自动驾驶

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)