自动驾驶

Measuring What Matters: Scenario-Driven Evaluation for Trajectory Predictors in Autonomous Driving

衡量重要性：面向自动驾驶轨迹预测器的场景驱动评估

Longchao Da, David Isele, Hua Wei, Manish Saroya

机构 * HRI, San Jose（HRI, 洛杉矶） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；self-driving(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出了一种基于场景驱动的评估流程，通过准确性与多样性两个维度评估自动驾驶轨迹预测器，以更合理地反映其对自动驾驶车辆性能的影响。

Comments 9 Pages, 8 Figures

Post-Training and Test-Time Scaling of Generative Agent Behavior Models for Interactive Autonomous Driving

生成代理行为模型在交互式自动驾驶中的训练和测试时间缩放

Hyunki Seong, Jeong-Kyun Lee, Heesoo Myeong, Yongho Shin, Hyun-Mook Cho, Duck Hoon Kim, Pranav Desai, Monu Surana

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

AI总结 本文提出GRBO和Warm-K两种方法，用于提升交互式自动驾驶中生成代理行为模型的训练和测试时间性能，提高安全性和鲁棒性。

Comments 11 pages, 5 figures

Advancing Autonomous Driving System Testing: Demands, Challenges, and Future Directions

推进自动驾驶系统测试：需求、挑战与未来方向

Yihan Liao, Jingyu Zhang, Jacky Keung, Yan Xiao, Yurou Dai

机构 * City University of Hong Kong（香港城市大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Lehigh University（莱斯大学） 纠错

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

AI总结 本研究探讨了自动驾驶系统测试的需求与挑战，指出现有测试技术在现实性能评估中的不足，并提出了未来研究方向，包括系统化测试标准、跨模型协作及可扩展验证框架。

Comments Accepted for publication in Information and Software Technology (IST)

Relational Anatomical Supervision for Accurate 3D Multi-Chamber Cardiac Mesh Reconstruction

关系解剖监督用于准确的3D多腔心脏网格重建

Chenyu Zhang, Yihao Luo, Lei Zhu, Martyn G Boutelle, Choon Hwai Yap, Guang Yang

机构 * Bioengineering Department Imperial College London, London W12 7SL, United Kingdom ； Lung Institute, Imperial College London, London, United Kingdom ； Cardiovascular Research Centre, Royal Brompton Hospital, London SW3 6NP, United Kingdom ； School of Biomedical Engineering \& Imaging Sciences, King's College London, London WC2R 2LS, United Kingdom ； ROAS Thrust, Hong Kong University of Science ； Department of Electronic ； Computer Engineering, Hong Kong University of Science 纠错

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

AI总结 本文提出了一种关系解剖监督框架，通过引入MIE损失，提升多腔心脏网格重建的准确性和解剖一致性。