆已被调整，以支持自动驾驶微型汽车的开发。此外，还设计并实现了一个标准化平台，以便在未来移动解决方案的背景下进行研究和实验。结论：在基于模型的仿真环境中，算法概念化和验证之间的明确分离使高效和无风险的实验和验证成为可能。利用标准化的软件/硬件接口设计可重复使用、低成本和节能的硬件架构可以实现实验，否则需要像大型实际规模测试轨道这样的资源。
2014-06-30 cs.RO cs.SE
ComOpT: Combination and Optimization for Testing Autonomous Driving Systems
ISCAS（中国科学院软件研究所）；Beijing University of Technology（北京工业大学）；University of Chinese Academy of Sciences（中国科学院大学）
ComOpT是一个开源研究工具，用于自动驾驶系统的覆盖率驱动测试，专注于规划和控制。从（i）表征要考虑的离散条件的元模型和（ii）指定某些组合不可能性的约束开始，ComOpT首先生成约束可行的抽象场景，同时最大限度地增加k路组合测试的覆盖范围。每个抽象场景都可以被视为一个概念上的等价类，然后通过以下方式将其实例化为多个具体场景：（1）随机选择一个满足指定地理条件的本地地图，以及（2）相应地为所有参与者分配范围内的参数。最后，ComOpT根据一组KPI评估每个具体场景，并通过产生可能导致指定点处冲突的新代理来执行本地场景变化。我们使用ComOpT来测试Apollo~6自动驾驶软件栈。ComOpT可以在有限的测试预算下生成高度多样化的场景，同时发现有问题的情况，例如无法进行简单的右转，不舒服的加速和危险的驾驶模式。ComOpT参加了2021年IEEE AI自动驾驶汽车测试挑战赛，并在110多个参赛团队中获得第一名。
2021-10-02 cs.RO cs.SE
EDGAR: An Autonomous Driving Research Platform -- From Feature Development to Real-World Application
School of Engineering and Design, Department of Mobility Systems Engineering, Institute of Automotive Technology and Munich Institute of Robotics and Machine Intelligence (MIRMI)（工程与设计学院，移动系统工程系，汽车技术研究所及慕尼黑机器人与机器智能研究所（MIRMI））
本文提出自动驾驶研究平台EDGAR及其数字孪生，通过统一的虚拟复制车辆和完整开发环境，解决从仿真到实车测试的软件栈验证与集成难题，并开源全部参数以加速开发。
2024-01-16 cs.RO
HawkDrive: A Transformer-driven Visual Perception System for Autonomous Driving in Night Scene
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院）；LLC IntegraNT（因泰格拉特有限责任公司）
本文提出 HawkDrive，通过立体视觉硬件、Jetson Xavier AGX 与基于 Transformer 的低光照增强、深度估计和语义分割软件栈，提升夜间自动驾驶感知性能。
2024-05-06 cs.CV cs.RO
DriveNetBench: An Affordable and Configurable Single-Camera Benchmarking System for Autonomous Driving Networks
Department of Electrical and Computer Engineering, University of Michigan-Dearborn（电气与计算机工程系，密歇根大学-德城）
DriveNetBench提供了一种经济实惠且可配置的单摄像头系统，用于评估自动驾驶网络的性能，通过开源软件实现标准化测试和可重复的度量标准，提升研究可及性。
2025-05-03 cs.RO eess.IV
vEDGAR -- Can CARLA Do HiL?
