自动驾驶

Privacy-Concealing Cooperative Perception for BEV Scene Segmentation

隐私保护的协作感知用于鸟瞰图场景分割

Song Wang, Lingling Li, Marcus Santos, Guanghui Wang

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

AI总结 本文提出隐私保护协作框架，通过隐藏网络与对抗学习机制，在保持分割性能的同时降低重建图像质量，保护协作车辆隐私。

V2V-LLM: Vehicle-to-Vehicle Cooperative Autonomous Driving with Multimodal Large Language Models

V2V-LLM：基于多模态大语言模型的车与车协同自动驾驶

Hsu-kuang Chiu, Ryo Hachiuma, Chien-Yi Wang, Stephen F. Smith, Yu-Chiang Frank Wang, Min-Hung Chen

机构 * NVIDIA ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出基于多模态大语言模型的V2V-LLM，通过车与车协同感知提升自动驾驶安全性和性能。

Comments Accepted by ICRA 2026 (IEEE International Conference on Robotics and Automation). Project: https://eddyhkchiu.github.io/v2vllm.github.io/ Code: https://github.com/eddyhkchiu/V2V-LLM Dataset: https://huggingface.co/datasets/eddyhkchiu/V2V-GoT-QA

3DRot: Rediscovering the Missing Primitive for RGB-Based 3D Augmentation

3DRot：重新发现RGB基于3D增强中缺失的基本原理

Shitian Yang, Deyu Li, Xiaoke Jiang, Lei Zhang

机构 * International Digital Economy Academy (IDEA), Shenzhen, China（国际数字经济学院（IDEA）） ； Shenzhen University, Shenzhen, China（深圳大学） 纠错

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

AI总结 3DRot是一种新的RGB基于3D增强方法，通过旋转和镜像图像并更新相关参数，提升3D检测和深度估计的性能。

AdaptManip: Learning Adaptive Whole-Body Object Lifting and Delivery with Online Recurrent State Estimation

AdaptManip: 基于在线递归状态估计的自适应全身体态物体抓取与配送

Morgan Byrd, Donghoon Baek, Kartik Garg, Hyunyoung Jung, Daesol Cho, Maks Sorokin, Robert Wright, Sehoon Ha

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 AdaptManip通过强化学习实现人形机器人自主导航、物体抓取与配送，无需人类示范，具备高鲁棒性和适应性。

Comments Website: https://morganbyrd03.github.io/adaptmanip/

3D Wi-Fi Signal Measurement in Realistic Digital Twin Testbed Environments Using Ray Tracing

在现实数字孪生测试环境中的3D Wi-Fi信号测量：利用光线追踪

Mengyuan Wang, Haopeng Wang, Haiwei Dong, Abdulmotaleb El Saddik

专题命中 感知 ：LiDAR(abstract)

AI总结 本文提出基于数字孪生的3D Wi-Fi信号测量系统，利用光线追踪实现高精度电磁建模，验证了其在现实环境中的有效性与频率依赖性材料衰减建模能力。

Comments accepted by IEEE Transactions on Instrumentation and Measurement

Adaptive Time Step Flow Matching for Autonomous Driving Motion Planning

自适应时间步长流匹配用于自动驾驶运动规划

Ananya Trivedi, Anjian Li, Mohamed Elnoor, Yusuf Umut Ciftci, Avinash Singh, Jovin D'sa, Sangjae Bae, David Isele, Taskin Padir, Faizan M. Tariq

机构 * HRI ； Honda Research Institute（本田研究院） ； Northeastern University（东北大学） ； Princeton University（普林斯顿大学） ； University of Maryland（马里兰大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出了一种基于条件流匹配的自适应时间步长框架，用于实时自动驾驶轨迹规划，通过在线调整推理步骤数和轨迹后处理提升性能。

Comments Accepted to Intelligent Vehicles Symposium 2026

BoundPlanner: A convex-set-based approach to bounded manipulator trajectory planning

BoundPlanner: 一种基于凸集的有界机械臂轨迹规划方法

Thies Oelerich, Christian Hartl-Nesic, Florian Beck, Andreas Kugi

机构 * Automation and Control Institute (ACIN), TU Wien（自动化与控制研究所（ACIN），维也纳技术大学） 纠错

