自动驾驶

LSRE: Latent Semantic Rule Encoding for Real-Time Semantic Risk Detection in Autonomous Driving

LSRE: 隐式语义规则编码用于自动驾驶中的实时语义风险检测

Qian Cheng, Weitao Zhou, Cheng Jing, Nanshan Deng, Junze Wen, Zhaoyang Liu, Kun Jiang, Diange Yang

机构 * School of Vehicle and Mobility, Tsinghua University（车辆与移动系统学院，清华大学） 纠错

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

AI总结 LSRE通过隐式语义规则编码实现自动驾驶中的实时语义风险检测，以10 Hz速度提供高效准确的危险预判。

ParkGaussian: Surround-view 3D Gaussian Splatting for Autonomous Parking

ParkGaussian：用于自动驾驶停车的环绕视图3D高斯点云法

Xiaobao Wei, Zhangjie Ye, Yuxiang Gu, Zunjie Zhu, Yunfei Guo, Yingying Shen, Shan Zhao, Ming Lu, Haiyang Sun, Bing Wang, Guang Chen, Rongfeng Lu, Hangjun Ye

机构 * Hangzhou Dianzi University（杭州电子科技大学） 纠错

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

AI总结 ParkGaussian通过整合3D高斯点云法，实现了停车场景的高质量重建，提升了自动驾驶停车任务中的感知一致性。

Learnability-Driven Submodular Optimization for Active Roadside 3D Detection

基于可学习性的子模优化用于主动道路3D检测

Ruiyu Mao, Baoming Zhang, Nicholas Ruozzi, Yunhui Guo

机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本研究提出了一种基于可学习性的主动学习框架，用于道路侧单目3D物体检测，通过选择信息丰富且可可靠标注的场景，有效减少标注成本并提升模型性能。

Comments 10 pages, 7 figures. Submitted to CVPR 2026

LabelAny3D: Label Any Object 3D in the Wild

LabelAny3D: 在真实世界中标注任意物体的3D

Jin Yao, Radowan Mahmud Redoy, Sebastian Elbaum, Matthew B. Dwyer, Zezhou Cheng

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 LabelAny3D通过分析-合成框架生成高质量3D标注，提升单目3D检测性能，推动真实世界3D识别发展。

Comments NeurIPS 2025. Project page: https://uva-computer-vision-lab.github.io/LabelAny3D/

Optically Transparent Meta-Grating Embedded in Rear Windshields for Automotive Radar Detection

光学透明的元格栅嵌入后风挡用于汽车雷达检测

Sergey Geyman, Dmytro Vovchuk, Denis Kolchanov, Mykola Khobzei, Vladyslav Tkach, Hagit Gilon, Eyal Cohen, Eran Yunger, Vjaceslavs Bobrovs, Aviel Glam, Ofer Amrani, Pavel Ginzburg

专题命中 感知 ：autonomous driving(abstract)

AI总结 本研究提出在汽车后风挡嵌入光学透明的元格栅，以提高雷达探测性能，通过增强雷达截面实现更远距离的检测范围。

Vision-Language-Action Models for Autonomous Driving: Past, Present, and Future

面向自动驾驶的视觉-语言-动作模型：过去、现在与未来

Tianshuai Hu, Xiaolu Liu, Song Wang, Yiyao Zhu, Ao Liang, Lingdong Kong, Guoyang Zhao, Zeying Gong, Jun Cen, Zhiyu Huang, Xiaoshuai Hao, Linfeng Li, Hang Song, Xiangtai Li, Jun Ma, Shaojie Shen, Jianke Zhu, Dacheng Tao, Ziwei Liu, Junwei Liang

机构 * HKUST（香港科技大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； HKUST(GZ)（香港科技大学（广州）） ； DAMO Academy, Alibaba（阿里巴巴达摩院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Xiaomi EV（小米电动车） ； Xi'an Jiaotong University（西安交通大学） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） 纠错

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

AI总结 本文探讨了自动驾驶中视觉-语言-动作模型的发展历程，提出两种主要范式并分析其挑战与未来方向。

Comments Survey; 47 pages, 7 figures, 9 tables; GitHub Repo at https://github.com/worldbench/awesome-vla-for-ad

VIT-Ped: Visionary Intention Transformer for Pedestrian Behavior Analysis

VIT-Ped：面向行人行为分析的愿景意图变换器

Aly R. Elkammar, Karim M. Gamaleldin, Catherine M. Elias

机构 * German University in Cairo（埃及德国大学） ； Faculty of Media Engineering and Technology（媒体工程与技术学院） ； Computer Science and Engineering Department（计算机科学与工程系） ； C-DRiVeS Lab（C-DRiVeS实验室） ； Cognitive Driving Research in Vehicular Systems（车载系统认知驾驶研究） 纠错