Technical University of Munich（慕尼黑技术大学）
vEDGAR研究旨在评估CARLA在自动驾驶车辆硬件在环测试中的适用性，通过构建仿真框架验证其在真实环境中的性能与局限性。
2025-12-09 cs.RO
An Investigation of Denial of Service Attacks on Autonomous Driving Software and Hardware in Operation
Akkodis Germany Solutions GmbH（阿克多迪斯德国解决方案有限公司）；University of Cassino and Southern Lazio（卡西诺大学与南拉齐奥大学）
本文通过实验研究 ICMP 洪水 DoS 攻击对自动驾驶软件栈和 GNSS-RTK 定位设备的影响，发现软件栈韧性较强而 GNSS 设备采样率可骤降至 5%，揭示了外部硬件模块作为攻击面的安全风险。
2024-09-02 cs.RO cs.SY eess.SY
Modular Autonomy with Conversational Interaction: An LLM-driven Framework for Decision Making in Autonomous Driving
Professorship of Autonomous Vehicle Systems, TUM School of Engineering and Design, Technical University of Munich（自主车辆系统教授职位，技术大学慕尼黑工程与设计学院，技术大学慕尼黑）
本文提出基于大语言模型的自动驾驶决策框架，通过交互层与Autoware集成，实现乘客高级命令的翻译与执行，提升模块化自动驾驶系统的安全性和扩展性。
2026-01-09 cs.RO
Two is Better Than One: Digital Siblings to Improve Autonomous Driving Testing
Università della Svizzera italiana (USI)（瑞士意大利语区大学）；Technical University of Munich（慕尼黑工业大学）；fortiss GmbH（fortiss有限公司）；Università degli Studi di Udine（乌迪内大学）
针对自动驾驶仿真测试结果泛化性不足的问题，提出数字兄弟多仿真器测试方法，通过多仿真器协同、测试用例迁移与联合失效判定，提升了失效预测的准确性，为自动驾驶软件自动化测试提供了新方案。
2024-10-09 cs.AI cs.RO cs.SE
Benchmarking of a software stack for autonomous racing against a professional human race driver
Technical University of Munich（慕尼黑工业大学）
公共道路车辆实现完全自主的道路需要逐步取代人类驾驶员，最终目标是完全取代驾驶员。最终，驾驶软件必须能够处理自己发生的所有情况，甚至是紧急情况。这些特殊情况需要在操纵极限下采取极端的制动和转向联合行动，以避免事故或减少其后果。普通的人类驾驶员没有受过处理这种极端和很少发生的情况的训练，因此经常无法做到这一点。然而，专业赛车手被训练成利用最大量的可能轮胎力来驾驶车辆。这些能力对于自动驾驶软件的开发具有很高的兴趣。在这里，我们将专业赛车手和我们为自动驾驶赛车开发的软件堆栈与赛车运动中建立的数据分析技术进行比较。这项研究的目标是获得进一步改善我们的软件性能的迹象，并确定它仍然无法满足人类赛车手的性能水平的领域。我们的研究结果用于扩展我们软件的功能，并将我们的研究结果纳入公共道路自动驾驶汽车的研究和开发中。
2020-05-20 cs.HC cs.RO
Enabling Level-4 Autonomous Driving on a Single $1k Off-the-Shelf Card
Perceptin LLC（Perceptin有限责任公司）；Northeastern Univ（东北大学）；COCOPLE LLC（COCOPLE有限责任公司）；College of William and Mary（威廉玛丽学院）；North Carolina State University（北卡罗来纳州立大学）
自动驾驶在研究和工业中都有很大的兴趣。高成本一直是减缓自动驾驶在实践中的发展和采用的主要障碍之一。这篇论文首次表明，运行4级（即，完全自动驾驶）软件，在一个现成的卡（Jetson AGX Xavier）不到1000美元，一个数量级低于国家的最先进的系统，同时满足所有要求的延迟。这一成功来自于通过一系列措施和创新解决了现有做法共有的一些重要问题。该研究颠覆了人们对4级自动驾驶所需计算资源的普遍看法，为行业降低成本指出了一条有希望的道路，并为重新思考自动驾驶的架构、软件设计和优化提供了许多研究机会。