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

AI总结 BoundPlanner通过基于凸集的轨迹规划方法，实现机械臂在考虑运动学和碰撞约束下的高效在线轨迹规划。

Comments Published at RA-L

A Generalizable Physics-guided Causal Model for Trajectory Prediction in Autonomous Driving

一种通用的物理引导因果模型用于自动驾驶中的轨迹预测

Zhenyu Zong, Yuchen Wang, Haohong Lin, Lu Gan, Huajie Shao

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

AI总结 本文提出了一种通用的物理引导因果模型，通过解耦场景编码器和因果ODE解码器提升自动驾驶中的零样本轨迹预测能力。

Comments 8 pages, 4 figures, Accepted by IEEE ICRA 2026

V2V-GoT: Vehicle-to-Vehicle Cooperative Autonomous Driving with Multimodal Large Language Models and Graph-of-Thoughts

V2V-GoT: 基于多模态大语言模型和思维图的车对车协同自动驾驶

Hsu-kuang Chiu, Ryo Hachiuma, Chien-Yi Wang, Yu-Chiang Frank Wang, Min-Hung Chen, Stephen F. Smith

机构 * NVIDIA ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出V2V-GoT框架，结合多模态大语言模型和图-思维方法，提升车对车协同自动驾驶的感知、预测和规划能力。

Comments Accepted by ICRA 2026 (IEEE International Conference on Robotics and Automation). Project: https://eddyhkchiu.github.io/v2vgot.github.io/ Code: https://github.com/eddyhkchiu/V2V-GoT Dataset: https://huggingface.co/datasets/eddyhkchiu/V2V-GoT-QA

ONRAP: Occupancy-driven Noise-Resilient Autonomous Path Planning

ONRAP：基于占用度的抗噪声自主路径规划

Faizan M. Tariq, Avinash Singh, Vipul Ramtekkar, Jovin D'sa, David Isele, Yosuke Sakamoto, Sangjae Bae

机构 * Honda Research Institute, CA, USA（本田研究院，美国加利福尼亚州） ； Honda Research and Development（本田研发） 纠错

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

AI总结 ONRAP 提出了一种基于占用网格的抗噪声路径规划方法，结合占用流预测以生成安全可行的路径，实现实时运行并有效应对不确定环境。

Comments 8 pages, 9 figures - Presented at 2026 IEEE Intelligent Vehicles Symposium (IV)

Inferring Turn-Rate-Limited Engagement Zones with Sacrificial Agents for Safe Trajectory Planning

利用牺牲代理推断受限转弯率的接触区域以实现安全轨迹规划

Grant Stagg, Cameron K. Peterson

机构 * Brigham Young University 纠错

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

AI总结 本文通过牺牲代理推断受限转弯率的接触区域，利用几何启发式和贝叶斯方法优化轨迹选择，实现安全高效的轨迹规划。

Comments Submitted to the Journal of Aerospace Information Systems

Deep Reinforcement Learning based Autonomous Decision-Making for Cooperative UAVs: A Search and Rescue Real World Application

基于深度强化学习的自主决策合作无人机：一种搜索与救援现实应用

Thomas Hickling, Maxwell Hogan, Abdulla Tammam, Nabil Aouf

机构 * School of Science（科学学院） ； Technology City St George's University of London London, United Kingdom（圣乔治伦敦大学技术学院伦敦英国） 纠错

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

AI总结 本文提出基于深度强化学习的自主决策框架，用于室内搜索与救援任务，通过APF奖励和图注意力网络实现高效任务分配与导航，实现实时厘米级稳定性，取得竞赛第一名。

Comments 22 Pages, 24 Figures

Autonomous Robotic Tissue Palpation and Abnormalities Characterisation via Ergodic Exploration

自主机器人组织触诊及异常特征表征 via 耐久性探索

Luca Beber, Edoardo Lamon, Matteo Saveriano, Daniele Fontanelli, Luigi Palopoli

机构 * Department of Information Engineering and Computer Science, University of Trento（信息工程与计算机科学系，特伦托大学） ； Department of Industrial Engineering, University of Trento（工业工程系，特伦托大学） 纠错

