自动驾驶

VGGT-MPR: VGGT-Enhanced Multimodal Place Recognition in Autonomous Driving Environments

VGGT-MPR：基于VGGT的多模态地点识别在自动驾驶环境中的应用

Jingyi Xu, Zhangshuo Qi, Zhongmiao Yan, Xuyu Gao, Qianyun Jiao, Songpengcheng Xia, Xieyuanli Chen, Ling Pei

机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing Institute of Technology（北京理工大学） ； National University of Defense Technology（国防科技大学） 纠错

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

AI总结 VGGT-MPR通过视觉几何基础的Transformer实现多模态地点识别，在自动驾驶中表现出强鲁棒性。

Perception Characteristics Distance: Measuring Stability and Robustness of Perception System in Dynamic Conditions under a Certain Decision Rule

感知特性距离：在特定决策规则下动态条件下感知系统稳定性与鲁棒性测量

Boyu Jiang, Liang Shi, Zhengzhi Lin, Lanxin Xiang, Loren Stowe, Feng Guo

机构 * Department of Statistics, Virginia Tech（弗吉尼亚理工学院统计学系） ； Virginia Tech Transportation Institute（弗吉尼亚理工学院交通研究所） 纠错

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

AI总结 提出感知特性距离（PCD）作为衡量动态条件下感知系统稳定性与鲁棒性的新指标，并通过SensorRainFall数据集验证其有效性。

Comments This paper has been accepted to the CVPR 2026 Main Conference

MOGS: Monocular Object-guided Gaussian Splatting in Large Scenes

MOGS：在大场景中使用单目物体引导的高斯散射

Shengkai Zhang, Yuhe Liu, Jianhua He, Xuedou Xiao, Mozi Chen, Kezhong Liu

机构 * State Key Laboratory of Maritime Technology and Safety, Wuhan University of Technology（船舶技术与安全国家重点实验室，武汉理工大学） ； University of Essex（埃塞克斯大学） 纠错

专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 MOGS通过单目视觉-惯性传感器实现大场景中高斯散射的物体引导密集深度生成，显著降低训练时间和内存消耗，同时保持高质量渲染效果。

When the Inference Meets the Explicitness or Why Multimodality Can Make Us Forget About the Perfect Predictor

当推理遇见显式性或为什么多模态可以让我们忘记完美预测器

J. E. Domínguez-Vidal, Alberto Sanfeliu

机构 * Institut de Robòtica i Informàtica Industrial (CSIC-UPC)（机器人与信息工业研究所（CSIC-UPC）） ； Universitat Politècnica de Catalunya - BarcelonaTech (UPC)（加泰罗尼亚理工大学-巴塞罗那技术大学（UPC）） 纠错

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

AI总结 本文探讨了在人机协作任务中，显式通信与推理系统结合的效果，发现人类更倾向于自然的交互方式，且最佳策略是两者的结合。

Comments Original version submitted to the International Journal of Social Robotics. Final version available on the SORO website

FLUID: A Fine-Grained Lightweight Urban Signalized-Intersection Dataset of Dense Conflict Trajectories

FLUID: 一种细粒度轻量级密集冲突轨迹的城市信号交叉口数据集

Yiyang Chen, Zhigang Wu, Guohong Zheng, Xuesong Wu, Liwen Xu, Haoyuan Tang, Zhaocheng He, Haipeng Zeng

机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（智能系统工程学院，中山大学） ； Guangdong Provincial Key Laboratory of Intelligent Transportation Systems（广东省智能交通系统重点实验室） ； Pengcheng Laboratory（鹏城实验室） 纠错

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

AI总结 FLUID数据集通过细粒度轨迹记录和轻量级处理框架，为研究城市信号交叉口的密集冲突提供了高时空精度的数据支持。

Comments 30 pages, 16 figures

LRR-Bench: Left, Right or Rotate? Vision-Language models Still Struggle With Spatial Understanding Tasks