2021-10-12 cs.AI cs.LG cs.RO
Overcoming Blind Spots: Occlusion Considerations for Improved Autonomous Driving Safety
Technical University of Munich（慕尼黑工业大学）；TUM School of Engineering and Design（慕尼黑工业大学工程与设计学院）；Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所）；Institute of Automotive Technology（汽车技术研究所）；Tier IV（Tier IV公司）
提出一种处理城市环境中由静态和动态障碍物产生盲点的软件模块，通过识别并预测被遮挡交通参与者的运动，结合临界性指标评估自车轨迹安全性，实现安全高效的自动驾驶。
2024-02-02 cs.RO
Disengagement Analysis and Field Tests of a Prototypical Open-Source Level 4 Autonomous Driving System
Professorship of Autonomous Vehicle Systems, TUM School of Engineering and Design, Technical University of Munich（自动驾驶车辆系统教授职位，慕尼黑技术大学工程与设计学院，技术大学慕尼黑）；Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所（MIRMI））
本文通过236公里混合交通环境测试，分析了开源四级自动驾驶系统脱轨原因，发现感知与规划故障占比高，脱轨率低，揭示了标准指标难以发现的鲁棒性问题。
2026-03-23 cs.RO
Active Safety System for Semi-Autonomous Teleoperated Vehicles
Technical University of Munich（慕尼黑工业大学）；Delft University of Technology（代尔夫特理工大学）
自动驾驶汽车可以减少道路交通事故，并提供更安全的交通方式。然而，在将这些车辆部署到市场之前，需要解决关键的技术挑战，例如在复杂的城市环境中的安全导航。远程操作可以帮助从人类操作到完全自动驾驶汽车的平稳过渡，因为它仍然有人类在回路中，为驾驶员提供后备范围。本文提出了一种用于遥控驾驶的主动安全系统（ASS）方法。所提出的方法可以帮助操作员确保车辆在复杂环境中的安全性，即避免与静态或动态障碍物发生碰撞。我们的ASS依赖于一个模型预测控制（MPC）制定控制车辆的横向和纵向动态。通过利用MPC框架处理约束的能力，我们的ASS限制了控制器干预人类操作员命令的横向校正的权限，避免了人类操作员的反直觉驾驶体验。此外，我们设计了一个视觉反馈，以提高操作员的信任的ASS。此外，我们提出了一个MPC的预测时域数据为基础的新的预测显示，以减轻遥操作系统中的大延迟的影响。我们测试了所提出的方法在高保真车辆模拟器的动态障碍物和延迟的存在下的性能。
2021-06-28 cs.RO cs.SY eess.SY
Performance evaluation of a ROS2 based Automated Driving System
Fraunhofer Institute for Open Communication Systems (FOKUS)（弗劳恩霍夫开放通信系统研究所）；Daimler Center for Automotive Information Technology Innovations (DCAITI)（戴姆勒汽车信息技术创新中心）；University of Potsdam（波茨坦大学）
针对自动驾驶系统的时间关键特性需求，本文对常用于连接自动驾驶组件的ROS2框架开展时效性与错误率的全面性能评估，验证了其适配自动驾驶系统的可行性。
2025-10-28 cs.RO
Overview of Tools Supporting Planning for Automated Driving
Virtual Vehicle Research Center（虚拟车辆研究中心）
规划是自动驾驶领域的一个重要主题。除了文献中广泛涉及的规划算法之外，规划还需要不同的软件工具来进行开发、验证和执行。本文提出了一个调查，这些工具包括地图表示，通信，交通规则，开源规划栈和中间件，仿真和可视化工具以及基准。我们首先定义规划任务和不同的支持工具。接下来，我们提供了一个全面的国家的最先进的发展和分析它们之间的关系。最后，我们讨论了目前的差距，并提出了未来的研究方向。
2020-03-09 cs.AI cs.RO