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

AI总结 VIT-Ped提出了一种基于变换器的算法，用于行人行为分析，通过不同数据模态和消融研究实现了SOTA性能。

Latent Space Reinforcement Learning for Multi-Robot Exploration

潜在空间强化学习用于多机器人探索

Sriram Rajasekar, Ashwini Ratnoo

机构 * Department of Aerospace Engineering（航空航天工程系） ； Indian Institute of Science（印度科学研究所） 纠错

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

AI总结 本文提出利用潜在空间强化学习，通过自编码器和过程生成算法提升多机器人探索效率和鲁棒性。

Adaptive Kernel Regression for Constrained Route Alignment: Theory and Iterative Data Sharpening

自适应核回归在约束路线对齐中的应用：理论与迭代数据锐化

Shiyin Du, Yiting Chen, Wenzhi Yang, Qiong Li, Xiaoping Shi

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

AI总结 本文提出自适应核回归方法，用于解决约束路线对齐问题，通过理论分析和实证应用，实现了平衡平滑性和精确点遵守的高效解决方案。

Comments 31 pages, 15 figures

System-Level Comparison of Multimodal and In-Band mmWave Sensing for Beam Prediction in 6G ISAC

6G ISAC中多模态与带内毫米波感知的系统级比较：用于基站预测

Abidemi Orimogunje, Hyunwoo Park, Igbafe Orikumhi, Sunwoo Kim, Dejan Vukobratovic

专题命中 规划控制 ：LiDAR(abstract)

AI总结 本文提出了一种系统级框架，通过多模态融合评估毫米波与体外传感器在6G ISAC中的波束预测性能。

Echo State Networks for Spatio-Temporal Area-Level Data

用于空间时间区域级数据的回声状态网络

Zhenhua Wang, Scott H. Holan, Christopher K. Wikle

机构 * Department of Statistics, University of Missouri（统计学系，密苏里大学） ； Office of the Associate Director for Research and Methodology, U.S. Census Bureau（研究与方法副主任办公室，美国人口普查局） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出在回声状态网络中引入近似图谱滤波器，以提升空间时间区域级数据预测的准确性，同时保持计算效率。

Comments 23 pages, 4 figures

Coupled Distributional Random Expert Distillation for World Model Online Imitation Learning

世界模型在线模仿学习中的耦合分布随机专家蒸馏

Shangzhe Li, Zhiao Huang, Hao Su

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Hillbot（Hillbot公司） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 本研究提出一种基于随机网络蒸馏的耦合分布随机专家蒸馏方法，用于提升世界模型在线模仿学习的稳定性与性能。

Comments NeurIPS 2025 Workshop of Embodied World Models; Code Available at: https://github.com/TobyLeelsz/CDRED-WM

Parameter-Efficient Domain Adaption for CSI Crowd-Counting via Self-Supervised Learning with Adapter Modules

通过带有适配模块的自监督学习实现高效的领域适应用于CSI人群计数

Oliver Custance, Saad Khan, Simon Parkinson, Quan Z. Sheng

机构 * IEEE Publication Technology Department（IEEE出版技术部门） 纠错

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

AI总结 本文提出了一种基于自监督学习和适配模块的高效领域适应框架，用于CSI人群计数，实现了高精度和低参数训练，达到98.8%的准确率。

Anharmonic lattice dynamics study of phonon transport in layered and molecular-crystal indium iodides

非谐振子动力学研究铟碘化物中的声子输运

Takuma Shiga, Yoshikazu Mizuguchi, Hiroshi Fujihisa

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究通过非谐振子动力学计算，揭示了铟碘化物中声子输运的机制，发现波的贡献在不同组成中表现不同，且层状结构的振动特性主导热输运。

Comments Manuscript combined with Supplementary Materials; 20 pages, 16 figures

DST-Calib: A Dual-Path, Self-Supervised, Target-Free LiDAR-Camera Extrinsic Calibration Network

