自动驾驶

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