自动驾驶

Forging Spatial Intelligence: A Roadmap of Multi-Modal Data Pre-Training for Autonomous Systems

锻造空间智能：面向自主系统多模态数据预训练的路线图

Song Wang, Lingdong Kong, Xiaolu Liu, Hao Shi, Wentong Li, Jianke Zhu, Steven C. H. Hoi

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Alibaba Group（阿里巴巴集团） ； Singapore Management University（新加坡管理学院） 纠错

专题命中 感知 ：self-driving(abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出多模态数据预训练框架，旨在通过整合多传感器数据提升自主系统空间智能，解决单模态模型整合难题，并提出统一的预训练范式分类及未来发展方向。

Comments Survey; 40 pages, 7 figures, 9 tables; GitHub Repo at https://github.com/worldbench/awesome-spatial-intelligence

TopoBDA: Towards Bezier Deformable Attention for Road Topology Understanding

TopoBDA: 向贝塞尔可变形注意力迈进：道路拓扑理解

Muhammet Esat Kalfaoglu, Halil Ibrahim Ozturk, Ozsel Kilinc, Alptekin Temizel

机构 * Graduate School of Informatics, Middle East Technical University（信息学院，中东部技术大学） ； Togg/Trutek AI Team（Togg/Trutek人工智能团队） 纠错

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

AI总结 TopoBDA通过贝塞尔可变形注意力提升道路拓扑理解，结合多模态数据增强性能。

Comments Project page: https://artest08.github.io/TopoBDA.github.io/

Journal ref Neurocomputing, Vol. 670, 132360 (2026)

Correcting Autonomous Driving Object Detection Misclassifications with Automated Commonsense Reasoning

通过自动化常识推理纠正自动驾驶目标检测的误分类

Keegan Kimbrell, Wang Tianhao, Feng Chen, Gopal Gupta

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

AI总结 本文提出利用自动化常识推理技术纠正自动驾驶目标检测的误分类问题，通过模拟实验验证了混合模型在异常道路场景下的有效性。

Comments In Proceedings ICLP 2025, arXiv:2601.00047

Journal ref EPTCS 439, 2026, pp. 128-142

SparseLaneSTP: Leveraging Spatio-Temporal Priors with Sparse Transformers for 3D Lane Detection

SparseLaneSTP: 利用稀疏变换器结合时空先验进行3D车道检测

Maximilian Pittner, Joel Janai, Mario Faigle, Alexandru Paul Condurache

机构 * Bosch Mobility Solutions, Robert Bosch GmbH（博世移动解决方案，罗伯特·博世有限公司） ； Institute of Neuro- and Bioinformatics, University of Lübeck（神经与生物医学研究所，吕贝克大学） ； Institute for Signal Processing and System Theory, University of Stuttgart（信号处理与系统理论研究所，斯图加特大学） 纠错

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

AI总结 SparseLaneSTP通过整合车道结构的几何属性和时间信息，利用稀疏变换器和时空注意力机制，提升3D车道检测的精度和一致性。

Comments Published at IEEE/CVF International Conference on Computer Vision (ICCV) 2025

3D-Agent:Tri-Modal Multi-Agent Collaboration for Scalable 3D Object Annotation

3D-Agent：三模态多智能体协作用于可扩展的3D物体标注

Jusheng Zhang, Yijia Fan, Zimo Wen, Jian Wang, Keze Wang

机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Snap Inc.（Snap公司） 纠错

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

AI总结 Tri MARF通过三模态多智能体协作提升大规模3D物体标注效率与精度

Comments Accepted at NeurIPS 2025

Detection of Deployment Operational Deviations for Safety and Security of AI-Enabled Human-Centric Cyber Physical Systems

面向AI赋能的人本型网络物理系统的部署操作偏差检测

Bernard Ngabonziza, Ayan Banerjee, Sandeep K. S. Gupta

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

AI总结 本文提出了一种基于个性化图像的新技术，用于检测AI赋能的人本型网络物理系统在部署中的操作偏差，以确保其安全性和可靠性。

From Dataset to Real-world: General 3D Object Detection via Generalized Cross-domain Few-shot Learning

从数据集到现实世界：通过通用跨领域少样本学习实现通用3D目标检测

Shuangzhi Li, Junlong Shen, Lei Ma, Xingyu Li

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出通用跨领域少样本学习方法，通过融合2D语义与3D空间推理，实现对现实世界中常见和新类目标的高效检测。

Comments The latest version refines the few-shot setting on common classes, enforcing a stricter object-level definition

Timeliness-Oriented Scheduling and Resource Allocation in Multi-Region Collaborative Perception

