视觉与机器人

自动驾驶

自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。

2025-12-23 至 2025-12-23 共收录 5 篇信号源：cs.RO, cs.CV, eess.IV, cs.AI

1. 仿真评测 5 篇

2512.18823 2025-12-23 cs.SE 78%

Misbehavior Forecasting for Focused Autonomous Driving Systems Testing

面向聚焦自动驾驶系统测试的恶意行为预测

M M Abid Naziri, Stefano Carlo Lambertenghi, Andrea Stocco, Marcelo d'Amorim

专题命中仿真评测：autonomous driving(title)；self-driving(abstract)

AI总结 Foresee通过恶意行为预测技术提高自动驾驶系统测试效率，发现更多故障并提升故障检测能力。

Comments In proceedings of the 51th IEEE/ACM International Conference on Software Engineering (ICSE '26)

2512.07276 2025-12-23 cs.CV 57%

Geo3DVQA: Evaluating Vision-Language Models for 3D Geospatial Reasoning from Aerial Imagery

Geo3DVQA：基于航拍影像评估视觉-语言模型在三维地理空间推理中的表现

Mai Tsujimoto, Junjue Wang, Weihao Xuan, Naoto Yokoya

机构 * The University of Tokyo（东京大学）； RIKEN AIP（日本理化学研究所AIP）

专题命中仿真评测：LiDAR(abstract)；分类 cs.CV

AI总结 Geo3DVQA通过评估视觉-语言模型在三维地理空间推理中的表现，揭示了RGB影像在3D空间分析中的局限性，并展示了领域特定指令微调对模型性能的提升。

Comments Accepted at WACV 2026. 32 pages long including the appendix. Revision details are provided in the supplements

2512.18537 2025-12-23 cs.RO 57%

Systematic Benchmarking of SUMO Against Data-Driven Traffic Simulators

对SUMO与数据驱动交通模拟器的系统性基准测试

Erdao Liang

机构 * University of Michigan（密歇根大学）

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

AI总结本文系统性比较SUMO与数据驱动交通模拟器，展示SUMO在现实感和稳定性上的优势，适用于自动驾驶模拟。

Comments Source code is available at https://github.com/LuminousLamp/SUMO-Benchmark

2510.19816 2025-12-23 physics.atom-ph cond-mat.quant-gas quant-ph 50%

Single Sr Atoms in Optical Tweezer Arrays for Quantum Simulation

用于量子模拟的单个锶原子在光学镊子阵列中

Veronica Giardini, Luca Guariento, Andrea Fantini, Shawn Storm, Massimo Inguscio, Jacopo Catani, Giacomo Cappellini, Vladislav Gavryusev, Leonardo Fallani

专题命中仿真评测：occupancy(abstract)

AI总结该研究实现了用于量子模拟的单个锶原子在光学镊子阵列中的高效捕获、冷却和高保真度检测，为可扩展的量子模拟和信息处理奠定了基础。

Comments Version of record as published in MDPI Atoms 14 (1), 1 (2026)

Journal ref Atoms 2026, 14(1), 1

2510.13279 2025-12-23 eess.SY cs.SY 50%

Partitioned Scheduling for DAG Tasks Considering Probabilistic Execution Time

考虑概率执行时间的DAG任务分区调度

Fuma Omori, Atsushi Yano, Takuya Azumi

专题命中仿真评测：autonomous driving(abstract)

AI总结本文提出了一种考虑概率执行时间的DAG任务分区调度方法，通过利用单处理器概率保证结果，提高了任务集的调度效率和分析性能。

Journal ref 2025 IEEE International Conference on High Performance Computing and Communications (HPCC), Exeter, United Kingdom, 2025, pp. 1-10