LRR-Bench：左、右还是旋转？视觉-语言模型在空间理解任务上仍面临挑战

Fei Kong, Jinhao Duan, Kaidi Xu, Zhenhua Guo, Xiaofeng Zhu, Xiaoshuang Shi

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Drexel University（德雷塞尔大学） ； Tianyijiaotong Technology Ltd.（天奕交通技术有限公司） 纠错

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

AI总结 LRR-Bench通过合成数据评估视觉-语言模型在空间理解任务上的性能，发现其在复杂任务上的表现远低于人类水平。

RADE-Net: Robust Attention Network for Radar-Only Object Detection in Adverse Weather

RADE-Net：面向恶劣天气的雷达-only目标检测稳健注意力网络

Christof Leitgeb, Thomas Puchleitner, Max Peter Ronecker, Daniel Watzenig

机构 * Infineon Technologies AG（英飞凌科技有限公司） ； Institute of Visual Computing（视觉计算研究所） ； Graz University of Technology（格拉茨工业大学） ； Virtual Vehicle Research GmbH（虚拟车辆研究有限公司） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 RADE-Net通过3D投影方法和轻量模型提升雷达在恶劣天气下的目标检测性能。

Comments Accepted to 2026 IEEE Intelligent Vehicles Symposium (IV)

Task-Oriented Computation Offloading for Edge Inference: An Integrated Bayesian Optimization and Deep Reinforcement Learning Framework

面向任务的边缘推断计算卸载：一种集成贝叶斯优化和深度强化学习的框架

Xian Li, Suzhi Bi, Ying-Jun Angela Zhang

专题命中 感知 ：self-driving(abstract)

AI总结 本文提出LAB框架，结合深度强化学习和贝叶斯优化，解决边缘设备计算卸载中的准确性与延迟权衡问题。

Comments This work has been submitted to the IEEE for possible publication

GuideFlow: Constraint-Guided Flow Matching for Planning in End-to-End Autonomous Driving

GuideFlow: 基于约束的流匹配用于端到端自动驾驶中的规划

Lin Liu, Caiyan Jia, Guanyi Yu, Ziying Song, JunQiao Li, Feiyang Jia, Peiliang Wu, Xiaoshuai Hao, Yadan Luo

机构 * School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） ； Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence（北京交通大数据挖掘与具身智能重点实验室） ； Qcraft ； Yanshan University（燕山大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； The University of Queensland（昆士兰大学） 纠错

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

AI总结 GuideFlow通过约束流匹配技术，在端到端自动驾驶中实现高效规划，直接强制显式约束并提升物理约束满足能力。

Compositionally Safe Construction of Autonomous Driving Systems

基于组成安全性的自动驾驶系统构建

Marius Bozga, Joseph Sifakis

专题命中 规划控制 ：autonomous driving(title,abstract)

AI总结 本文提出了一种基于组成安全性的自动驾驶系统构建方法，通过协调执行驾驶操作来确保安全，采用分阶段控制策略，涵盖主要驾驶任务。

Comments 34 pages, 13 figures

HONEST-CAV: Hierarchical Optimization of Network Signals and Trajectories for Connected and Automated Vehicles with Multi-Agent Reinforcement Learning

HONEST-CAV: 连续和自动化车辆网络信号与轨迹的分层优化方法基于多智能体强化学习

Ziyan Zhang, Changxin Wan, Peng Hao, Kanok Boriboonsomsin, Matthew J. Barth, Yongkang Liu, Seyhan Ucar, Guoyuan Wu

机构 * College of Engineering, Center for Environmental Research and Technology, University of California at Riverside（加州大学河滨分校工程学院、环境研究与技术中心） ； InfoTech Labs, Toyota Motor North America（丰田北美信息科技实验室） 纠错

