自动驾驶

Power-Efficient Autonomous Mobile Robots

低功耗自主移动机器人

Liangkai Liu, Weisong Shi, Kang G. Shin

机构 * Department of Computer Science and Engineering, University of Michigan, USA（计算机科学与工程系，密歇根大学） ； Department of Computer and Information Sciences, University of Delaware, USA（计算机与信息科学系，特拉华大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出pNav系统，通过联合优化自主移动机器人物理和网络子系统，显著提升其功率效率，实测显示功率消耗降低38.1%。

Comments 13 pages, 16 figures

Cross-Modal Semantic Communication for Heterogeneous Collaborative Perception

跨模态语义通信用于异构协同感知

Mingyi Lu, Guowei Liu, Le Liang, Chongtao Guo, Hao Ye, Shi Jin

专题命中 感知 ：autonomous driving(abstract)

AI总结 本文提出跨模态语义通信框架，通过统一语义空间实现异构传感器车辆间的高效协同感知，提升低信噪比环境下的感知性能。

Map-World: Masked Action planning and Path-Integral World Model for Autonomous Driving

Map-World: 遮蔽动作规划与路径积分世界模型用于自动驾驶

Bin Hu, Zijian Lu, Haicheng Liao, Chengran Yuan, Bin Rao, Yongkang Li, Guofa Li, Zhiyong Cui, Cheng-zhong Xu, Zhenning Li

机构 * University of Macau（澳门大学） ； National University of Singapore（新加坡国立大学） ； Purdue University（普渡大学） ； Chongqing University（重庆大学） ； Beihang University（北航大学） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；BEV(abstract)；分类 cs.RO、cs.CV

AI总结 MAP-World通过结合遮蔽动作规划和路径加权世界模型，实现了高效的多模式自动驾驶规划，无需强化学习即可达到最佳性能。

From Forecasting to Planning: Policy World Model for Collaborative State-Action Prediction

从预测到规划：用于协作状态-动作预测的策略世界模型

Zhida Zhao, Talas Fu, Yifan Wang, Lijun Wang, Huchuan Lu

机构 * Dalian University of Technology（大连理工大学） 纠错

专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出策略世界模型（PWM），通过整合世界建模与轨迹规划，并利用无动作未来状态预测提升规划性能，实现更可靠的自主驾驶决策。

Comments Accepted by NuerIPS 2025 (Poster)

KEPT: Knowledge-Enhanced Prediction of Trajectories from Consecutive Driving Frames with Vision-Language Models

KEPT: 基于视觉-语言模型的连续驾驶帧轨迹预测增强方法

Yujin Wang, Tianyi Wang, Quanfeng Liu, Wenxian Fan, Junfeng Jiao, Christian Claudel, Yunbing Yan, Bingzhao Gao, Jianqiang Wang, Hong Chen

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 KEPT 通过知识增强的视觉-语言模型，利用时间频率-空间融合编码器和检索增强生成流水线，提升自动驾驶中轨迹预测的准确性和可靠性。

Probabilistic Hyper-Graphs using Multiple Randomly Masked Autoencoders for Semi-supervised Multi-modal Multi-task Learning

基于多随机掩码自编码器的概率超图用于半监督多模态多任务学习

Pîrvu Mihai-Cristian, Marius Leordeanu

机构 * Faculty of Automatic Control and Computer Science, Politehnica University of Bucharest（自动化控制与计算机科学系，布加勒斯特理工大学） ； Institute of Mathematics of the Romanian Academy（罗马尼亚科学院数学研究所） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出PHG-MAE模型，结合神经图和掩码自编码器，通过随机掩码多模态数据提升多任务学习性能，并公开了相关工具和数据集。

Comments Submitted to Neurocomputing

Developing and Validating a High-Throughput Robotic System for the Accelerated Development of Porous Membranes

开发和验证一种高通量机器人系统用于多孔膜的加速开发

Hongchen Wang, Sima Zeinali Danalou, Jiahao Zhu, Kenneth Sulimro, Chaewon Lim, Smita Basak, Aimee Tai, Usan Siriwardana, Jason Hattrick-Simpers, Jay Werber

机构 * Department of Materials Science and Engineering, University of Toronto（材料科学与工程系，多伦多大学） ； Department of Chemical Engineering, University of Toronto（化学工程系，多伦多大学） ； Department of Engineering Science, University of Toronto（工程科学系，多伦多大学） ； Department of Mechanical Engineering, University of Waterloo（机械工程系，滑铁卢大学） 纠错