Open Challenges in the Formal Verification of Autonomous Driving
University of Modena and Reggio Emilia（摩德纳与雷焦艾米利亚大学）
本文通过真实自动驾驶系统案例，分析异构组件集成带来的认证难题，并探讨形式化验证方法如何保障系统可靠性与安全性。
2024-11-21 cs.AI cs.DC cs.RO
RoboCar: A Rapidly Deployable Open-Source Platform for Autonomous Driving Research
SnT - Interdisciplinary Centre for Security, Reliability and Trust, University of Luxembourg（卢森堡大学安全、可靠性与信任跨学科研究中心）
本文提出基于 2018 款 KIA Soul EV 的开源自动驾驶研究平台 RoboCar，通过模块化软硬件架构降低改装成本，并经公共道路实测验证其研究价值。
2025-07-25 cs.RO
AutoDRIVE: A Comprehensive, Flexible and Integrated Digital Twin Ecosystem for Enhancing Autonomous Driving Research and Education
Clemson University（克莱姆森大学）；SRM Institute of Science and Technology（SRM科学技术学院）；Nanyang Technological University（南洋理工大学）
本文提出AutoDRIVE数字孪生生态系统，集成软硬件在环测试与缩比车辆/基础设施，支持单/多智能体开发，并通过自主泊车、行为克隆、交叉口通行和智慧城市管理四个用例验证其模块化扩展能力。
2023-05-26 cs.RO
AutoMCM: Maneuver Coordination Service with Abstracted Functions for Autonomous Driving
The University of Tokyo（东京大学）
协同智能交通系统（C-ITS）使用车联网（V2X）技术，使自动驾驶车辆更安全、更高效。目前的C-ITS应用主要集中在实时信息共享，如协同感知。除了更好的实时感知，自动驾驶汽车还需要通过协调行动计划来实现更高的安全性和效率。本研究设计了一个机动协调（MC）协议，使用七个消息，以涵盖各种方案和一个抽象的MC支持服务。我们通过扩展两个开源软件工具来实现我们的建议，即AutoMCM：用于自动驾驶的Autoware和用于C-ITS的OpenC 2X。结果表明，我们的系统有效地减少了通信带宽，通过限制消息交换的事件驱动的方式。此外，它表明，当车辆速度为30 km/h时，车辆运行速度提高了15%，当车辆速度为50 km/h时，使用我们的方案提高了28%。我们的系统在实验中表现出对数据包丢失的鲁棒性时，适当地设置消息超时参数。
2021-07-14 cs.RO
From Code to Road: A Vehicle-in-the-Loop and Digital Twin-Based Framework for Central Car Server Testing in Autonomous Driving
Technical University of Munich（慕尼黑技术大学）；CARIAD SE
本文提出了一种基于车辆在环和数字孪生技术的中央车辆服务器测试框架，通过虚拟与物理环境的结合，提高自动驾驶算法验证的效率和准确性。
2026-03-05 cs.RO cs.SY eess.SY
KIT Bus: A Shuttle Model for CARLA Simulator
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Peking University（北京大学）；University of Technology Sydney（悉尼科技大学）；University of California, Berkeley（加州大学伯克利分校）
随着科技的不断发展，自动驾驶汽车必将改变交通运输的本质，实现未来汽车行业的变革。与自动驾驶汽车相比，自动驾驶公交车载客效率更高，在能耗方面也更环保。因此，据推测，在未来，自动驾驶公交车将变得越来越重要。作为自动驾驶研究的模拟器，CARLA模拟器可以帮助人们更快、更安全地积累自动驾驶技术的经验。然而，一个缺点是没有现代总线模型在CARLA模拟器。因此，人们无法模拟公共汽车上的自动驾驶或与公共汽车交互的场景。因此，我们在3ds Max软件中构建了一个公交车模型，并将其导入CARLA以填补这一空白。我们的模型，即KIT总线，被证明是工作在CARLA通过测试它与自动驾驶仪模拟。视频演示显示在我们的Youtube上。