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

AI总结 本文提出了一种基于耐久性探索的自主机器人触诊框架，通过结合力反馈与高斯过程回归，实现对组织弹性特性的高精度实时映射，提升异常特征的检测能力。

Comments Submitted to IEEE Robotics and Automation Letters (RA-L)

HiST-VLA: A Hierarchical Spatio-Temporal Vision-Language-Action Model for End-to-End Autonomous Driving

HiST-VLA：一种用于端到端自动驾驶的分层时空视觉-语言-动作模型

Yiru Wang, Zichong Gu, Yu Gao, Anqing Jiang, Zhigang Sun, Shuo Wang, Yuwen Heng, Hao Sun

机构 * Bosch Corporate Research（博世企业研究） ； School of Communication and Information Engineering（信息工程学院） 纠错

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

AI总结 HiST-VLA通过分层时空视觉-语言-动作模型提升自动驾驶轨迹生成的精度与效率，实现端到端的自动驾驶系统。

GaussianFormer3D: Multi-Modal Gaussian-based Semantic Occupancy Prediction with 3D Deformable Attention

GaussianFormer3D: 多模态基于高斯的语义占用预测与3D可变形注意力

Lingjun Zhao, Sizhe Wei, James Hays, Lu Gan

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 GaussianFormer3D通过3D可变形注意力机制，结合激光雷达与摄像头数据，实现高效且精确的语义占用预测。

Shifted Eigenvector Models for Centrality and Occupancy in Urban Networks

偏移特征向量模型用于城市网络中的中心性与占用

María Magdalena Martínez-Rico, Luis Felipe Prieto-Martínez

专题命中 BEV与占用 ：occupancy(title,abstract)

AI总结 本文提出偏移特征向量模型，用于分析城市网络中的中心性与占用，结合拓扑和非拓扑因素，通过最小二乘法估计参数并评估城市干预影响。

BEVTraj: Map-Free End-to-End Trajectory Prediction in Bird's-Eye View with Deformable Attention and Sparse Goal Proposals

BEVTraj: 无地图端到端鸟瞰图轨迹预测方法，采用可变形注意力和稀疏目标提案

Minsang Kong, Myeongjun Kim, Sang Gu Kang, Hejiu Lu, Yupeng Zhong, Sang Hun Lee

机构 * Department of Automobile and IT Convergence, Kookmin University（汽车与IT融合系，韩国釜山大学） ； Department of Automotive Engineering, Kookmin University（汽车工程系，韩国釜山大学） ； Graduate School of Automobile and Mobility, Kookmin University（汽车与移动研究生院，韩国釜山大学） 纠错

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

AI总结 BEVTraj通过可变形注意力和稀疏目标提案实现无地图端到端鸟瞰图轨迹预测，提升自动驾驶的鲁棒性和灵活性。

Comments Submitted to IEEE Transactions on Intelligent Transportation Systems (under review)

LHAASO observation of Mrk 421 during 2021 March - 2024 March: a comprehensive VHE catalog of multi-timescale outbursts and its time average behavior