专题命中 规划控制 ：self-driving(abstract)；分类 cs.RO

AI总结 本研究提出了一种自动化平台，通过非溶剂诱导相分离技术实现多孔膜的高通量制备与表征，提升实验效率和一致性。

Hierarchical Spatio-Temporal Attention Network with Adaptive Risk-Aware Decision for Forward Collision Warning in Complex Scenarios

具有自适应风险感知决策的分层时空注意力网络用于复杂场景的前方碰撞预警

Haoran Hu, Junren Shi, Shuo Jiang, Kun Cheng, Xia Yang, Changhao Piao

机构 * organization= School of Automation \& School of Industrial Internet, Chongqing University of Posts ； organization= Platform Technology Development Department, AVATR Technology Co. LTD. , city= Chongqing , postcode= 400000 , country= China ； organization= School of Vehicle ； Mobility, Tsinghua University , city= Beijing , postcode= 100084 , country= China 纠错

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文提出一种结合分层时空注意力网络和动态风险阈值调整算法的前方碰撞预警框架，通过高效模型和自适应机制提升复杂场景下的预警精度与可靠性。

AirFed: A Federated Graph-Enhanced Multi-Agent Reinforcement Learning Framework for Multi-UAV Cooperative Mobile Edge Computing

AirFed: 一种基于联邦图增强的多智能体强化学习框架，用于多无人机协同移动边缘计算

Zhiyu Wang, Suman Raj, Rajkumar Buyya

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 AirFed通过联邦图增强的多智能体强化学习框架，解决多无人机协同移动边缘计算中的轨迹规划、任务卸载和资源分配问题，实现高效知识共享和显著性能提升。

CoC-VLA: Delving into Adversarial Domain Transfer for Explainable Autonomous Driving via Chain-of-Causality Visual-Language-Action Model

CoC-VLA: 深入研究对抗域转移以实现可解释的自动驾驶 via 链式因果视觉语言动作模型

Dapeng Zhang, Fei Shen, Rui Zhao, Yinda Chen, Peng Zhi, Chenyang Li, Rui Zhou, Qingguo Zhou

机构 * Lanzhou University（兰州大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 CoC-VLA通过链式因果视觉语言动作模型实现对抗域转移，提升自动驾驶的可解释性和长尾场景处理能力。

Power sector models featuring individual BEV profiles: Assessing the time-accuracy trade-off

电力部门模型包含个体电动汽车档案：评估时间准确性权衡

Adeline Guéret

专题命中 BEV与占用 ：BEV(title,abstract)

AI总结 本文研究电力部门模型中包含个体电动汽车档案对时间准确性权衡的影响，提出在保证结果准确性的同时优化运行效率的经验法则。

MapRF: Weakly Supervised Online HD Map Construction via NeRF-Guided Self-Training

MapRF: 通过NeRF引导的自训练实现弱监督在线HD地图构建

Hongyu Lyu, Thomas Monninger, Julie Stephany Berrio Perez, Mao Shan, Zhenxing Ming, Stewart Worrall

机构 * The University of Sydney（悉尼大学） ； Australian Centre for Robotics（澳大利亚机器人中心） ； Mercedes-Benz Research & Development North America（梅赛德斯-奔驰北美研发） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV

AI总结 MapRF通过NeRF引导的自训练方法，利用2D图像标签实现弱监督在线HD地图构建，实现了与全监督方法相当的性能。

LiHi-GS: LiDAR-Supervised Gaussian Splatting for Highway Driving Scene Reconstruction

LiHi-GS：基于LiDAR监督的高斯点云法用于高速公路场景重建

Pou-Chun Kung, Xianling Zhang, Katherine A. Skinner, Nikita Jaipuria

机构 * Latitude AI ； Department of Robotics, University of Michigan（机器人学系，密歇根大学） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 LiHi-GS通过LiDAR监督提升高速公路场景重建与合成，解决传统方法在高速场景和LiDAR利用上的不足。

Comments RA-L 2025

FLaTEC: Frequency-Disentangled Latent Triplanes for Efficient Compression of LiDAR Point Clouds

FLaTEC：频率解耦的潜在三平面用于激光雷达点云高效压缩

Xiaoge Zhang, Zijie Wu, Mingtao Feng, Zichen Geng, Mehwish Nasim, Saeed Anwar, Ajmal Mian

