自动驾驶

Safe-SDL:Establishing Safety Boundaries and Control Mechanisms for AI-Driven Self-Driving Laboratories

Safe-SDL:建立AI驱动自主实验室的安全边界与控制机制

Zihan Zhang, Haohui Que, Junhan Chang, Xin Zhang, Hao Wei, Tong Zhu

机构 * Shanghai Innovation Institute（上海创新研究院） ； Nankai University（南开大学） ； East China Normal University（华东师范大学） ； AI for Science Institute, Beijing（北京人工智能科学研究院） ； Peking University（北京大学） ； DP Technology（DP技术公司） ； Shanghai Jiao Tong University（上海交通大学） ； National Key Laboratory of Advanced Micro and Nano Manufacture Technology, School of Integrated Circuits, Shanghai Jiao Tong University, Shanghai 200240, China（上海交通大学国家先进微纳米制造技术重点实验室，集成电路学院，上海200240，中国） 纠错

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

AI总结 Safe-SDL通过建立安全边界和控制机制，解决AI驱动自主实验室中的语法到安全间隙问题，确保实验系统的安全性和一致性。

FlowDrive: moderated flow matching with data balancing for trajectory planning

FlowDrive: 带数据平衡的流量匹配用于轨迹规划

Lingguang Wang, Ömer Şahin Taş, Marlon Steiner, Christoph Stiller

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（弗劳恩霍夫信息技术研究中心） 纠错

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

AI总结 FlowDrive通过数据平衡和流量匹配技术，提升轨迹规划在稀有场景下的性能，实现最先进的规划效果。

SafeFlowMPC: Predictive and Safe Trajectory Planning for Robot Manipulators with Learning-based Policies

SafeFlowMPC: 基于学习策略的机器人机械臂预测与安全轨迹规划

Thies Oelerich, Gerald Ebmer, Christian Hartl-Nesic, Andreas Kugi

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

AI总结 SafeFlowMPC结合流匹配和在线优化，为机器人机械臂提供安全且灵活的预测轨迹规划方法，通过实验验证其在抓取和人机交互任务中的高效性能。

Comments Accepted at ICRA 2026

SpecFuse: A Spectral-Temporal Fusion Predictive Control Framework for UAV Landing on Oscillating Marine Platforms

SpecFuse：一种用于无人机在振荡海洋平台着陆的频谱-时间融合预测控制框架

Haichao Liu, Yufeng Hu, Shuang Wang, Kangjun Guo, Jun Ma, Jinni Zhou

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 SpecFuse通过融合频谱与时间域的预测控制方法，实现无人机在振荡海洋平台上的高精度着陆，显著提升预测精度和鲁棒性。

Comments 8 pages, 5 figures, 4 tables

SAGAN-VI: When Jets Meet Filaments -- Environmental Imprints on the Growth of Giant Radio Galaxies

SAGAN-VI：当喷流遇见纤维体——环境印记对巨型射电星系生长的影响

Mousumi Mahato, Elmo Tempel, Shishir Sankhyayan, Pratik Dabhade, Kshitij Chavan

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究通过分析GRGs与SRGs的环境因素，发现喷流与纤维体的对齐关系影响巨型射电星系的形态和生长。

Comments Accepted for publication in Astronomy & Astrophysics (A&A). 8 Figures, 3 images, and 1 table. Comments are welcome

Journal ref A&A 706, A310 (2026)