Risk-Aware Reward Shaping of Reinforcement Learning Agents for Autonomous Driving
Eindhoven University of Technology（埃因霍温理工大学）；Northwestern Polytechnical University（西北工业大学）
针对自动驾驶强化学习奖励函数难确定、传统方法缺风险感知的问题，提出风险感知奖励塑形方法，新增鼓励探索、惩罚风险行为的奖励项，仿真验证对多类智能体有效，且PPO方法配合效果最佳。
2023-08-25 cs.AI cs.RO
Offline Reinforcement Learning using Human-Aligned Reward Labeling for Autonomous Emergency Braking in Occluded Pedestrian Crossing
CAV-Lab, School of Engineering（CAV实验室、工程学院）；School of Artificial Intelligence and Computer Science（人工智能与计算机科学学院）
本文提出了一种生成人类对齐奖励标签的方法，用于提升自动驾驶车辆在遮挡行人横穿场景中的安全性能。
2026-01-23 cs.LG cs.RO
CLIP-RLDrive: Human-Aligned Autonomous Driving via CLIP-Based Reward Shaping in Reinforcement Learning
Concordia University（康考迪亚大学）
本文提出CLIP-RLDrive框架，通过CLIP视觉语言模型构建基于视觉与文本线索的奖励模型，将自动驾驶决策与人类偏好对齐，解决了复杂城市场景中手动设计强化学习奖励模型的难题。
2024-12-17 cs.AI cs.LG cs.RO
Tactical Decision Making for Autonomous Trucks by Deep Reinforcement Learning with Total Cost of Operation Based Reward
Department of Computer Science and Engineering, Chalmers University of Technology and and University of Gothenburg（计算机科学与工程系，查尔姆斯理工大学和哥德堡大学）；Department of Mechanics and Maritime Sciences, Chalmers University of Technology（机械与海洋科学系，查尔姆斯理工大学）；Safe and Efficient Driving, Volvo Group of Trucks Technology（安全高效驾驶，沃尔沃卡车技术集团）
提出一种深度强化学习框架，用于自动驾驶卡车在高速公路场景下的自适应巡航控制和变道战术决策，通过基于总运营成本的多目标奖励函数优化性能。
2025-11-07 cs.AI cs.LG cs.RO
Reward-Conditioned Attention: How Reward Design Shapes What Autonomous Driving Agents See
National School of Artificial Intelligence (ENSIA)（国家人工智能学院）；Cosys-Grettia, Univ Gustave Eiffel（古斯塔夫·埃菲尔大学Cosys-Grettia实验室）
研究奖励设计如何影响自动驾驶强化学习代理的内部注意力模式，发现奖励内容直接决定编码器优先关注的场景元素，且连续碰撞时间惩罚会形成学习性警觉先验。
2026-06-25 cs.AI cs.LG math.OC
Optimal Reward Shaping: Autonomous Car Parking Case Study
研究非完整约束下无模型强化学习奖励函数设计难题，提出含覆盖门控对齐反馈等的参数化奖励塑造框架，通过联合元优化及基于代理的贝叶斯优化，优化后的深度Q网络代理在停车任务中表现出色。
2026-07-28 cs.LG math.OC
Deep Interactive Reinforcement Learning for Path Following of Autonomous Underwater Vehicle
Ocean University of China（中国海洋大学）
自主式水下机器人（AUV）在海洋探测中发挥着越来越重要的作用。现有的AUV通常不是完全自主的，并且通常限于预先规划或预先编程任务。强化学习和深度强化学习被引入到AUV的设计和研究中，以提高其自主性。然而，这些方法仍然很难直接应用于实际的AUV系统，因为稀疏的奖励和低的学习效率。结合深度强化学习和交互式强化学习的优点，提出了一种深度交互式强化学习方法用于水下机器人路径跟踪。此外，由于AUV在海洋中运行时，人类训练者无法提供人类奖励，而AUV需要适应不断变化的环境，因此我们进一步提出了一种同时从人类奖励和环境奖励中学习的深度强化学习方法。通过在Gazebo平台上的仿真，分别对AUV的直线跟踪和正弦曲线跟踪两种路径跟踪任务进行了验证。我们的实验结果表明，使用我们提出的深度交互式RL方法，AUV可以比仅从环境奖励的DQN学习器更快地收敛。此外，AUV从人类和环境奖励的深度RL学习也可以实现与深度交互式RL方法相似甚至更好的性能，并且可以通过进一步从环境奖励学习来适应实际环境。
2020-01-10 cs.AI cs.LG cs.RO