2021-06-17 cs.RO
karl. -- A Research Vehicle for Automated and Connected Driving
Institute for Automotive Engineering (ika), RWTH Aachen University（汽车工程研究所（ika），亚琛工业大学）
研究自动驾驶和车联网技术，介绍卡尔这一研究平台。通过分享其设计思路等，助于弥补机构独立研究受限的差距，为自动驾驶和车联网的研究、工程及验证提供灵活强大平台。
2026-07-07 cs.AR cs.RO cs.SY
Memory based neural networks for end-to-end autonomous driving
Universidad Rey Juan Carlos（胡安·卡洛斯国王大学）；JDErobot organization（JDErobot组织）
自动驾驶的端到端控制的最新工作已经研究了基于视觉的外感受感知的使用。受这些结果的启发，我们提出了一个新的端到端的基于记忆的神经架构的机器人转向和油门控制。我们描述和比较这种架构与以前的方法，使用基本的误差指标（MAE，MSE）和几个外部指标的基础上，他们的性能模拟测试电路。所提出的工作表明，使用内部存储器的模型更好的泛化能力，并允许它在更广泛的电路/情况下驱动的优点。我们在广泛的环境中分析了该算法，并得出结论，所提出的管道是强大的不同的相机配置。目前的所有工作，包括数据集，网络模型架构，权重，模拟器和比较软件，都是开源的，易于复制和扩展。
2022-04-27 cs.RO
Identifying Scenarios in Field Data to Enable Validation of Highly Automated Driving Systems
Mercedes-Benz AG（梅赛德斯-奔驰股份公司）；University of Tübingen（蒂宾根大学）；Brandenburg University of Technology（勃兰登堡工业大学）；Ulm University（乌尔姆大学）；Esslingen University of Applied Sciences（埃斯林根应用科学大学）
用于验证高度自动化驾驶功能的基于场景的方法是基于使用软件在环仿真搜索驾驶场景的安全关键特征。这种搜索需要关于真实世界交通中场景的形状和概率的信息。这项工作的范围是开发一种方法，确定重新定义的逻辑驱动场景中的字段数据，使此信息可以随后导出。更确切地说，一个合适的方法开发，实施和验证使用交通场景作为一个例子。所提出的方法是基于定性建模的情况下，可以检测到在抽象的现场数据。通过使用由领域模型表示的本体的通用元素来实现抽象。已经公布的方法，这样一个抽象的讨论和具体化方面给定的应用程序。通过检查第一组测试数据，示出了所开发的方法是用于识别进一步驾驶场景的合适方法。
2022-05-04 cs.RO
Stress Testing Method for Scenario Based Testing of Automated Driving Systems
Institute of Automotive Engineering - Graz University of Technology（格拉茨技术大学汽车工程研究所）
用于测试SAE 1级和2级自动驾驶汽车的经典方法和程序基于具有特定机动的定义场景，取决于测试功能。对于SAE 3+级的自动驾驶系统（ADS），场景空间是无限的，需要进行虚拟测试和验证。然而，即使在模拟中，ADS安全相关场景的生成也是昂贵且耗时的。这导致了随机和现实的交通仿真的需求。因此，微观交通流仿真模型（TFSM）正在成为ADS基于ARMIO的测试的重要组成部分。本文采用多体仿真软件IPG CarMaker和微观交通流仿真软件（TFSS）PTV Vissim进行联合仿真。虽然TFSS可以提供真实的和随机的行为的交通参与者，安全关键的场景（SCS）很少发生。为了避免这一点，一种新的应力测试方法（STM）的介绍。通过这种方法，交通参与者通过外部驱动程序DLL接口从PTV Vissim在测试车辆附近进行操纵，以激发定义的关键机动来自奥地利高速公路上的统计事故数据。这些外部驾驶员模型模仿人类驾驶错误，导致安全关键场景的增加。因此，所提出的STM方法有助于增加与安全相关的情况下，验证，测试和评估的ADS。
2020-12-08 cs.RO cs.SY eess.SY
From perception to control: an autonomous driving system for a formula student driverless car
Beijing Institute of Technology（北京理工大学）