LHAASO对Mrk 421的2021年3月至2024年3月观测：多时间尺度爆发的全面VHE目录及其时间平均行为

The LHAASO Collaboration, Zhen Cao, F. Aharonian, Y. X. Bai, Y. W. Bao, D. Bastieri, X. J. Bi, Y. J. Bi, W. Bian, J. Blunier, A. V. Bukevich, C. M. Cai, Y. Y. Cai, W. Y. Cao, Zhe Cao, J. Chang, J. F. Chang, E. S. Chen, G. H. Chen, H. K. Chen, L. F. Chen, Liang Chen, Long Chen, M. J. Chen, M. L. Chen, Q. H. Chen, S. Chen, S. H. Chen, S. Z. Chen, T. L. Chen, X. B. Chen, X. J. Chen, X. P. Chen, Y. Chen, N. Cheng, Q. Y. Cheng, Y. D. Cheng, M. Y. Cui, S. W. Cui, X. H. Cui, Y. D. Cui, B. Z. Dai, H. L. Dai, Z. G. Dai, Danzengluobu, Y. X. Diao, A. J. Dong, X. Q. Dong, K. K. Duan, J. H. Fan, Y. Z. Fan, J. Fang, J. H. Fang, K. Fang, C. F. Feng, H. Feng, L. Feng, S. H. Feng, X. T. Feng, Y. Feng, Y. L. Feng, S. Gabici, B. Gao, Q. Gao, W. Gao, W. K. Gao, M. M. Ge, T. T. Ge, L. S. Geng, G. Giacinti, G. H. Gong, Q. B. Gou, M. H. Gu, F. L. Guo, J. Guo, K. J. Guo, X. L. Guo, Y. Q. Guo, Y. Y. Guo, R. P. Han, O. A. Hannuksela, M. Hasan, H. H. He, H. N. He, J. Y. He, X. Y. He, Y. He, S. Hernández-Cadena, B. W. Hou, C. Hou, X. Hou, H. B. Hu, S. C. Hu, C. Huang, D. H. Huang, J. J. Huang, X. L. Huang, X. T. Huang, X. Y. Huang, Y. Huang, Y. Y. Huang, A. Inventar, X. L. Ji, H. Y. Jia, K. Jia, H. B. Jiang, K. Jiang, X. W. Jiang, Z. J. Jiang, M. Jin, S. Kaci, M. M. Kang, I. Karpikov, D. Khangulyan, D. Kuleshov, K. Kurinov, Cheng Li, Cong Li, D. Li, F. Li, H. B. Li, H. C. Li, Jian Li, Jie Li, K. Li, L. Li, R. L. Li, S. D. Li, T. Y. Li, W. L. Li, X. R. Li, Y. Li, Zhe Li, Zhuo Li, E. W. Liang, Y. F. Liang, S. J. Lin, B. Liu, C. Liu, D. Liu, D. B. Liu, H. Liu, J. Liu, J. L. Liu, J. R. Liu, M. Y. Liu, R. Y. Liu, S. M. Liu, W. Liu, X. Liu, Y. Liu, Y. Liu, Y. N. Liu, Y. Q. Lou, Q. Luo, Y. Luo, H. K. Lv, B. Q. Ma, L. L. Ma, X. H. Ma, I. O. Maliy, J. R. Mao, Z. Min, W. Mitthumsiri, Y. Mizuno, G. B. Mou, A. Neronov, K. C. Y. Ng, M. Y. Ni, L. Nie, L. J. Ou, Z. W. Ou, P. Pattarakijwanich, Z. Y. Pei, D. Y. Peng, J. C. Qi, M. Y. Qi, J. J. Qin, D. Qu, A. Raza, C. Y. Ren, D. Ruffolo, A. Sáiz, D. Savchenko, D. Semikoz, L. Shao, O. Shchegolev, Y. Z. Shen, X. D. Sheng, Z. D. Shi, F. W. Shu, H. C. Song, Yu. V. Stenkin, Y. Su, D. X. Sun, H. Sun, J. X. Sun, Q. N. Sun, X. N. Sun, Z. B. Sun, N. H. Tabasam, J. Takata, P. H. T. Tam, H. B. Tan, Q. W. Tang, R. Tang, Z. B. Tang, W. W. Tian, C. N. Tong, L. H. Wan, C. Wang, D. H. Wang, G. W. Wang, H. G. Wang, J. C. Wang, K. Wang, Kai Wang, Kai Wang, L. P. Wang, L. Y. Wang, L. Y. Wang, R. Wang, W. Wang, X. G. Wang, X. J. Wang, X. Y. Wang, Y. Wang, Y. D. Wang, Z. H. Wang, Z. X. Wang, Zheng Wang, D. M. Wei, J. J. Wei, Y. J. Wei, T. Wen, S. S. Weng, C. Y. Wu, H. R. Wu, Q. W. Wu, S. Wu, X. F. Wu, Y. S. Wu, S. Q. Xi, J. Xia, J. J. Xia, G. M. Xiang, D. X. Xiao, G. Xiao, Y. F. Xiao, Y. L. Xin, H. D. Xing, Y. Xing, D. R. Xiong, B. N. Xu, C. Y. Xu, D. L. Xu, R. F. Xu, R. X. Xu, S. S. Xu, W. L. Xu, L. Xue, D. H. Yan, T. Yan, C. W. Yang, C. Y. Yang, F. F. Yang, L. L. Yang, M. J. Yang, R. Z. Yang, W. X. Yang, Z. H. Yang, Z. G. Yao, X. A. Ye, L. Q. Yin, N. Yin, X. H. You, Z. Y. You, Q. Yuan, H. Yue, H. D. Zeng, T. X. Zeng, W. Zeng, X. T. Zeng, M. Zha, B. B. Zhang, B. T. Zhang, C. Zhang, H. Zhang, H. M. Zhang, H. Y. Zhang, J. L. Zhang, J. Y. Zhang, Li Zhang, P. F. Zhang, R. Zhang, S. R. Zhang, S. S. Zhang, S. Y. Zhang, W. Zhang, W. Y. Zhang, X. Zhang, X. P. Zhang, Yi Zhang, Yong Zhang, Z. P. Zhang, J. Zhao, L. Zhao, L. Z. Zhao, S. P. Zhao, X. H. Zhao, Z. H. Zhao, F. Zheng, T. C. Zheng, B. Zhou, H. Zhou, J. N. Zhou, M. Zhou, P. Zhou, R. Zhou, X. X. Zhou, X. X. Zhou, B. Y. Zhu, C. G. Zhu, F. R. Zhu, H. Zhu, K. J. Zhu, Y. C. Zou, X. Zuo

