自动驾驶

VGGDrive: Empowering Vision-Language Models with Cross-View Geometric Grounding for Autonomous Driving

VGGDrive: 通过跨视角几何 grounding 为自动驾驶赋能 Vision-Language 模型

Jie Wang, Guang Li, Zhijian Huang, Chenxu Dang, Hangjun Ye, Yahong Han, Long Chen

机构 * College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学） ； Xiaomi EV（小米汽车） 纠错

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

AI总结 VGGDrive通过引入跨视角几何 grounding 机制，提升Vision-Language模型在自动驾驶任务中的性能表现。

Comments CVPR 2026

Interaction-Aware Model Predictive Decision-Making for Socially-Compliant Autonomous Driving in Mixed Urban Traffic Scenarios

面向混合城市交通场景中社会合规自动驾驶的交互感知模型预测决策

Balint Varga, Thomas Brand, Marcus Schmitz, Ehsan Hashemi

机构 * Institute of Control Systems, Karlsruhe Institute for Technology（控制系统研究所，卡尔斯鲁厄技术学院） ； Wuerzburg Institute for Traffic Sciences GmbH（魏玛交通科学研究所有限公司） ； Faculty of Engineering - Mechanical Engineering Dept, University of Alberta（工程学院-机械工程系，阿尔伯塔大学） 纠错

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

AI总结 本文提出交互感知模型预测决策框架，用于提升自动驾驶在混合城市交通场景中的社会合规性与安全性。

Comments Major Revision

SceMoS: Scene-Aware 3D Human Motion Synthesis by Planning with Geometry-Grounded Tokens

SceMoS：通过基于几何的令牌规划进行场景感知的3D人体运动合成

Anindita Ghosh, Vladislav Golyanik, Taku Komura, Philipp Slusallek, Christian Theobalt, Rishabh Dabral

机构 * DFKI（德累斯顿人工智能研究所） ； MPI for Informatics（信息研究所） ； Saarland Informatics Campus（萨尔州信息校园） ； University of Hong Kong（香港大学） 纠错

专题命中 规划控制 ：BEV(abstract)；occupancy(abstract)；分类 cs.CV

AI总结 SceMoS通过基于几何的令牌规划，利用2D场景表示实现高效且逼真的3D人体运动合成，减少50%以上可训练参数，提升物理真实性和接触精度。

Comments 13 pages, 6 figures, 4 tables

Efficient Hierarchical Any-Angle Path Planning on Multi-Resolution 3D Grids

高效多分辨率3D网格上的分层任意角度路径规划

Victor Reijgwart, Cesar Cadena, Roland Siegwart, Lionel Ott

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

AI总结 本文提出了一种基于多分辨率表示的高效任意角度路径规划方法，兼顾最优性和完备性，克服了传统搜索方法的计算瓶颈，实验表明其在真实和合成环境中的优越性能。

Comments 12 pages, 9 figures, 4 tables, accepted to RSS 2025, code is open-source: https://github.com/ethz-asl/wavestar

Journal ref Proceedings of Robotics: Science and Systems 2025

Robot Local Planner: A Periodic Sampling-Based Motion Planner with Minimal Waypoints for Home Environments

机器人局部规划器：一种基于周期采样的运动规划器，适用于家庭环境，且使用最少的路径点

Keisuke Takeshita, Takahiro Yamazaki, Tomohiro Ono, Takashi Yamamoto

机构 * Frontier Research Center, Toyota Motor Corporation（丰田汽车公司前沿研究中心） ； Department of Information Science, Faculty of Information Science, Aichi Institute of Technology（爱知技术大学信息科学系） 纠错

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

AI总结 本研究提出了一种基于周期采样的机器人局部规划器，通过减少路径点和提高鲁棒性，实现家庭环境中的高效安全运动规划。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2025. Project Page: https://toyotafrc.github.io/RobotLocalPlanner-Proj/

PegasusFlow: Parallel Rolling-Denoising Score Sampling for Robot Diffusion Planner Flow Matching

PegasusFlow: 并行滚动去噪分数采样用于机器人扩散规划流程匹配

Lei Ye, Haibo Gao, Peng Xu, Zhelin Zhang, Junqi Shan, Ao Zhang, Wei Zhang, Ruyi Zhou, Zongquan Deng, Liang Ding

机构 * State Key Laboratory of Robotics and Systems, Harbin Institute of Technology（机器人系统国家重点实验室，哈尔滨工业大学） 纠错

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

AI总结 PegasusFlow通过并行滚动去噪分数采样方法，实现了无需专家数据的机器人轨迹规划，显著提升了复杂地形中的导航性能。

Comments 8 pages, 7 figures, conference paper

$κ$-Explorer: A Unified Framework for Active Model Estimation in MDPs

$κ$-Explorer: 一个用于MDPs中主动模型估计的统一框架

Xihe Gu, Urbashi Mitra, Tara Javidi

专题命中 规划控制 ：occupancy(abstract)

AI总结 $κ$-Explorer通过统一框架提升MDPs中主动模型估计的效率与精度