本文介绍了在2018年中国方程式学生自主驾驶比赛（FSAC）中获胜的“智能鲨鱼II”的自主驾驶系统。在这项比赛中，一辆自主赛车需要在未知的赛道上自主完成两圈。本文介绍了该赛车的自动驾驶软件结构，保证了车辆的高速性和安全性。关键部件保证了赛车的稳定行驶，基于LiDAR和视觉的圆锥检测提供了冗余感知;基于EKF的定位提供了高精度和高频率的状态估计;感知结果通过占用网格地图在时间和空间上积累。在得到运动轨迹后，采用模型预测控制算法对赛车的纵向和横向控制进行优化。最后，基于真实世界的数据的实验的性能。
2019-08-31 cs.CV cs.RO
TEACar: An Open-Source Autonomous Driving Platform
Trustworthy Engineered Autonomy (TEA) Lab, Department of Electrical and Computer Engineering, University of Florida（可信工程自主性实验室，电气与计算机工程系，佛罗里达大学）
本文提出TEACar，一个模块化、低成本的自动驾驶测试平台，通过四层结构分离感知、计算、执行和电源子系统，提升结构刚性并简化重构。
2026-05-08 cs.RO cs.SY eess.SY
Teleoperated aerial manipulator and its avatar. Part 1: Communication, system's interconnection, control, and virtual world
Center for Research in Optics（光学研究中心）
空中机械手可以执行的任务非常多样化。然而，现在的技术还没有完全发展到自主完成复杂的任务。这就是为什么我们提出了一个人在回路系统，可以控制一个半自主的空中机械手来完成这些任务。此外，出于日益增长的趋势，虚拟现实系统，与遥操作，我们开发了一个系统组成：一个空中机械手模型在PX 4编程和建模在Gazebo，一个虚拟现实沉浸与交互式控制器，和上述系统之间的互联网。这项研究是一个更广泛项目的第一部分。在这一部分中，我们提出了在软件在环仿真实验。这项工作的代码被释放在我们的GitHub页面上。此外，视频显示了所进行的实验。
2020-10-19 cs.RO cs.SY eess.SY
A Small-Scale Robot for Autonomous Driving: Design, Challenges, and Best Practices
Department of Electrical and Computer Engineering（电气与计算机工程系）；University of Central Florida（中央佛罗里达大学）
本文介绍六分之一比例小型自动驾驶平台的设计、软硬件集成及开发挑战，提出解决机械电子问题和提升可靠性的指导方针，以扩展其在算法测试中的应用。
2025-06-18 cs.RO cs.SY eess.SY
3D Object Visibility Prediction in Autonomous Driving
LiangDao GmbH（良道有限公司）；Ilmenau University of Technology（伊尔默瑙工业大学）；Great Wall Motor Co., Ltd.（长城汽车股份有限公司）
针对自动驾驶感知阶段的需求，该研究提出3D目标可见性新属性及对应算法，结合多任务学习实现对模型效果与效率的极小影响，拓展下游任务能力，提升实时自动驾驶的安全可靠性。
2024-03-06 cs.CV cs.RO
Failure-Scenario Maker for Rule-Based Agent using Multi-agent Adversarial Reinforcement Learning and its Application to Autonomous Driving
IBM Research AI（IBM研究AI）
我们研究的问题，对抗性强化学习的多代理域，包括基于规则的代理。基于规则的算法在安全关键型应用中是必需的，以便它们在各种情况下都能正常工作。因此，尽一切努力在开发阶段找到故障场景。然而，随着软件变得复杂，查找失败案例变得困难。特别是在多智能体领域，如自动驾驶环境，很难找到有用的故障场景，帮助我们改进算法。我们提出了一种方法，有效地找到失败的情况下，这种方法使用多智能体强化学习训练的对抗代理，这样测试的基于规则的代理失败。我们使用一个简单的环境和自动驾驶模拟器证明了我们所提出的方法的有效性。
2019-05-25 cs.AI cs.LG cs.RO
Co-simulation Platform for Developing InfoRich Energy-Efficient Connected and Automated Vehicles
Carnegie Mellon University（卡内基梅隆大学）；General Motors Company（通用汽车公司）