Towards Autonomous Reinforcement Learning for Real-World Robotic Manipulation with Large Language Models
Department of Information Engineering, University of Padova（帕多瓦大学信息工程系）；ABB Corporate Research（ABB企业研究）
本文提出ARCHIE无监督流程，利用GPT-4从自然语言任务描述自动生成RL奖励函数与成功判定代码，并在ABB YuMi单臂及双臂操作任务中验证其有效性。
2025-06-10 cs.AI cs.LG cs.RO
Maneuver Decision-Making For Autonomous Air Combat Through Curriculum Learning And Reinforcement Learning With Sparse Rewards
Aeronautics Engineering College, Air Force Engineering University（空军工程大学航空工程学院）
强化学习是解决决策问题的有效方法。研究基于强化学习的自主空战机动决策方法是一个有意义和价值的方向。然而，当使用强化学习来解决具有稀疏奖励的决策问题时，如空战机动决策，需要花费太多的训练时间，并且训练后的智能体的性能可能不令人满意。为了解决这些问题，提出了基于课程学习的方法。首先，设计了空战机动决策的三种课程：角度课程、远程课程和混合课程。将这些课程分别用于训练空战智能体，并与原无课程训练方法进行了比较。训练结果表明，角度课程可以提高训练的速度和稳定性，提高Agent的性能;距离课程可以提高Agent训练的速度和稳定性;混合课程会使Agent陷入局部最优，对训练有负面影响。仿真结果表明，经过训练，智能体能够处理目标来自不同方向的情况，机动决策结果符合导弹的特点。
2023-02-12 cs.AI cs.LG
Reinforcement Learning for Pollution Detection in a Randomized, Sparse and Nonstationary Environment with an Autonomous Underwater Vehicle
University of Oslo（奥斯陆大学）；Norwegian Defence Research Establishment（挪威国防研究机构）
强化学习（RL）算法旨在通过学习最大化奖励的行为来优化问题解决，这是一项在随机和非平稳环境中特别具有挑战性的任务。即使是先进的强化学习算法在这些条件下解决问题的能力也往往有限。在使用自主水下航行器（AUV）搜索水下污染云等应用中，RL算法必须在奖励稀疏的环境中导航，其中行动经常导致零奖励。本文旨在通过重新审视和修改经典的强化学习方法来应对这些挑战，以便在稀疏、随机和非平稳环境中有效地运行。我们系统地研究了大量的修改，包括分层算法的变化，多目标学习，并集成的位置存储器作为外部输出过滤器，以防止状态重访。我们的研究结果表明，修改后的蒙特卡洛方法显着优于传统的Q学习和两个穷举搜索模式，说明其在适应RL复杂环境的潜力。这些发现表明，强化学习方法可以有效地适应随机，非平稳和奖励稀疏的环境中使用。
2025-10-30 cs.AI cs.LG
ROAD: Responsibility-Oriented Reward Design for Reinforcement Learning in Autonomous Driving
Global Institute of Future Technology（未来技术全球研究院）；Shanghai Jiao Tong University（上海交通大学）；College of Humanities（人文学院）；Department of Automation（自动化系）；School of Aeronautics and Astronautics（航空宇航学院）
本研究提出面向责任的奖励函数ROAD，将交通法规引入强化学习框架，结合知识图谱与视觉语言模型自动化分配奖励，显著提升自动驾驶事故责任判定准确率并降低智能体责任。
2025-05-30 cs.LG
Robot Fine-Tuning Made Easy: Pre-Training Rewards and Policies for Autonomous Real-World Reinforcement Learning
Stanford University（斯坦福大学）
提出无需重置的微调系统RoboFuME，结合校准离线强化学习与视觉语言模型构建奖励分类器，实现机器人自主在线微调并显著提升目标任务学习效率。
2023-10-23 cs.AI cs.LG cs.RO
Reinforcement Learning for Computer-Use Agents with Autonomous Evaluation
Ukrainian Catholic University（乌克兰天主教大学）
提出利用视觉语言模型自主评估任务完成度作为奖励信号，并引入噪声校正方法，在多个桌面环境上提升计算机使用智能体的成功率。
2026-06-24 cs.AI cs.HC
MedVol-R1: Reward-Driven Evidence Grounding for Volumetric Reasoning Segmentation
