自动驾驶

Risk Map As Middleware: Towards Interpretable Cooperative End-to-end Autonomous Driving for Risk-Aware Planning

风险地图作为中间件：迈向风险感知的可解释协作端到端自动驾驶

Mingyue Lei, Zewei Zhou, Hongchen Li, Jiaqi Ma, Jia Hu

机构 * Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University（教育部道路与交通工程重点实验室，同济大学） ； UCLA Mobility Lab, University of California, Los Angeles（加州大学洛杉矶分校UCLA移动实验室） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；trajectory planning(abstract)；end-to-end driving(abstract)；分类 cs.RO

AI总结 本文提出RiskMM框架，通过风险地图中间件提升自动驾驶的可解释性和风险感知规划能力。

Comments IEEE RA-L

Integrated 4D/5D Digital-Twin Framework for Cost Estimation and Probabilistic Schedule Control: A Texas Mid-Rise Case Study

集成的4D/5D数字孪生框架用于成本估算和概率进度控制：得克萨斯中层建筑案例研究

Atena Khoshkonesh, Mohsen Mohammadagha, Navid Ebrahimi

专题命中 规划控制 ：LiDAR(abstract)

AI总结 本文提出集成4D/5D数字孪生框架，结合BIM、NLP、计算机视觉等技术，提升建筑项目成本与进度控制的准确性和响应性。