自动驾驶

Collision Risk Estimation via Loss Prediction in End-to-End Autonomous Driving

通过碰撞损失预测进行端到端自动驾驶中的碰撞风险估计

Ziliang Xiong, Shipeng Liu, Nathaniel Helgesen, Hongwei Li, Joakim Johnander, Per-Erik Forssen

机构 * Zenseact（Zenseact公司） ； Department of Biomedical Engineering and Department of Diagnostic Radiology, National University of Singapore（生物医学工程系和诊断放射学系，新加坡国立大学） 纠错

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

AI总结 通过预测碰撞损失来估计碰撞风险，提升端到端自动驾驶的安全性。

Integrating Specialized and Generic Agent Motion Prediction with Dynamic Occupancy Grid Maps

融合专用与通用智能体运动预测的动态占用网格地图

Rabbia Asghar, Lukas Rummelhard, Wenqian Liu, Anne Spalanzani, Christian Laugier

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

AI总结 本文提出融合专用与通用智能体运动预测的动态占用网格地图框架，通过定制损失函数实现稳健的运动预测，提升复杂场景中动态实体的预测性能。

Comments Updated version with major revisions; currently under the second round of review at IEEE Transactions on Intelligent Vehicles

Driving with DINO: Vision Foundation Features as a Unified Bridge for Sim-to-Real Generation in Autonomous Driving

驾驶用DINO：作为自动驾驶仿真到现实生成的统一桥梁的视觉基础特征

Xuyang Chen, Conglang Zhang, Chuanheng Fu, Zihao Yang, Kaixuan Zhou, Yizhi Zhang, Jianan He, Yanfeng Zhang, Mingwei Sun, Zengmao Wang, Zhen Dong, Xiaoxiao Long, Liqiu Meng

机构 * Technical University of Munich（慕尼黑技术大学） ； Huawei Hilbert Research Center（华为希利伯特研究中心） ； Huawei Riemann Lab（华为里曼实验室） ； Wuhan University（武汉大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学） 纠错

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

AI总结 DwD通过利用视觉基础模块特征作为统一桥梁，解决自动驾驶仿真到现实生成中的现实性与真实性困境，提升控制精度与时间稳定性。

Comments Project website https://albertchen98.github.io/DwD-project/

Autonomous Manipulation of Hazardous Chemicals and Delicate Objects in a Self-Driving Laboratory: A Sliding Mode Approach

在自动驾驶实验室中实现危险化学品和精密物体的自主操作：一种滑模方法

Shifa Sulaiman, Francesco Schetter, Tobias Jensen, Simon Bøgh, Fanny Ficuciello

机构 * Department of Electronic Systems, Aalborg University（电子系统系，奥尔堡大学） ； Department of Information Technology and Electrical Engineering, University of Naples（信息科技与电气工程系，那不勒斯大学） 纠错

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

AI总结 本研究提出基于模型的滑模控制方法，用于在自动驾驶实验室中实现危险化学品和精密物体的自主操作，验证了其在提高运动平滑度和精度方面的有效性。

Admittance-Based Motion Planning with Vision-Guided Initialization for Robotic Manipulators in Self-Driving Laboratories

基于阻抗的运动规划与视觉引导初始化用于自动驾驶实验室中的机械臂

Shifa Sulaiman, Tobias Jensen, Francesco Schetter, Simon Bøgh

机构 * Department of Electronics Systems, Aalborg University（电子系统系，奥尔堡大学） ； Department of Information Technology and Electrical Engineering, Università degli Studi di Napoli Federico II（信息科技与电气工程系，那不勒斯费迪里奇二世大学） 纠错

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

AI总结 本文提出了一种基于阻抗控制的运动规划方法，结合视觉引导初始化，实现机械臂在自动驾驶实验室中的自适应和安全操作。

A Generic Service-Oriented Function Offloading Framework for Connected Automated Vehicles

面向连接自动化车辆的通用服务导向功能卸载框架

Robin Dehler, Michael Buchholz

机构 * Institute of Measurement, Control and Microtechnology, Ulm University（测量、控制与微技术研究所，乌尔姆大学） 纠错

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

AI总结 本文提出了一种面向连接自动化车辆的通用服务导向功能卸载框架，通过基于位置的策略实现任务卸载，提升计算效率并保证服务质量。

Comments 8 pages, 6 figures, 2 tables, published in RA-L

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 5, May 2025)

Robustness Is a Function, Not a Number: A Factorized Comprehensive Study of OOD Robustness in Vision-Based Driving

鲁棒性是一种函数，而不是一个数字：对基于视觉的驾驶OOD鲁棒性进行因素化的综合研究

Amir Mallak, Alaa Maalouf

机构 * University of Haifa（海法大学） 纠错

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

AI总结 本文研究了基于视觉的驾驶OOD鲁棒性，通过因素分解发现ViT策略比CNN更鲁棒，季节和时间变化显著影响性能，FM特征在延迟成本下表现最佳，多环境训练能提升弱案例表现。

Modeling 3D Pedestrian-Vehicle Interactions for Vehicle-Conditioned Pose Forecasting

为车辆条件化姿态预测建模的行人-车辆交互

Guangxun Zhu, Xuan Liu, Nicolas Pugeault, Chongfeng Wei, Edmond S. L. Ho

机构 * School of Computing Science, University of Glasgow（计算科学学院，格拉斯哥大学） ； James Watt School of Engineering, University of Glasgow（詹姆斯·瓦特工程学院，格拉斯哥大学） 纠错

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

AI总结 本文提出了一种基于3D车辆条件化的行人姿态预测方法，通过融合车辆信息提升自动驾驶中行人-车辆交互的预测精度。

Comments Accepted for IEEE International Conference on Robotics and Automation (ICRA) 2026

Nimbus: A Unified Embodied Synthetic Data Generation Framework

Nimbus：一个统一的具身合成数据生成框架

Zeyu He, Yuchang Zhang, Yuanzhen Zhou, Miao Tao, Hengjie Li, Hui Wang, Yang Tian, Jia Zeng, Tai Wang, Wenzhe Cai, Yilun Chen, Ning Gao, Jiangmiao Pang

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

AI总结 Nimbus通过统一的四层架构和解耦执行模型，提升合成数据生成的吞吐量和稳定性，支持大规模分布式环境下的持续高吞吐数据生成。

Steerable Adversarial Scenario Generation through Test-Time Preference Alignment

通过测试时间偏好对齐的可操控对抗场景生成

Tong Nie, Yuewen Mei, Yihong Tang, Junlin He, Jie Sun, Haotian Shi, Wei Ma, Jian Sun

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Tongji University（同济大学） ； McGill University（麦吉尔大学） 纠错

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

AI总结 SAGE通过测试时间偏好对齐实现对抗性场景生成的可控权衡，提升自动驾驶系统安全性评估效率。

Comments ICLR 2026

Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)

Assessing Projected Quantum Kernels for the Classification of IoT Data

评估用于物联网数据分类的投影量子核

Francesco D'Amore, Luca Mariani, Carlo Mastroianni, Francesco Plastina, Luca Salatino, Jacopo Settino, Andrea Vinci

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出利用投影量子核对物联网数据进行分类，通过比较PQK与经典方法，验证了其在量子编码中的有效性。

Journal ref Array Volume 29, March 2026, 100695