School of Biological Science and Medical Engineering, Beihang University, Beijing, China（生物科学与医学工程学院，北京航空航天大学）；Center for Information and Computer Science, School of Science for Open and Environmental Systems, Graduate School of Science and Technology, Keio University, Kanagawa, Japan（信息与计算机科学中心，开放与环境系统科学学院，科技研究生学校，东京大学，神奈川，日本）；Bytedance Inc., China（字节跳动公司，中国）；Tsinghua University, Beijing, China（清华大学，北京，中国）
提出MedVol-R1框架，通过强化学习将临床推理解耦为可验证的2D证据锚点，再传播为3D掩膜，实现体积推理分割，在多个基准上达到最优性能。
2026-05-26 cs.AI cs.CV
Beyond Scalar Rewards: Distributional Reinforcement Learning with Preordered Objectives for Safe and Reliable Autonomous Driving
FZI Research Center for Information Technology（弗劳恩霍夫研究所信息技术研究中心）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文提出预序多目标MDP框架，通过引入量化主导指标提升自动驾驶安全性和可靠性，实验表明其在Carla中表现出更优的性能和更稳健的策略。
2026-03-06 cs.AI cs.LG cs.RO
Environment Agnostic Goal-Conditioning, A Study of Reward-Free Autonomous Learning
本文提出一种环境无关的目标条件化方法，使智能体在无奖励条件下自主选择目标进行训练，训练效率与外部引导强化学习相当，并能提升平均目标成功率，支持面向通用场景的预训练。
2025-11-06 cs.LG
Homotopy Based Reinforcement Learning with Maximum Entropy for Autonomous Air Combat
Zhejiang University（浙江大学）
无人作战飞机（UCAV）的智能决策一直是一个具有挑战性的问题。传统的搜索方法难以满足高动态空战场景的实时性要求。强化学习（RL）方法通过使用神经网络可以显著缩短决策时间。然而，稀疏奖励问题限制了其收敛速度，人工先验经验奖励容易偏离原任务的最优收敛方向，给RL空战应用带来很大困难。在本文中，我们提出了一个同伦为基础的软行动者-评论家的方法（HSAC），专注于解决这些问题，通过以下的同伦路径之间的原始任务与稀疏的奖励和辅助任务与人工先验经验奖励。文中还证明了该方法的收敛性和可行性。为了验证该方法的可行性，首先构建了一个详细的三维空战仿真环境，并在攻击水平飞行UCAV任务和自主对抗任务中进行了仿真验证。实验结果表明，该方法的性能优于仅利用稀疏奖励或人工先验经验奖励的方法。用该方法训练的智能体在攻击水平飞行UCAV任务中的胜率可达98.3%以上，与用其他两种方法训练的智能体对抗时的平均胜率为67.4%。
2021-12-01 cs.AI cs.LG
Where do goals come from? A Generic Approach to Autonomous Goal-System Development
Osaka University（大阪大学）
目标表达了智能体的意图，并允许他们根据高维世界状态的低维抽象来组织他们的行为。代理人如何自主地开发这样的目标？本文提出了一个详细的概念和计算帐户这个长期存在的问题。我们认为，考虑目标作为高层次的抽象较低层次的意图机制，如奖励和价值观，并指出，目标需要考虑与检测自己的行动的影响。我们提出潜在目标分析作为其计算学习公式，并建设性地表明，任何奖励或价值函数可以解释的目标和自我检测等潜在的机制。我们首先表明，学习目标提供了一个非常有效的降维在一个实际的强化学习问题。然后，我们研究了一个发展的情况下，完全任务非特定的奖励诱导视觉显着性导致自我和目标表征，构成目标导向的达成。
2014-10-21 cs.AI cs.LG
Adaptive Stress Testing with Reward Augmentation for Autonomous Vehicle Validation
Stanford University（斯坦福大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
确定可能的故障场景是评估自动驾驶汽车系统的关键步骤。真实世界的车辆测试通常用于自动驾驶车辆验证，但成本和时间要求很高。因此，模拟驱动的方法，如自适应压力测试（AST）已被提出来帮助验证。AST将寻找最可能的故障场景的问题表述为马尔可夫决策过程，可以使用强化学习来解决。在实践中，AST倾向于发现故障不可避免的场景，并且倾向于重复发现系统的相同类型的故障。这项工作解决了这些问题，通过编码域相关的信息到搜索过程中。通过这种修改，AST方法发现了一个更大的和更有表现力的子集的故障空间相比，原来的AST制定。我们表明，我们的方法是能够识别有用的自动驾驶汽车政策的失败场景。
2019-08-06 cs.AI cs.LG cs.RO
Boundary-aware Supervoxel-level Iteratively Refined Interactive 3D Image Segmentation with Multi-agent Reinforcement Learning