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

AI总结 HONEST-CAV通过多智能体强化学习和机器学习轨迹规划算法优化交通信号与车辆轨迹，提升交通效率和节能效果。

Comments 7 pages, 6 figures. Accepted at the 2026 IEEE Intelligent Vehicles Symposium. Final version to appear at IEEE Xplore

Synergising Human-like Responses and Machine Intelligence for Planning in Disaster Response

融合人类样响应与机器智能以应对灾害响应中的规划

Savvas Papaioannou, Panayiotis Kolios, Christos G. Panayiotou, Marios M. Polycarpou

机构 * KIOS Research and Innovation Center of Excellence（KIOS研究与创新卓越中心） ； Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文提出融合人类样响应与机器智能的框架，以提升灾害响应中复杂任务的规划效率。

Comments 2024 IEEE World Congress on Computational Intelligence (IEEE WCCI), 2024 International Joint Conference on Neural Networks (IJCNN)

A Bayesian Framework for Post-disruption Travel Time Prediction in Metro Networks

一种用于地铁网络灾后旅行时间预测的贝叶斯框架

Shayan Nazemi, Aurélie Labbe, Stefan Steiner, Pratheepa Jeganathan, Martin Trépanier, Léo R. Belzile

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种贝叶斯框架，用于预测地铁网络灾后旅行时间，通过考虑分布灵活性和误差依赖性，提高预测精度和不确定性量化。

AI/ML-Driven Surface Plasmon Resonance (SPR) and Spectroscopy: Materials Interfaces and Autonomous Experiments

由人工智能/机器学习驱动的表面等离子共振（SPR）和光谱学：材料界面与自主实验

Rigoberto Advincula, Jihua Chen

专题命中 规划控制 ：self-driving(abstract)

AI总结 本文探讨了AI/ML在SPR光谱学中的应用，提出自我驱动实验室概念，推动材料科学中自主实验与智能传感的结合。

Comments 39 pages, 14 figures

Equivalence and Divergence of Bayesian Log-Odds and Dempster's Combination Rule for 2D Occupancy Grids

贝叶斯对数几率与德普斯特组合规则在二维占用网格中的等价性与分歧

Tatiana Berlenko, Kirill Krinkin

机构 * Constructor University（Constructor大学） ； JetBrains LTD（JetBrains公司） 纠错

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

AI总结 本文提出了一种基于猪性转换的方法，用于比较贝叶斯对数几率与德普斯特组合规则在二维占用网格映射中的表现，证明贝叶斯融合在多数情况下表现更优。

Comments 29 pages, 6 figures, 6 tables. Includes complete proofs, ablation studies, and supplementary statistical analysis

Limit Theory of the Multi-set Allocation Occupancy (MAO) Distribution: Normal and Poisson Approximations via MAO Norm

多集合分配占据分布的极限理论：通过MAO范数实现的正态与泊松近似

Xing-gang Mao

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

AI总结 本文通过MAO范数研究多集合分配占据分布的极限理论，推导出正态与泊松近似，并验证其在不同渐进行为下的有效性。

Comments 33 pages, 3 figures, 3 tables

ASL360: AI-Enabled Adaptive Streaming of Layered 360$^\circ$ Video over UAV-assisted Wireless Networks

ASL360：基于AI的UAV辅助无线网络中层化360度视频自适应流媒体

Alireza Mohammadhosseini, Jacob Chakareski, Nicholas Mastronarde

机构 * College of Computing, New Jersey Institute of Technology（计算学院，新泽西理工学院） ； Dept. of Electrical Engineering, University of Buffalo（电气工程系，布法罗大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 ASL360通过自适应调度和分层视频流媒体技术提升沉浸式视频体验质量，有效应对动态网络环境挑战。

Comments This paper has been accepted for presentation at the IEEE Global Communications Conference (GLOBECOM) 2025

Bi-Level Online Provisioning and Scheduling with Switching Costs and Cross-Level Constraints