机构 * University of Western Australia（西澳大学） ； Xidian University（西安电子科技大学） 纠错

专题命中 激光雷达 ：LiDAR(title)；分类 cs.CV

AI总结 FLaTEC通过频率解耦的潜在三平面方法，实现激光雷达点云的高效压缩，达到最佳率失真性能，并在多个数据集上超越传统编码器。

Urban Buildings Energy Consumption Estimation Using HPC: A Case Study of Bologna

利用高性能计算估计城市建筑能耗：博洛尼亚案例研究

Aldo Canfora, Eleonora Bergamaschi, Riccardo Mioli, Federico Battini, Mirko Degli Esposti, Giorgio Pedrazzi, Chiara Dellacasa

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 本研究利用HPC和开放数据集，通过UBEM模型估算博洛尼亚建筑能耗，实现对25,000座建筑的快速模拟。

Comments Preprint submitted for publication

4DWorldBench: A Comprehensive Evaluation Framework for 3D/4D World Generation Models

4DWorldBench: 一种用于3D/4D世界生成模型的综合评估框架

Yiting Lu, Wei Luo, Peiyan Tu, Haoran Li, Hanxin Zhu, Zihao Yu, Xingrui Wang, Xinyi Chen, Xinge Peng, Xin Li, Zhibo Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Beijing Zhongguancun Academy（北京中关村学院） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 4DWorldBench提出了一种用于评估3D/4D世界生成模型的综合框架，通过四个维度评估模型的感知质量、条件对齐、物理真实性和一致性，支持多模态输入并整合多种评估方法。

Reasoning-VLA: A Fast and General Vision-Language-Action Reasoning Model for Autonomous Driving

Reasoning-VLA: 一种用于自动驾驶的快速且通用的视觉-语言-动作推理模型

Dapeng Zhang, Zhenlong Yuan, Zhangquan Chen, Chih-Ting Liao, Yinda Chen, Fei Shen, Qingguo Zhou, Tat-Seng Chua

机构 * Lanzhou University（兰州大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； University of New South Wales（新南威尔士大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV

AI总结 Reasoning-VLA通过引入可学习的动作查询和链式思维推理的数据格式，实现了在自动驾驶中快速且通用的视觉-语言-动作推理。

On-Demand Multi-Task Sparsity for Efficient Large-Model Deployment on Edge Devices

按需多任务稀疏性用于高效部署大型模型到边缘设备

Lianming Huang, Haibo Hu, Qiao Li, Nan Guan, Chun Jason Xue

机构 * City University of Hongkong（香港城市大学） ； Mohamed bin Zayed University of Artificial Intelligence（马尔代夫 bin Zayed 人工智能大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出一种按需多任务稀疏性框架，通过最大化参数重用减少边缘设备上任务切换的I/O开销，实验表明其在自动驾驶场景中显著提升了任务切换效率。

DeLightMono: Enhancing Self-Supervised Monocular Depth Estimation in Endoscopy by Decoupling Uneven Illumination

DeLightMono: 通过解耦不均匀照明提升内窥镜自监督单目深度估计

Mingyang Ou, Haojin Li, Yifeng Zhang, Ke Niu, Zhongxi Qiu, Heng Li, Jiang Liu

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV

AI总结 DeLightMono通过解耦照明和反光信息，提升内窥镜图像中低光照区域的自监督单目深度估计性能。

AVS: A Computational and Hierarchical Storage System for Autonomous Vehicles

AVS：面向自动驾驶车辆的计算与分层存储系统

Yuxin Wang, Yuankai He, Weisong Shi

机构 * University of Delaware（特拉华大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.RO

AI总结 AVS是一种面向自动驾驶车辆的计算与分层存储系统，通过模态感知压缩、热-冷分层和轻量级元数据层，实现高效的数据存储与检索。

VIL2C: Value-of-Information Aware Low-Latency Communication for Multi-Agent Reinforcement Learning

VIL2C: 价值-信息感知的低延迟通信用于多智能体强化学习

Qian Zhang, Zhuo Sun, Yao Zhang, Zhiwen Yu, Bin Guo, Jun Zhang

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 VIL2C通过价值-信息感知的低延迟通信机制，优化资源分配与接收时间，提升多智能体强化学习性能。