Shanghai Jiao Tong University（上海交通大学）；East China Normal University（华东师范大学）；Tongji University（同济大学）
交互式分割最近已被探索，以有效地和高效地收获高质量的分割掩模，通过迭代地结合用户提示。虽然本质上是迭代的，但大多数现有的交互式分割方法倾向于忽略连续交互的动态，并独立地考虑每个交互。在这里，我们建议使用马尔可夫决策过程（MDP）来建模迭代交互式图像分割，并使用强化学习（RL）来解决它，其中每个体素都被视为代理。考虑到体素级预测的探索空间大以及相邻体素之间的依赖性，采用了多智能体强化学习，其中体素级策略在智能体之间共享。考虑到边界体素对于分割更重要，我们进一步引入了边界感知奖励，该奖励由相对交叉熵增益形式的全局奖励和相对权重形式的边界奖励组成，以在约束方向上更新策略，以强调边界预测的正确性。为了结合不同类型的相互作用的优点，即，简单和有效的点击，和稳定和强大的涂鸦，我们提出了一个基于超体素点击的交互设计。在四个基准数据集上的实验结果表明，该方法显着优于最先进的，具有更少的交互，更高的准确性和增强的鲁棒性的优势。
2023-03-19 cs.AI cs.CV
Autonomous navigation of catheters and guidewires in mechanical thrombectomy using inverse reinforcement learning
School of Biomedical Engineering & Imaging Sciences（生物医学工程与影像科学学院）；Kings College London（伦敦国王学院）；AIBE；Friedrich-Alexander University Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）
本研究针对机械取栓术中血管导航缺乏奖励信号的问题，搭建仿真环境用逆强化学习从专家行为推断奖励函数，结合软演员-评论家算法训练导航模型，发现奖励塑形的奖励函数性能最优，推动了血管内介入自主导航发展。
2024-06-18 cs.AI cs.LG cs.RO
Global Rewards in Multi-Agent Deep Reinforcement Learning for Autonomous Mobility on Demand Systems
Technical University of Munich（慕尼黑工业大学）；Polytechnique Montréal（蒙特利尔理工学院）
针对自主按需出行系统中基于局部奖励的多智能体深度强化学习调度算法存在奖励信号偏差、性能受限的问题，提出基于反事实基线分配全局奖励的新算法，在真实数据上取得显著性能提升，还可改善车辆平衡与需求预测能力。
2024-05-19 cs.LG cs.MA cs.SY
A Memory Efficient Deep Reinforcement Learning Approach For Snake Game Autonomous Agents
North South University（北南大学）
为了表现良好，深度强化学习（DRL）方法需要大量的内存资源和计算时间。此外，有时这些系统需要额外的环境信息来实现良好的奖励。然而，对于许多应用程序和设备来说，减少内存使用和计算时间比获得最大回报更重要。本文提出了一种改进的DRL方法，该方法在压缩图像数据的情况下表现良好，无需额外的环境信息，并且使用较少的内存和时间。我们设计了一个轻量级的卷积神经网络（CNN），它具有Q网络的变体，可以有效地将预处理的图像数据作为输入，并且使用更少的内存。此外，我们使用一个简单的奖励机制和小的经验重放记忆，以便只提供最少的必要信息。我们修改的DRL方法使我们的自主智能体玩蛇，一个经典的控制游戏。结果表明，我们的模型可以达到类似的性能，其他DRL方法。
2023-01-27 cs.AI cs.LG
Autonomous Vehicle Decision-Making Framework for Considering Malicious Behavior at Unsignalized Intersections
Shandong University of Science and Technology（山东科技大学）
本文提出一种基于Q-learning的自动驾驶车辆决策框架，通过引入一阶心智理论推断和可变安全权重参数，提升车辆在无信号交叉口应对恶意行为时的安全性与效率，并经Prescan/Simulink仿真验证有效。
2024-09-11 cs.LG cs.RO
Reward-Driven LLM Agent Workflows: Synthesizing POMDP Routing and Self-Correction for Autonomous Decision-Making
研究针对LLM智能体应用挑战，设计优化工作流程，合成多种AI范式，引入POMDP路由和自我修正奖励模型，整合多模态输入与强化学习原则，实验显示相比主流基线任务成功率等提升24.5%，为自主系统AI技术开发提供参考框架。
2026-07-21 cs.AI
CuRLA: Curriculum Learning Based Deep Reinforcement Learning for Autonomous Driving
Birla Institute of Technology & Science, Pilani（毕拉理工与科学学院皮拉尼分校）
本文提出CuRLA，将PPO、VAE与双重课程学习结合，在CARLA中通过渐进难度和碰撞惩罚提升自动驾驶智能体的泛化性、安全性与多奖励平衡能力。