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 LHAASO三年监测揭示Mrk 421多时间尺度爆发特征，发现其在不同能量区的流量分布差异，揭示喷流中两种能量耗散模式。

Comments 34 pages, 20 figures

Cross-view Domain Generalization via Geometric Consistency for LiDAR Semantic Segmentation

通过几何一致性实现跨视角领域泛化的LiDAR语义分割

Jindong Zhao, Yuan Gao, Yang Xia, Sheng Nie, Jun Yue, Weiwei Sun, Shaobo Xia

机构 * School of Aeronautic Engineering, Changsha University of Science and Technology（长沙理工大学航空工程学院） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空信息研究所） ； School of Automation, Central South University（中南大学自动化学院） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 CVGC通过几何一致性模块解决跨视角LiDAR语义分割中的领域泛化问题，优于现有方法。

Polarization-Multiplexed Chaotic LiDAR Based on a VCSEL with Delayed Orthogonal Feedback

基于VCSEL的极化多路复用混沌LiDAR

T. Wang, Z. Li, H. Shen, Y. Ma, Y. Li, S. Xiang, S. Baland, Y. Hao

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 本文提出基于VCSEL的极化多路复用混沌LiDAR系统，通过延迟正交极化反馈实现高精度测距，具备可调谐和抗干扰优势，适用于自动驾驶等应用。

Geometry-to-Image Synthesis-Driven Generative Point Cloud Registration

基于几何到图像合成的生成式点云配准

Haobo Jiang, Jin Xie, Jian Yang, Liang Yu, Jianmin Zheng

机构 * ANGEL CorpLab and College of Computing and Data Science, Nanyang Technological University, Singapore（ANGEL CorpLab和计算与数据科学学院，南洋理工大学，新加坡） ； Alibaba Cloud, Alibaba Group, China（阿里巴巴云，阿里巴巴集团，中国） ； PCA Lab, VCIP, College of Computer Science, Nankai University, China（PCA实验室，VCIP，计算机科学学院，南开大学，中国） ； State Key Laboratory for Novel Software Technology & Schoolof Intelligence Science and Technology, Nanjing University, China（新型软件技术国家重点实验室与智能科学与技术学校，南京大学，中国） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出生成式点云配准方法，通过生成跨视角一致的图像对，结合几何与颜色特征融合，提升3D配准性能。

Comments Journal extension of the ICML 2025 paper "Generative Point Cloud Registration". This version adopts a new title, and includes substantial methodological improvements, additional experiments, and extended analysis. Under review at IEEE TPAMI

Foundation Models in Autonomous Driving: A Survey on Scenario Generation and Scenario Analysis