多区域协作感知中的时效导向调度与资源分配

Mengmeng Zhu, Yuxuan Sun, Yukuan Jia, Wei Chen, Bo Ai, Sheng Zhou

机构 * School of Electronic and Information Engineering, Beijing Jiaotong University（北京交通大学电子与信息工程学院） ； Beijing National Research Center for Information Science and Technology, Department of Electronic Engineering, Tsinghua University（北京信息科学与技术国家研究中心，清华大学电子工程系） 纠错

专题命中 感知 ：autonomous driving(abstract)

AI总结 本文提出TAMP算法，通过平衡感知精度与通信资源使用，在多区域协作感知中实现时效导向的调度优化。

Comments This work has been submitted to the IEEE for possible publication

Human-Aided Trajectory Planning for Automated Vehicles through Teleoperation and Arbitration Graphs

通过遥控和仲裁图实现自动化车辆的人工辅助轨迹规划

Nick Le Large, David Brecht, Willi Poh, Jan-Hendrik Pauls, Martin Lauer, Frank Diermeyer

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

AI总结 本文提出通过仲裁图实现自动化车辆的人工辅助轨迹规划，允许远程操作员调整规划器约束并扩展车辆的操作设计域。

Comments 7 pages, 8 figures, presented at IEEE Intelligent Vehicles Symposium 2025, video demonstration available at https://www.youtube.com/watch?v=fVSO-YOeGMk

CaTFormer: Causal Temporal Transformer with Dynamic Contextual Fusion for Driving Intention Prediction

CaTFormer：具有动态上下文融合的因果时间变换器用于驾驶意图预测

Sirui Wang, Zhou Guan, Bingxi Zhao, Tongjia Gu, Jie Liu

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

AI总结 CaTFormer通过动态上下文融合和因果建模，提升驾驶意图预测的准确性和透明性。

Comments Accepted at AAAI 2026

Personalized Model-Based Design of Human Centric AI enabled CPS for Long term usage

面向长期使用的以人为本的人工智能增强型控制系统个性化建模设计

Bernard Ngabonziza, Ayan Banerjee, Sandeep K. S. Gupta

专题命中 规划控制 ：self-driving(abstract)；分类 cs.AI

AI总结 本文提出个性化建模方法，以解决人工智能增强的人本控制系统在长期使用中的安全、可持续性和安全性分析问题。

ThinkDrive: Chain-of-Thought Guided Progressive Reinforcement Learning Fine-Tuning for Autonomous Driving

ThinkDrive: 基于链式推理的渐进强化学习微调框架用于自动驾驶

Chang Zhao, Zheming Yang, Yunqing Hu, Qi Guo, Zijian Wang, Pengcheng Li, Wen Ji

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

AI总结 ThinkDrive通过结合显式推理与难度感知的自适应策略优化，提升了自动驾驶中的决策透明度和泛化能力，实验显示其在多个指标上优于现有方法。

A Systematic Mapping Study on the Debugging of Autonomous Driving Systems

面向自动驾驶系统调试的系统性映射研究

Nathan Shaw, Sanjeetha Pennada, Robert M Hierons, Donghwan Shin

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

AI总结 本研究系统性地分析了自动驾驶系统调试方法，揭示了现有技术现状及未来研究方向。

Comments 33 pages, 7 figures

The UnScripted Trip: Fostering Policy Discussion on Future Human-Vehicle Collaboration in Autonomous Driving Through Design-Oriented Methods

未剧本之旅：通过设计导向方法促进自动驾驶未来人车协作的政策讨论

Xinyan Yu, Julie Stephany Berrio Perez, Marius Hoggenmüller, Martin Tomitsch, Tram Thi Minh Tran, Stewart Worrall, Wendy Ju

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

AI总结 通过设计导向方法，本研究通过卡牌游戏探讨自动驾驶未来人车协作的政策讨论，促进多方参与和批判性反思。

FalconFS: Distributed File System for Large-Scale Deep Learning Pipeline

FalconFS：面向大规模深度学习流水线的分布式文件系统

Jingwei Xu, Junbin Kang, Mingkai Dong, Mingyu Liu, Lu Zhang, Shaohong Guo, Ziyan Qiu, Mingzhen You, Ziyi Tian, Anqi Yu, Tianhong Ding, Xinwei Hu, Haibo Chen

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

AI总结 FalconFS是一种面向深度学习流水线优化的分布式文件系统，采用无状态客户端架构，通过服务器端路径解析和并发请求合并技术，提升吞吐量达12.81倍，并已在生产环境中运行一年。

Comments Accepted by NSDI'26