2025-01-09 cs.AI cs.LG cs.RO
RDAR: Reward-Driven Agent Relevance Estimation for Autonomous Driving
UC Berkeley（伯克利大学）；Zoox Inc.（Zoox公司）
针对自动驾驶场景中智能体过多导致计算开销大的问题，本文提出RDAR方法，通过强化学习学习每个智能体的相关性并生成掩码以排除无关智能体，在保持驾驶性能的同时显著减少处理数量。
2025-09-24 cs.AI cs.LG cs.RO
Balancing Progress and Safety: A Novel Risk-Aware Objective for RL in Autonomous Driving
FZI Research Center for Information Technology（弗赖堡信息科技研究中心）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文提出了一种新的风险感知目标，用于自动驾驶中的强化学习，通过分层结构化驾驶目标和规范化方法，提高安全性和性能。
2026-03-05 cs.AI cs.RO
Qualitative Differences Between Evolutionary Strategies and Reinforcement Learning Methods for Control of Autonomous Agents
Institute of Cognitive Science and Technologies, National Research Council（国家研究委员会认知科学与技术研究所）
在本文中，我们分析了进化策略和强化学习算法之间的质的差异，重点是两个流行的最先进的算法：OpenAI-ES进化策略和最近端策略优化（PPO）强化学习算法-这两个家庭的最相似的方法。我们分析了这些方法在以下方面的不同：（i）一般功效，（ii）应对稀疏奖励的能力，（iii）发现最小解决方案的倾向/能力，（iv）对奖励塑造的依赖，以及（v）应对环境条件变化的能力。分析的性能和表现出的行为策略的代理培训与基准问题的两种方法，使我们能够证明在以前的研究中没有发现的定性差异，以确定这两种方法的相对弱点，并提出改善这些弱点的方法。我们表明，奖励函数的特性具有很强的影响，不仅对于OpenAI-ES和PPO，而且对于其他强化学习算法，这些特性都有很大的不同，从而证明了优化奖励函数特性对所使用算法的重要性。
2022-05-16 cs.AI cs.LG cs.NE
Deep Reinforcement Learning for Continuous Docking Control of Autonomous Underwater Vehicles: A Benchmarking Study
Bonn-Rhein-Sieg University of Applied Sciences（波恩-莱茵-锡格应用技术大学）；German Research Center for Artificial Intelligence（德国人工智能研究中心）
自主式水下航行器（AUV）的对接控制是实现持续长期自主性不可或缺的任务。这项工作探讨了最先进的无模型深度强化学习（DRL）方法在连续域中的AUV对接任务中的应用。我们提供了一个详细的制定奖励功能，利用成功对接的AUV到一个固定的对接平台。我们的工作与以前的方法不同的一个主要贡献是使用物理模拟器来定义和模拟水下环境以及DeepLeng AUV。我们提出了一个新的奖励函数制定对接任务，纳入几个组件，优于以前的奖励配方。我们评估近端策略优化（PPO），双延迟深度确定性策略梯度（TD 3）和软演员批评（SAC）结合我们的奖励函数。我们的评估得出的结果最终表明，TD 3代理在对接AUV方面是最有效和一致的，在多次评估运行中，它实现了100%的成功率和10667.1 +- 688.8的事件返回。我们还展示了我们的奖励函数公式是如何在最先进的水平上得到改进的。
2021-08-05 cs.LG cs.RO
Reinforcement Learning Enhancement Using Vector Semantic Representation and Symbolic Reasoning for Human-Centered Autonomous Emergency Braking
School of Engineering, University of Surrey（伦敦大学 Surrey 工程学院）
本文提出利用神经符号表示和软一阶逻辑奖励函数，提升自主紧急制动的安全性和鲁棒性，以实现更符合人类价值观的决策。
2026-02-04 cs.LG cs.RO
RAPiD: Reward-Guided Consistency Distillation of Diffusion Planners for Real-Time Autonomous Driving
School of Information Technology, Monash University, Malaysia（墨尔本大学信息科技学院）；Faculty of Information Technology, Monash University, Australia（墨尔本大学信息技术学院）；TCS Research, India（印度TCS研究）
RAPiD通过扩散行为先验实现高效安全的实时轨迹规划，优于现有方法。
2026-08-03 cs.AI cs.LG cs.RO
Multi-Agent Reinforcement Learning for Autonomous UAV Exploration in Wildfire Response
