自动驾驶

Hydra-Nav: Object Navigation via Adaptive Dual-Process Reasoning

Hydra-Nav: 通过自适应双过程推理实现物体导航

Zixuan Wang, Huang Fang, Shaoan Wang, Yuanfei Luo, Heng Dong, Wei Li, Yiming Gan

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Peking University（北京大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO

AI总结 Hydra-Nav通过自适应双过程推理提升物体导航效率，实现高效探索与决策。

Controlling the Flow of Information in Optical Metrology

在光学计量中控制信息流动

Maximilian Weimar, Huanli Zhou, Luca Neubacher, Thomas A. Grant, Jakob Hüpfl, Kevin F. MacDonald, Stefan Rotter, Nikolay I. Zheludev

专题命中 感知 ：LiDAR(abstract)

AI总结 通过定制信息源和流动，光学计量可实现亚原子精度，利用非线性现象和AI估计器提升测量精度，应用于原子尺度诊断及LiDAR、遥感等技术优化。

Comments 28 pages, 7 figures

A Collision-Free Sway Damping Model Predictive Controller for Safe and Reactive Forestry Crane Navigation

一种无碰撞的摇摆阻尼模型预测控制器用于安全且反应性的林业起重机导航

Marc-Philip Ecker, Christoph Fröhlich, Johannes Huemer, David Gruber, Bernhard Bischof, Tobias Glück, Wolfgang Kemmetmüller

机构 * Automation & Control Institute (ACIN), TU Wien（自动化与控制研究所（ACIN），维也纳技术大学） ； Center for Vision, Automation & Control, AIT Austrian Institute of Technology GmbH（视觉、自动化与控制中心，奥地利技术研究所） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出了一种无碰撞的摇摆阻尼模型预测控制器，用于林业起重机的安全导航和实时环境适应。

Comments Accepted at ICRA 2026

TriPilot-FF: Coordinated Whole-Body Teleoperation with Force Feedback

TriPilot-FF：具有力反馈的协调全身遥控

Zihao Li, Yanan Zhou, Ranpeng Qiu, Hangyu Wu, Guoqiang Ren, Weiming Zhi

机构 * Zeno AI ； Zhejiang University（浙江大学） ； Zhejiang University of Technology（浙江工业大学） ； University of Sydney（悉尼大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 TriPilot-FF通过引入脚踏板触觉反馈和双臂跟随遥控，实现了具有力反馈的协调全身遥控，提升移动机械臂的操控精度和避障能力。

TURBO: Utility-Aware Bandwidth Allocation for Cloud-Augmented Autonomous Control

TURBO：面向云增强自主控制的效用感知带宽分配

Peter Schafhalter, Alexander Krentsel, Hongbo Wei, Joseph E. Gonzalez, Sylvia Ratnasamy, Scott Shenker, Ion Stoica

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 TURBO通过联合优化汽车和云的带宽分配与控制管道配置，提升自动驾驶系统的精度和安全性。

Comments 34 pages, 13 figures

VDRive: Leveraging Reinforced VLA and Diffusion Policy for End-to-end Autonomous Driving

VDRive：利用强化VLA和扩散策略实现端到端自动驾驶

Ziang Guo, Zufeng Zhang

机构 * Suzhou Automotive Research Institute of Tsinghua University（清华大学苏州汽车研究院） 纠错

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

AI总结 VDRive通过结合强化VLA和扩散策略，实现端到端自动驾驶，提升决策的可解释性和鲁棒性。

Comments WIP

ConsisDrive: Identity-Preserving Driving World Models for Video Generation by Instance Mask

ConsisDrive: 用于视频生成的实例掩码驾驶世界模型

Zhuoran Yang, Yanyong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 ConsisDrive通过实例掩码注意力和损失机制提升驾驶视频生成质量及自动驾驶性能。

Bridging the Modality Gap in Roadside LiDAR: A Training-Free Vision-Language Model Framework for Vehicle Classification

弥合道路激光雷达的模态差距：一种无需训练的视觉-语言模型框架用于车辆分类

Yiqiao Li, Bo Shang, Jie Wei

机构 * Department of Civil Engineering, City College of New York（城市学院土木工程系） ； Department of Computer Science, City College of New York（城市学院计算机科学系） 纠错

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

AI总结 本文提出一种无需训练的视觉-语言模型框架，用于解决道路激光雷达中稀疏点云与密集图像之间的模态差距问题，实现细粒度车辆分类。

Comments 12 pages, 10 figures, 4 tables

Latent Safety-Constrained Policy Approach for Safe Offline Reinforcement Learning

潜在安全约束策略方法用于安全离线强化学习

Prajwal Koirala, Zhanhong Jiang, Soumik Sarkar, Cody Fleming

机构 * Iowa State University（爱荷华州立大学） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 本文提出了一种潜在安全约束策略方法，通过条件变分自动编码器和受约束奖励-回报最大化框架，实现了安全离线强化学习中的安全性和奖励优化的平衡。

Journal ref International Conference on Learning Representations (ICLR), 2025

LD-ViCE: Latent Diffusion Model for Video Counterfactual Explanations

LD-ViCE：基于视频的反事实解释的潜在扩散模型

Payal Varshney, Adriano Lucieri, Christoph Balada, Sheraz Ahmed, Andreas Dengel

机构 * Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau（莱茵-瓦尔德大学凯泽斯劳滕-兰道分校） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） 纠错

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

AI总结 LD-ViCE通过潜在扩散模型生成高质量的视频反事实解释，提升模型可解释性和可信度。

Comments 44 Pages