自动驾驶

COVLM-RL: Critical Object-Oriented Reasoning for Autonomous Driving Using VLM-Guided Reinforcement Learning

COVLM-RL：基于VLM引导强化学习的自动驾驶中关键对象导向推理

Lin Li, Yuxin Cai, Jianwu Fang, Jianru Xue, Chen Lv

机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, National Engineering Research Center for Visual Information and Applications, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人机混合增强智能国家重点实验室、视觉信息与应用国家工程研究中心、人工智能与机器人研究院） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；end-to-end driving(abstract)；分类 cs.RO

AI总结 COVLM-RL通过结合关键对象导向推理与VLM引导强化学习，提升了自动驾驶系统的泛化能力和训练效率。

Comments 8 pages, 5 figures

Traffic Scene Small Target Detection Method Based on YOLOv8n-SPTS Model for Autonomous Driving

基于YOLOv8n-SPTS模型的交通场景小目标检测方法用于自动驾驶

Songhan Wu

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 本文提出基于YOLOv8n-SPTS模型的交通场景小目标检测方法，通过优化特征提取、增强特征融合和设计专用检测结构，提升了自动驾驶中的小目标检测性能。

Comments 6 pages, 7 figures, 1 table. Accepted to The 2025 IEEE 3rd International Conference on Electrical, Automation and Computer Engineering (ICEACE), 2025. Code available at https://github.com/SonghanWu/yolov8n-SPTS

High-Resolution Water Sampling via a Solar-Powered Autonomous Surface Vehicle

通过太阳能供电的自主水面车辆实现高分辨率水样采集

Misael Mamani, Mariel Fernandez, Grace Luna, Steffani Limachi, Leonel Apaza, Carolina Montes-Dávalos, Marcelo Herrera, Edwin Salcedo

机构 * School of Electronic Engineering and Computer Science Queen Mary University of London, UK（电子工程与计算机科学学院，伦敦女王玛丽大学，英国） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出了一种太阳能供电的自主水面车辆，通过模块化采样系统实现高分辨率水样采集，适用于远程环境的水体监测。

REASAN: Learning Reactive Safe Navigation for Legged Robots

REASAN：为四足机器人学习反应式安全导航

Qihao Yuan, Ziyu Cao, Ming Cao, Kailai Li

机构 * Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, University of Groningen, The Netherlands（格罗宁根大学伯努利数学、计算机科学与人工智能研究所） ； Department of Electrical Engineering, Linköping University, Sweden（利厄普大学电气工程系） ； Engineering and Technology Institute Groningen, University of Groningen, The Netherlands（格罗宁根大学格罗宁根工程与技术研究所） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 REASAN通过模块化强化学习和变压器估计器实现四足机器人在复杂环境中的反应式安全导航。

Comments 8 pages

Flow-Aided Flight Through Dynamic Clutters From Point To Motion

通过动态障碍物的飞行：从点到运动的流辅助飞行

Bowen Xu, Zexuan Yan, Minghao Lu, Xiyu Fan, Yi Luo, Youshen Lin, Zhiqiang Chen, Yeke Chen, Qiyuan Qiao, Peng Lu

机构 * Adaptive Robotic Controls Lab (ArcLab), Department of Mechanical Engineering, The University of Hong Kong（机械工程系，香港大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出了一种基于单LiDAR传感和强化学习的自主飞行系统，通过动态环境感知和动作生成方法，实现从点到运动的高效飞行控制。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L), November, 2025

PUL-SLAM: Path-Uncertainty Co-Optimization with Lightweight Stagnation Detection for Efficient Robotic Exploration

PUL-SLAM：路径不确定性联合优化与轻量停滞检测用于高效机器人探索

Yizhen Yin, Dapeng Feng, Hongbo Chen, Yuhua Qi

机构 * School of Systems Science and Engineering（系统科学与工程学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 PUL-SLAM通过路径不确定性联合优化和轻量停滞检测提升机器人探索效率，缩短探索时间并减少路径距离。

Controlling Steering Angle for Cooperative Self-driving Vehicles utilizing CNN and LSTM-based Deep Networks

利用CNN和LSTM深度网络控制协作自动驾驶车辆的转向角

Rodolfo Valiente, Mahdi Zaman, Sedat Ozer, Yaser P. Fallah

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

AI总结 本文提出利用CNN和LSTM深度网络，通过考虑图像帧之间的时序依赖性，提高协作自动驾驶车辆转向角控制的准确性。

Comments Accepted in IV 2019, 6 pages, 9 figures

HeLoFusion: An Efficient and Scalable Encoder for Modeling Heterogeneous and Multi-Scale Interactions in Trajectory Prediction