本研究提出深度强化学习框架训练无人机智能体在模拟野火环境中导航监测，实验显示其行为稳定有效，凸显DRL无人机系统在自主野火监测中的潜力。
2026-09-10 cs.LG cs.RO
QuickLAP: Quick Language-Action Preference Learning for Semi-Autonomous Agents
MIT（麻省理工学院）
本研究提出QuickLAP，一种融合物理和语言反馈的贝叶斯框架，用于实时推断奖励函数，通过大规模语言模型提取奖励特征注意力掩码和偏好偏移，从而在半自主驾驶模拟器中将奖励学习误差降低70%，并通过用户研究验证其可理解性和协作性。
2026-06-06 cs.AI cs.RO
Potential-based Credit Assignment for Cooperative RL-based Testing of Autonomous Vehicles
Fraunhofer IKS（弗劳恩霍夫认知系统研究所）；Technical University of Munich（慕尼黑工业大学）；fortiss GmbH（fortiss有限责任公司）
本文针对自动驾驶汽车测试中协作强化学习的信用分配难题，提出基于反事实分析的势能奖励塑形方法，并在模拟环境中验证其优于局部和全局奖励方法。
2023-05-28 cs.LG cs.SE
Calibration-First Reward-Component Auditing for Reinforcement Learning Control in Smart Greenhouses
College of Information and Electrical Engineering, China Agricultural University（中国农业大学信息与电气工程学院）
针对智能温室控制，提出校准优先奖励审计框架，在GreenLight - Gym中分解标量奖励，使其适应气候轨迹并对温室数据组件评分，确保奖励组件在多场景下可比。
2026-07-15 cs.AI
Capsule Network Performance with Autonomous Navigation
Purdue University（普渡大学）
胶囊网络（CapsNets）已经被提出作为卷积神经网络（CNN）的替代方案。本文展示了CapsNets如何比CNN更有能力进行自主智能体对现实场景的探索。在现实世界的导航，奖励外部代理可能是罕见的。反过来，强化学习算法可能难以形成有意义的策略函数。本文的方法Capsules Exploration Module（Caps-EM）将CapsNets架构与Advantage Actor Critic算法配对。用于导航稀疏环境的其他方法需要内在奖励生成器，诸如内在Currency模块（ICM）和增强Currency模块（ACM）。Caps-EM使用更紧凑的架构，无需内在奖励。使用ViZDoom进行测试，Caps-EM使用的可训练网络参数分别比ICM和深度增强Currency模块（D-ACM）少44%和83%，平均时间分别比ICM和D-ACM提高1141%和437%，以在“My Way Home”场景中收敛到策略功能。
2020-02-08 cs.LG stat.ML
Vault: One-Step Latent Generation with Positive-Anchored Rewards for Autonomous Driving
Qwen 3.5 0.8B
提出CLEAR框架，通过单步条件漂移替代扩散模型的多步去噪，结合视觉编码器Drive-JEPA和微调Qwen 3.5 0.8B进行语义推理，实现高效多模态规划，在NAVSIM v1上达到93.7 PDMS。
2026-09-29 cs.AI cs.RO
Safety Metrics for Semantic Segmentation in Autonomous Driving
DENSO AUTOMOTIVE Deutschland GmbH（电装汽车德国有限公司）；TU Munich（慕尼黑工业大学）
在自动驾驶的背景下，深度神经网络的安全相关度量已被广泛研究用于图像分类和目标检测。在本文中，我们进一步考虑专门用于语义分割的安全感知的正确性和鲁棒性度量。我们的建议的新颖性是超越像素级指标：给定两个图像，每个图像有N个像素被类翻转，设计的指标应该，取决于被类翻转的像素的聚类或发生的位置，反映不同级别的安全关键性。在自动驾驶数据集上评估的结果证明了我们提出的方法的有效性和实用性。
2021-09-25 cs.CV cs.LG
Enhancing Autonomous Vehicle Perception in Adverse Weather through Image Augmentation during Semantic Segmentation Training
Henry M. Gunn High School（亨利·M·冈恩高中）；UC Berkeley（加州大学伯克利分校）；University of Michigan（密歇根大学）
针对仅晴天数据训练的语义分割模型恶劣天气性能差的问题，本研究用CARLA采集数据，在UNet训练中加入雨、雾、亮度增强，证实其可提升夜间恶劣天气分割性能，但仍不及真实天气数据训练的模型，为后续域适应优化提供方向。
2024-08-14 cs.AI cs.CV cs.LG
RGB and LiDAR fusion based 3D Semantic Segmentation for Autonomous Driving
Valeo R&D（法雷奥研发）；Cairo University（开罗大学）