双层在线配置与调度及其切换成本和跨层约束

Jialei Liu, C. Emre Koksal, Ming Shi

机构 * Dept. of Electrical Engineering University at Buffalo, Buffalo, NY（电气工程系 网络布法罗大学） ； Computer Engineering The Ohio State University, Columbus, OH（计算机工程 俄亥俄州立大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出了一种双层OCO-CMDP算法，解决具有切换成本和跨层约束的网络资源配置与调度问题，通过双时间尺度交互和预算自适应探索实现近最优性能。

RangeSAM: On the Potential of Visual Foundation Models for Range-View represented LiDAR segmentation

RangeSAM: 视觉基础模型在基于视距表示的激光雷达分割中的潜力

Paul Julius Kühn, Duc Anh Nguyen, Arjan Kuijper, Saptarshi Neil Sinha

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

AI总结 RangeSAM利用视觉基础模型SAM2改进基于视距的激光雷达分割，通过高效2D特征提取和定制架构优化，实现高效的3D分割性能。

Evaluating and Improving the Robustness of LiDAR Odometry and Localization Under Real-World Corruptions

评估和改进在真实世界腐蚀下的LiDAR里程计与定位鲁棒性

Bo Yang, Tri Minh Triet Pham, Jinqiu Yang

机构 * Department of Computer Science and Software Engineering, Concordia University（计算机科学与软件工程系，康科迪亚大学） 纠错

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

AI总结 本文提出首个评估LiDAR里程计与定位在真实世界腐蚀下鲁棒性的基准，并提出轻量级过滤与学习微调策略以提升其鲁棒性。

L3DR: 3D-aware LiDAR Diffusion and Rectification

L3DR：基于3D感知的LiDAR扩散与校正

Quan Liu, Xiaoqin Zhang, Ling Shao, Shijian Lu

机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University of Technology（浙江工业大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 L3DR通过3D-aware的LiDAR扩散和校正框架，在3D空间中消除RV伪影并恢复局部几何结构，实现更真实的3D几何生成。

Comments In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026

Enhancing 3D LiDAR Segmentation by Shaping Dense and Accurate 2D Semantic Predictions

通过塑造密集且准确的2D语义预测来增强3D激光雷达分割

Xiaoyu Dong, Tiankui Xian, Wanshui Gan, Naoto Yokoya

机构 * The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出MM2D3D模型，通过多模态引导滤波和动态跨伪监督提升2D预测质量，从而增强3D激光雷达分割的准确性。

Toward Self-Driving Universities: Can Universities Drive Themselves with Agentic AI?

迈向自动驾驶大学：大学能否通过代理AI实现自我驱动？

Anis Koubaa

专题命中 其他自动驾驶 ：self-driving(title,abstract)

AI总结 本研究提出通过代理AI实现高等教育机构的自主性框架，旨在自动化行政、学术和质量保证流程，减少教师文书工作时间，提升教育质量和研究生产力。

Journal ref Springer Book: Next Generation AI-Driven Education - 2026

Probabilistic Photonic Computing

概率光子计算

Frank Brückerhoff-Plückelmann, Anna P. Ovvyan, Akhil Varri, Hendrik Borras, Bernhard Klein, C. David Wright, Harish Bhaskaran, Ghazi Sarwat Syed, Abu Sebastian, Holger Fröning, Wolfram Pernice

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出利用光子计算实现低延迟、低能耗的概率计算架构，以解决传统确定性硬件在概率建模中的不足，并探讨其在人工智能系统中的应用与挑战。

Dara: Automated multiple-hypothesis phase identification and refinement from powder X-ray diffraction

Dara：从粉末X射线衍射自动识别和优化多假设相

Yuxing Fei, Matthew J. McDermott, Christopher L. Rom, Shilong Wang, Gerbrand Ceder

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 Dara通过自动化多假设相识别和优化，提升粉末X射线衍射分析的可靠性和准确性，推动全自动材料发现。

Journal ref Chem. Mater. 2026, 38, 3, 1364-1376