随着传感、计算和通信技术的进步，互联和自动驾驶车辆（CAV）变得可行。CAV的出现为提高单个车辆的能源效率提供了新的机会。然而，由于安全考虑和可重复性，测试和验证节能自动驾驶系统是困难的。在本文中，我们提出了一个联合仿真平台，以开发和测试新的车辆生态自动驾驶技术，名为InfoRich，它结合了来自车载传感器，V2X通信和地图数据库的信息。协同仿真平台包括生态自动驾驶软件、车辆动力学和动力系统（VD&PT）模型以及交通环境模拟器。此外，我们利用合成驱动周期来自现实世界的驾驶数据来测试现实驾驶场景下的策略。为了从真实世界的驾驶数据中构建道路网络，我们开发了一个名为AutoPASCAL的地图/场景自动解析器和计算器。总体而言，仿真平台提供了一个真实的车辆模型，动力系统模型，传感器模型，交通模型和道路网络模型，以评估生态自动驾驶的能源效率。
2020-04-16 cs.RO cs.SE cs.SY
OpenPodcar: an Open Source Vehicle for Self-Driving Car Research
Institute for Transport Studies, University of Leeds（利兹大学交通研究所）；School of Computer Science, University of Lincoln（林肯大学计算机学院）
本文提出开源自动驾驶研究平台 OpenPodcar，基于低成本代步车提供完整软硬件、ROS/Gazebo 仿真与自主导航栈，并在实用性、安全性和成本间取得平衡。
2023-09-26 cs.AI cs.AR cs.CV
Brief Industry Paper: The Necessity of Adaptive Data Fusion in Infrastructure-Augmented Autonomous Driving System
PerceptIn（PerceptIn公司）；The University of Texas at Dallas（德克萨斯大学达拉斯分校）；South China University of Technology（华南理工大学）；University of Sydney（悉尼大学）
本文是第一个提供一个全面的系统设计概述，以及融合方法的选择标准的现实世界的合作自动驾驶系统，命名为结构增强自动驾驶或IAAD。我们提出了一个深入的介绍IAAD的硬件和软件的路边和车侧的计算和通信平台。我们广泛地描述了IAAD系统在现实世界的部署场景的背景下，并观察到，沿道路波动的网络条件是目前合作自动驾驶的主要技术障碍。为了解决这一挑战，我们提出了新的融合方法，被称为“帧间融合”和“规划融合”，以补充目前最先进的“帧内融合”。我们证明了每种融合方法都有自己的优点和约束。
2022-07-02 cs.DC cs.RO
UMIRobot: An Open-{Software, Hardware} Low-Cost Robotic Manipulator for Education
the University of Tokyo（东京大学）
针对遥操作机器人教育套件不足的问题，提出低成本开源UMIRobot套件，用于在线/混合课程，支持团队设计主设备和夹持器并参与遥操作挑战，已在多国应用。
2024-11-06 cs.RO
An Open-Source Scenario Architect for Autonomous Vehicles
Technical University of Munich（慕尼黑工业大学）
自动驾驶功能软件组件的开发应始终包括广泛而严格的评估。由于现实世界的测试是昂贵的和安全的关键-特别是当面对动态赛车的情况下，在处理的极限-一个青睐的方法是基于模拟的测试。在这项工作中，我们提出了一个开源的图形用户界面，它允许生成一个多车辆的情况下，在一个正常的，甚至是比赛的环境。详细阐述了底层方法和实现。此外，我们还展示了集成到自动驾驶软件堆栈中的基于ESTO的安全评估模块验证的潜在用例。在此范围内，我们介绍了三个说明性的场景，每一个侧重于不同的安全关键方面。
2020-06-17 cs.RO cs.SY eess.SY
Self-Aware Trajectory Prediction for Safe Autonomous Driving
本文提出一种基于自感知模块和两阶段训练的轨迹预测方法，通过在线估计预测模块性能来及时应对功能不足，为实现安全可靠的自动驾驶提供了新范式。
2023-05-16 cs.CV cs.RO
UniGen: Unified Modeling of Initial Agent States and Trajectories for Generating Autonomous Driving Scenarios
Waymo（威摩科技）
提出 UniGen 统一建模新智能体位置、初始状态与轨迹，并结合自回归注入生成低碰撞率逼真驾驶场景，在 Waymo Open Motion Dataset 上超越现有方法。
2024-05-06 cs.LG cs.RO