LiDAR已成为自动驾驶应用的标准传感器，因为它们提供高精度的3D点云。LiDAR对于夜间的低光场景或由于阴影而导致相机性能下降的情况也是鲁棒的。LiDAR感知对于包括目标检测和SLAM在内的算法逐渐变得成熟。然而，语义分割算法仍然是相对较少的探索。基于图像数据的语义分割是一种成熟的分割算法，本文研究了基于传感器融合的三维图像分割方法。我们的主要贡献是将RGB图像转换为用于LiDAR的极网格映射表示，并设计早期和中级融合架构。此外，我们设计了一个混合融合架构，结合这两种融合算法。我们在KITTI数据集上评估了我们的算法，该数据集为汽车，行人和骑自行车的人提供了分割注释。我们评估了两种最先进的架构，即SqueezeSeg和PointSeg，并将两种情况下的mIoU评分相对于仅LiDAR基线提高了10%。
2019-07-17 cs.AI cs.CV cs.LG
Evaluating the Robustness of Off-Road Autonomous Driving Segmentation against Adversarial Attacks: A Dataset-Centric analysis
RPTU（莱茵兰-普法尔茨技术大学）；Robotics Research Lab（机器人研究实验室）
本研究聚焦越野自动驾驶分割模型对抗攻击的鲁棒性，通过构建鲁棒数据集并比较不同架构，揭示数据集非鲁棒特征的影响，为提升模型安全性和机器人导航提供依据。
2024-02-03 cs.CV cs.LG
End-to-End 3D-PointCloud Semantic Segmentation for Autonomous Driving
Valeo（法雷奥）
三维场景语义标注是自动驾驶的一项基础性工作。最近的工作显示了深度神经网络在标记由LiDAR和雷达等传感器提供的3D点集方面的能力。类在数据集中的不均衡分布是3D语义场景标注任务面临的挑战之一。这会导致对非主导类的错误分类，这些非主导类存在两个主要问题：a）数据集中很少出现，以及b）从这些类的一个对象反射的传感器点很少。本文提出了一种加权自增量迁移学习作为解决不平衡训练数据集问题的通用方法。它根据各个类在训练数据集中的频率重新加权从各个类计算的损失函数的分量，并通过首先在非主导类上运行神经网络模型来应用自增量迁移学习，然后逐个添加主导类。实验结果介绍了一个新的三维点云语义分割基准KITTI数据集。
2019-06-26 cs.CV cs.LG
Unsupervised Reward-Driven Image Segmentation in Automated Scanning Transmission Electron Microscopy Experiments
University of Tennessee（田纳西大学）；Pacific Northwest National Laboratory（太平洋西北国家实验室）
本文提出并基准测试了一种用于STEM自动实验的无监督奖励驱动图像分割方法，该方法无需人工标签且完全可解释，能实现实时性能，并适用于多种显微图像分析任务。
2024-09-20 cond-mat.mtrl-sci cs.HC cs.LG
SAM$^{*}$: Task-Adaptive SAM with Physics-Guided Rewards
University of Tennessee（田纳西大学）；University of Michigan（密歇根大学）；Pacific Northwest National Laboratory（太平洋西北国家实验室）
针对基础模型在显微镜图像分割中调参繁琐、难以实时处理的问题，提出基于物理引导奖励函数的微调方法，优化SAM得到SAM$^{*}$，提升任务适应性并支持实时流式分割。
2025-09-08 cond-mat.mtrl-sci cs.CV cs.LG
Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation for autonomous vehicles
Navya（Navya公司）
该研究提出了覆盖多场景的大规模3D点云语义分割数据集Navya3DSeg，同时提出新型序列划分方法与主动学习采样策略，为点云语义分割相关研究提供了新基准与数据支撑。
2023-07-20 cs.CV cs.LG
WoodScape Motion Segmentation for Autonomous Driving -- CVPR 2023 OmniCV Workshop Challenge
Lero - the Irish Software Research Centre（莱罗爱尔兰软件研究中心）；Maynooth University（梅努斯大学）；Parallel Domain（Parallel Domain公司）
本文介绍 CVPR 2023 OmniCV 研讨会上的 WoodScape 鱼眼运动分割挑战赛，分析 112 支团队、234 份提交，重点探讨合成数据在鱼眼运动分割中的作用、领域差距及获胜方案。
2024-01-16 cs.CV cs.LG
DesertFormer: Transformer-Based Semantic Segmentation for Off-Road Desert Terrain Classification in Autonomous Navigation Systems
Department of Computer Science \& Engineering (AI \& ML) Gayatri Vidya Parishad College of Engineering for Women Visakhapatnam, India
