自动驾驶

Driving Through Uncertainty: Risk-Averse Control with LLM Commonsense for Autonomous Driving under Perception Deficits

在不确定性中驾驶：利用大语言模型常识实现风险厌恶控制以应对自动驾驶中的感知缺陷

Yuting Hu, Chenhui Xu, Ruiyang Qin, Dancheng Liu, Amir Nassereldine, Yiyu Shi, Jinjun Xiong

机构 * University at Buffalo（布法罗大学） ； University of Notre Dame（诺特尔大学） 纠错

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

AI总结 本文提出LLM-RCO框架，利用大语言模型整合人类驾驶常识，以提升自动驾驶在感知缺陷下的风险规避与适应性控制能力。

Incremental Validation of Automated Driving Functions using Generic Volumes in Micro- Operational Design Domains

基于微操作设计领域通用体积的自动驾驶功能增量验证

Steffen Schäfer, Martin Cichon

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出基于微操作设计领域通用体积的自动驾驶功能增量验证方法，通过抽象物体表示和共模拟环境测试，系统探索障碍物检测边缘情况，评估感知性能。

Two-dimensional Decompositions of High-dimensional Configurations for Efficient Multi-vehicle Coordination at Intelligent Intersections

高维配置的二维分解用于智能交叉口多车辆高效协调

Amirreza Akbari, Johan Thunberg

机构 * Department of Electrical and Information Technology (EIT), Lund University（电气与信息学院（EIT）、卢德大学） 纠错

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

AI总结 本文提出了一种基于二维分解的高维配置方法，用于智能交叉口多车辆高效协调，通过减少计算复杂性提升轨迹规划效率。

LUCID: Learning-Enabled Uncertainty-Aware Certification of Stochastic Dynamical Systems

LUCID：基于学习的不确定性感知随机动力系统认证

Ernesto Casablanca, Oliver Schön, Paolo Zuliani, Sadegh Soudjani

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

AI总结 LUCID通过学习控制障碍证书和傅里叶核展开，为随机动态系统提供鲁棒且高效的认证框架，实现形式安全保证。

Comments The manuscript has been accepted for publication in the main track of AAAI 2026

FutureX: Enhance End-to-End Autonomous Driving via Latent Chain-of-Thought World Model

FutureX: 通过潜在链式思维世界模型增强端到端自动驾驶

Hongbin Lin, Yiming Yang, Yifan Zhang, Chaoda Zheng, Jie Feng, Sheng Wang, Zhennan Wang, Shijia Chen, Boyang Wang, Yu Zhang, Xianming Liu, Shuguang Cui, Zhen Li

机构 * FNii-Shenzhen（FNii深圳分部） ； SSE, CUHK-Shenzhen（SSE，CUHK深圳分校） ； Xpeng Motors（小鹏汽车） ； MiroMind AI（MiroMind人工智能） ； Xidian University（西安电子科技大学） 纠错

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

AI总结 FutureX通过链式思维世界模型增强端到端自动驾驶，提升复杂场景下的运动规划质量与安全性。

SATMapTR: Satellite Image Enhanced Online HD Map Construction

SATMapTR：基于卫星图像的增强在线HD地图构建

Bingyuan Huang, Guanyi Zhao, Qian Xu, Yang Lou, Yung-Hui Li, Jianping Wang

机构 * City University of Hong Kong（香港城市大学） ； Hon Hai Research Institute（鸿海研究研究院） 纠错

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

AI总结 SATMapTR通过融合卫星图像与BEV视角，提升自动驾驶HD地图构建的准确性和鲁棒性，实验显示其在多种环境下均优于现有方法。

Comments 9 pages (+ 3 pages of Appendix)

E-CHUM: Event-based Cameras for Human Detection and Urban Monitoring

E-CHUM：基于事件的相机用于人类检测和城市监控

Jack Brady, Andrew Dailey, Kristen Schang, Zo Vic Shong

机构 * University of Michigan（密歇根大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出利用基于事件的相机进行城市动态研究，结合多传感器融合以提升监控效果和隐私保护。

Elevation Aware 2D/3D Co-simulation Framework for Large-scale Traffic Flow and High-fidelity Vehicle Dynamics

面向高程的二维/三维协同模拟框架用于大规模交通流和高保真车辆动力学

Chandra Raskoti, Weizi Li

机构 * University of Tennessee, Knoxville, USA（田纳西大学，基洛纳分校） 纠错

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

AI总结 本文提出一个面向高程的二维/三维协同模拟框架，结合SUMO与CARLA，通过融合道路网络和高程数据，实现高保真自动驾驶车辆测试的物理一致环境。

A Further Comparison of MPS and TTNS for Nonadiabatic Dynamics of Exciton Dissociation

进一步比较MPS和TTNS用于激发子解离的非绝热动力学

Weitang Li, Jiajun Ren, Jun Yan

专题命中 仿真评测 ：occupancy(abstract)

AI总结 本文通过比较MPS和TTNS在非绝热动力学中模拟激发子解离的性能，发现结合维度不足是导致不一致的主要原因，并通过优化TTNS结构提高了计算精度。

MADrive: Memory-Augmented Driving Scene Modeling

MADrive: 基于记忆的驾驶场景建模

Polina Karpikova, Daniil Selikhanovych, Kirill Struminsky, Ruslan Musaev, Maria Golitsyna, Dmitry Baranchuk

机构 * Yandex ； Yandex Research（Yandex研究院） ； HSE University（俄罗斯高等经济大学） 纠错

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

AI总结 MADrive通过引入基于记忆的框架，利用外部记忆库中的3D资产替换观测车辆，实现对自动驾驶场景的逼真合成与扩展。