自动驾驶中的基础模型：场景生成与场景分析的综述

Yuan Gao, Mattia Piccinini, Yuchen Zhang, Dingrui Wang, Korbinian Moller, Roberto Brusnicki, Baha Zarrouki, Alessio Gambi, Jan Frederik Totz, Kai Storms, Steven Peters, Andrea Stocco, Bassam Alrifaee, Marco Pavone, Johannes Betz

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

AI总结 本文综述了基础模型在自动驾驶场景生成与分析中的应用，探讨了相关模型、方法及挑战。

Comments IEEE Open Journal of Intelligent Transportation Systems

Journal ref IEEE Open Journal of Intelligent Transportation Systems, 03 February 2026

Nighttime Autonomous Driving Scene Reconstruction with Physically-Based Gaussian Splatting

夜间自动驾驶场景重建与基于物理的高斯点云

Tae-Kyeong Kim, Xingxin Chen, Guile Wu, Chengjie Huang, Dongfeng Bai, Bingbing Liu

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 本文提出基于物理的高斯点云方法，提升自动驾驶夜间场景重建质量，实现实时渲染并优于现有方法。

Comments ICRA 2026

ThermEval: A Structured Benchmark for Evaluation of Vision-Language Models on Thermal Imagery

ThermEval: 一种用于评估视觉语言模型在热成像上的性能的结构化基准

Ayush Shrivastava, Kirtan Gangani, Laksh Jain, Mayank Goel, Nipun Batra

机构 * Indian Institute of Technology, Gandhinagar, India（印度理工学院加尔各答分校） ； Carnegie Mellon University, Pittsburgh, USA（卡内基梅隆大学） 纠错

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

AI总结 ThermEval通过结构化基准评估视觉语言模型在热成像上的性能，揭示其在温度推理和颜色映射转换上的不足，推动热视觉语言模型的发展。

Comments 8 Pages with 2 figures of main content. 2 pages of References. 10 pages of appendix with 6 figures

Car-1000: A New Large Scale Fine-Grained Visual Categorization Dataset

Car-1000：一个新的大规模细粒度视觉分类数据集

Yutao Hu, Sen Li, Jincheng Yan, Wenqi Shao, Xiaoyan Luo

机构 * Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（新一代人工智能技术及交叉应用国家重点实验室（东南大学）） ； School of Astronautics, Beihang University（北航航天学院） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 Car-1000是一个大规模细粒度视觉分类数据集，包含1000种不同汽车型号，旨在提升自动驾驶和交通监控等领域的识别性能。

Comments accepted to The Eleventh Workshop on Fine-Grained Visual Categorization in CVPR 2024

Polymer Brushes and Grafted Polymers: AI/ML-Driven Synthesis, Simulation, and Characterization towards autonomous SDL

聚合物刷与接枝聚合物：面向自主SDL的AI/ML驱动合成、模拟与表征

Rigoberto C. Advincula, Jihua Chen

专题命中 仿真评测 ：self-driving(abstract)

AI总结 本文提出利用AI/ML技术优化聚合物刷和接枝聚合物的合成、模拟与表征，通过高通量实验和数据驱动方法推动科学发现和应用开发。

Comments 512 pages, 5 figures

Assessing Cybersecurity Risks and Traffic Impact in Connected Autonomous Vehicles

评估连接自动驾驶车辆中的网络安全风险与交通影响

Saurav Silwal, Lu Gao, Ph. D. Yunpeng Zhang, Ph. D. Ahmed Senouci, Ph. D. Yi-Lung Mo, Ph. D., P. E

专题命中 仿真评测 ：self-driving(abstract)

AI总结 本研究通过模拟网络攻击对连接自动驾驶车辆的影响，提出了一种创新的跟车模型以提升交通效率与安全。

DriveFine: Refining-Augmented Masked Diffusion VLA for Precise and Robust Driving

DriveFine: 通过细化增强的掩码扩散VLA实现精确且鲁棒的驾驶

Chenxu Dang, Sining Ang, Yongkang Li, Haochen Tian, Jie Wang, Guang Li, Hangjun Ye, Jie Ma, Long Chen, Yan Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米电动车） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） 纠错

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

AI总结 DriveFine提出一种结合灵活解码与自我纠正能力的掩码扩散VLA模型，通过插件式块MoE和混合强化学习策略提升自动驾驶规划的精度与鲁棒性。