DesertFormer基于SegFormer B2与层次化Mix Transformer（MiT-B2）架构，针对沙漠地形的低对比度、强光照变化和稀疏植被挑战，实现10类生态意义地形分类，提升地面机器人与自动驾驶车辆的安全路径规划能力。
2026-03-17 cs.CV cs.LG
Reliable Explainability of Deep Learning Spatial-Spectral Classifiers for Improved Semantic Segmentation in Autonomous Driving
University of the Basque Country（巴斯克大学）
针对现有显著性方法可靠性不足的问题，提出利用DNN层激活与权重数据解释HSI驱动的空谱分类器的新方法，验证HSI对自动驾驶语义分割的性能增益及光谱归一化的鲁棒性提升作用。
2025-02-20 cs.AI cs.LG eess.IV
RMT-PPAD: Real-time Multi-task Learning for Panoptic Perception in Autonomous Driving
Department of Electrical and Computer Engineering, University of Windsor（电气与计算机工程系，温莎大学）
提出基于transformer的实时多任务模型RMT-PPAD，联合执行目标检测与分割，通过门控适配器缓解负迁移并设计自适应解码器，在BDD100K上达到SOTA且保持32.6 FPS。
2025-08-02 cs.CV cs.LG
Intrinsic Robot Rewarding: Reusing VLA Representations for Autonomous Evaluation and Policy Improvement
Deggendorf Institute of Technology（德根多夫理工学院）
IRR方法重用VLA系统的视觉表示和演示终点，通过参考库和评分操作实现自主结果评估与策略改进，降低集成成本并减少人工评分。
2026-09-16 cs.LG cs.RO
Real-time semantic segmentation on FPGAs for autonomous vehicles with hls4ml
Politecnico di Milano（米兰理工大学）；Institute of Physics Belgrade（贝尔格莱德物理研究所）；University of Oxford（牛津大学）；European Organization for Nuclear Research (CERN)（欧洲核子研究组织）；ETH Zürich（苏黎世联邦理工学院）；Chalmers University of Technology（查尔姆斯理工大学）；Zenseact（Zenseact公司）；University of Gothenburg（哥德堡大学）；Fermi National Accelerator Laboratory（费米国家加速器实验室）；Amazon（亚马逊公司）；University of Washington（华盛顿大学）；Massachusetts Institute of Technology（麻省理工学院）
在本文中，我们研究了现场可编程门阵列如何作为硬件加速器，用于自动驾驶相关的实时的【形】语义分割任务。考虑到ENet卷积神经网络架构的压缩版本，我们展示了一个完全片上部署，每个图像的延迟为4.9 ms，在Xilinx ZCU 102评估板上使用不到30%的可用资源。当将批量大小增加到10时，延迟减少到每个图像3 ms，对应于自动驾驶车辆同时接收来自多个摄像头的输入的用例。通过积极的滤波器减少和异构量化感知训练以及卷积层的优化实现，我们表明可以显着降低功耗和资源利用率，同时保持Cityscapes数据集的准确性。
2022-05-16 cs.AR cs.CV cs.LG
Diffusion-ES: Gradient-free Planning with Diffusion for Autonomous Driving and Zero-Shot Instruction Following
Carnegie Mellon University（卡内基梅隆大学）
Diffusion-ES将无梯度进化搜索与扩散模型去噪结合，优化黑盒非可微目标，在自动驾驶基准nuPlan上达到最先进性能，并能通过少样本LLM提示优化语言奖励，实现零样本指令跟随和复杂行为生成。
2024-07-16 cs.AI cs.CL cs.LG
Self-Supervised Learning of Lidar Segmentation for Autonomous Indoor Navigation
University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所）；Apple Inc.（苹果公司）
我们提出了一种自监督学习的激光雷达帧的语义分割的方法。我们的方法是用来训练深点云分割架构，没有任何人的注释。注释过程通过同时定位与地图构建（SLAM）和射线跟踪算法的组合而自动化。通过在同一环境中执行多个导航会话，我们能够识别永久性结构，例如墙壁，并分别解开短期和长期可移动对象，例如人和桌子。然后，可以使用经过训练以预测这些语义标签的网络来执行新的会话。我们展示了我们的方法随着时间的推移，从一个会话到下一个会话的能力。通过语义过滤的点云，我们的机器人可以在更复杂的场景中导航，当添加到训练池中时，有助于改善我们的网络预测。我们提供了我们的网络预测的见解，并表明我们的方法也可以提高常见的本地化技术的性能。
2020-12-10 cs.LG cs.RO