DST-Calib: 一种双路径、自监督、无目标的激光雷达-摄像头外参校准网络

Zhiwei Huang, Yanwei Fu, Yi Zhou, Xieyuanli Chen, Qijun Chen, Rui Fan

机构 * Department of Control Science & Engineering, the College of Electronics & Information Engineering, Tongji University（控制科学与工程系，电子与信息工程学院，同济大学） ； Department of Mechanical Engineering, the School of Mechanical Engineering, Tongji University（机械工程系，机械工程学院，同济大学） ； School of Robotics, Hunan University（机器人学院，湖南大学） ； College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科学技术大学） ； Department of Control Science & Engineering, the College of Electronics & Information Engineering, Shanghai Research Institute for Intelligent Autonomous Systems, the State Key Laboratory of Intelligent Autonomous Systems, and Frontiers Science Center for Intelligent Autonomous Systems, Tongji University（控制科学与工程系，电子与信息工程学院，上海智能自主系统研究院，智能自主系统国家重点实验室，智能自主系统前沿科学中心，同济大学） ； National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） 纠错

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

AI总结 DST-Calib通过双路径自监督方法，无需目标实现激光雷达与摄像头的高效外参校准，提升泛化能力。

LIMOncello: Iterated Error-State Kalman Filter on the SGal(3) Manifold for Fast LiDAR-Inertial Odometry

LIMOncello：基于SGal(3)流形的迭代误差状态卡尔曼滤波器用于快速激光雷达-惯性里程计

Carlos Pérez-Ruiz, Joan Solà

机构 * Mobile Robotics Laboratory, Institut de Robòtica i Informàtica Industrial, Universitat Politècnica de Catalunya（移动机器人实验室，机器人与信息技术研究所，巴塞罗那理工大学） 纠错

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

AI总结 LIMOncello基于SGal(3)流形的迭代误差状态卡尔曼滤波器实现高效激光雷达-惯性里程计，提升低可观测环境下的鲁棒性和实时性能。

Adaptive Dual-Weighted Gravitational Point Cloud Denoising Method

自适应双权重引力点云去噪方法

Ge Zhang, Chunyang Wang, Bin Liu, Guan Xi

专题命中 激光雷达 ：autonomous driving(abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.CV

AI总结 本文提出一种自适应双权重引力点云去噪方法，通过八叉树空间划分、自适应体素统计和引力评分函数，提升去噪精度、边缘保持和实时性能。

Differential Barometric Altimetry for Submeter Vertical Localization and Floor Recognition Indoors

微分气压测高用于室内的亚米垂直定位和楼层识别

Yuhang Zhang, Sören Schwertfeger

机构 * Key Laboratory of Intelligent Perception and Human-Machine Collaboration – ShanghaiTech University, Ministry of Education, China（智能感知与人机协同关键实验室 – 上海科技大学，教育部，中国） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出了一种基于微分气压传感的低成本ROS兼容框架，实现亚米级垂直定位和100%楼层识别，解决了传统SLAM里程计在复杂多层环境中的局限性。

Programmable ultra-broadband photonic chaos platform enabled by microwave-chaos-driven electro-optic frequency combs

可编程超宽带光子混沌平台：通过微波混沌驱动的电光频率梳实现

Shiyu Shi, Yiqun Zhang, Mengjie Zhou, Mingfeng Xu, Xianglei Yan, Qiang Chen, Yunxia Yang, Yinghui Guo, Mingbo Pu, Xiangang Luo

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 通过微波混沌驱动电光频率梳，实现可编程超宽带光子混沌平台，展示高带宽光子混沌和高效决策应用。

AIMS: An Adaptive Integration of Multi-Sensor Measurements for Quadrupedal Robot Localization

AIMS: 多传感器测量自适应集成用于四足机器人定位

Yujian Qiu, Yuqiu Mu, Wen Yang, Hao Zhu

机构 * College of Automation Chongqing University of Posts 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO

AI总结 AIMS通过自适应融合LiDAR、IMU和腿里程计，提升四足机器人在退化环境中的定位精度和鲁棒性。

Sparse Threats, Focused Defense: Criticality-Aware Robust Reinforcement Learning for Safe Autonomous Driving

稀疏威胁，聚焦防御：面向安全自动驾驶的关键性感知鲁棒强化学习

Qi Wei, Junchao Fan, Zhao Yang, Jianhua Wang, Jingkai Mao, Xiaolin Chang

机构 * Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, P.R.China（北京智能交通安全与隐私重点实验室，北京交通大学，中华人民共和国） 纠错

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

AI总结 本文提出CARRL方法，通过关键性感知的对抗训练，提升自动驾驶中稀疏安全关键风险的鲁棒性，实验显示碰撞率降低22.66%。

School Transport Electrification -- Adoption, Strategies, Methods and Policy: A Comprehensive Review

学校交通电动化——采纳、策略、方法与政策：全面综述

Megh Bahadur KC, Ziqi Song

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

AI总结 本文综述了学校交通电动化的现状、挑战及未来策略，强调政策支持与技术创新对实现零排放目标的重要性。