HeLoFusion: 一种高效的编码器，用于建模轨迹预测中的异构和多尺度交互

Bingqing Wei, Lianmin Chen, Zhongyu Xia, Yongtao Wang

机构 * Wangxuan Institute of Computer Technology（王轩计算机技术研究所） ； Peking University（北京大学） 纠错

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

AI总结 HeLoFusion通过构建局部多尺度图和类型特定特征网络，高效建模异构和多尺度交互，实现轨迹预测的先进性能。

UniUGP: Unifying Understanding, Generation, and Planing For End-to-end Autonomous Driving

UniUGP：统一理解、生成与规划以实现端到端自动驾驶

Hao Lu, Ziyang Liu, Guangfeng Jiang, Yuanfei Luo, Sheng Chen, Yangang Zhang, Ying-Cong Chen

机构 * ByteDance Seed（字节跳动种子） 纠错

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

AI总结 UniUGP通过整合预训练视觉模型和视频生成模型，实现端到端自动驾驶中的场景推理、视频生成和轨迹规划，提升复杂场景下的性能和泛化能力。

Comments Project Page: https://seed-uniugp.github.io/

Understanding World or Predicting Future? A Comprehensive Survey of World Models

理解世界还是预测未来？世界模型的全面综述

Jingtao Ding, Yunke Zhang, Yu Shang, Jie Feng, Yuheng Zhang, Zefang Zong, Yuan Yuan, Hongyuan Su, Nian Li, Jinghua Piao, Yucheng Deng, Nicholas Sukiennik, Chen Gao, Fengli Xu, Yong Li

机构 * Department of Electronic Engineering, Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University（电子工程系，信息科学与技术国家研究中心（BNRist），清华大学） 纠错

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

AI总结 本文综述了世界模型在理解与预测方面的功能，探讨了其在多个领域的应用及未来研究方向。

Comments Extended version of the original ACM CSUR paper, 49 pages, 6 figures, 8 tables

Super4DR: 4D Radar-centric Self-supervised Odometry and Gaussian-based Map Optimization

Super4DR: 基于4D雷达的自监督里程计与高斯基于地图优化

Zhiheng Li, Weihua Wang, Qiang Shen, Yichen Zhao, Zheng Fang

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO

AI总结 Super4DR通过基于4D雷达的自监督里程计和高斯地图优化，在恶劣天气中实现更准确的定位与地图重建。

Comments 17 pages, 20 figures

LENVIZ: A High-Resolution Low-Exposure Night Vision Benchmark Dataset

LENVIZ：一个高分辨率低曝光夜视基准数据集

Manjushree Aithal, Rosaura G. VidalMata, Manikandtan Kartha, Gong Chen, Eashan Adhikarla, Lucas N. Kirsten, Zhicheng Fu, Nikhil A. Madhusudhana, Joe Nasti

机构 * Lenovo Research（联想研究） ； Lehigh University（莱文斯顿大学） ； Motorola Mobility（摩托罗拉移动） 纠错

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

AI总结 LENVIZ数据集为低光照图像增强提供高分辨率、多曝光的基准，包含24,000个真实场景，由专家摄影师精心制作，用于评估和改进相关技术。

Understanding Mental States in Active and Autonomous Driving with EEG

通过EEG理解主动和自动驾驶中的心理状态

Prithila Angkan, Paul Hungler, Ali Etemad

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

AI总结 本文通过EEG研究主动和自动驾驶中心理状态的差异，发现两种模式在神经激活和心理状态强度上有显著区别，强调了开发自动驾驶车辆驾驶员监控系统时需使用场景特定的数据和模型。

Comments 15 Pages, 13 Figures and 3 Tables. This work has been submitted to IEEE Transaction for possible publication

Robustness and Adaptability of Reinforcement Learning based Cooperative Autonomous Driving in Mixed-autonomy Traffic

基于混合自主交通的强化学习协同自动驾驶的鲁棒性与适应性

Rodolfo Valiente, Behrad Toghi, Ramtin Pedarsani, Yaser P. Fallah

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

AI总结 本文提出了一种基于多智能体强化学习的方法，用于提高自动驾驶车辆在混合自主交通环境中的鲁棒性和适应性，通过隐式学习人类驾驶行为以优化社会效用和安全性能。

Auto-3DPFM: Automating Polarization-Vector Mapping at the Nanoscale

Auto-3DPFM：在纳米尺度上自动化极化矢量映射

Ralph Bulanadi, Marti Checa, Michelle Wang, Franck Rothen, John Lasseter, Sumner B. Harris, Daniel Sando, Valanoor Nagarajan, Liam Collins, Stephen Jesse, Rama Vasudevan, Yongtao Liu

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 Auto-3DPFM通过自动化技术实现纳米尺度极化矢量的高精度表征，提升铁电材料研究的效率与准确性。