自动驾驶

Calibrating Perception Uncertainty for Autonomous Driving

自动驾驶中的感知不确定性校准

Markus Kängsepp, Meelis Kull

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

AI总结 针对自动驾驶感知模型在恶劣条件下的不确定性问题，本文提出量化未检测物体不确定性的方法，结合鸟瞰图概率语义分割生成校准后的不确定性，验证其对规划任务的重要性。

MPCFormer: A physics-informed data-driven approach for explainable socially-aware autonomous driving

MPCFormer: 一种融合物理信息的数据驱动方法用于可解释的社交感知自主驾驶

Jia Hu, Zhexi Lian, Xuerun Yan, Ruiang Bi, Dou Shen, Yu Ruan, Chunlong Xia, Haoran Wang

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

AI总结 MPCFormer通过融合物理信息和数据驱动的方法，提升自主驾驶在复杂交通场景中的社交交互能力，实现更安全的人类行为模拟，实验显示其在轨迹预测和碰撞率控制方面表现优异。

Comments 17 pages, 17 figures

ModTrack: Sensor-Agnostic Multi-View Tracking via Identity-Informed PHD Filtering with Covariance Propagation

ModTrack：通过身份感知的PHD滤波与协方差传播实现传感器无关的多视角跟踪

Aditya Iyer, Jack Roberts, Nora Ayanian

机构 * Brown University（布朗大学） 纠错

专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.CV

AI总结 ModTrack通过身份感知的PHD滤波与协方差传播实现多视角多目标跟踪，提供跨模态、传感器无关的泛化能力及可追溯的不确定性。系统将学习限制在检测和特征提取阶段，利用闭式分析方法进行融合、关联和跟踪，实现95.5 IDF1和91.4 MOTA的优异性能。

VAGNet: Vision-based Accident Anticipation with Global Features

VAGNet：基于视觉的事故预测与全局特征

Vipooshan Vipulananthan, Charith D. Chitraranjan

机构 * Department of Computer Science and Engineering, University of Moratuwa（moratuwa大学计算机科学与工程系） 纠错

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

AI总结 本文提出VAGNet，通过全局特征预测事故，提升实时性与效率，实验显示在四个数据集上精度和响应时间均优于现有方法。

Comments Published in IEEE Open Journal of Vehicular Technology (OJVT)

CAVERS: Multimodal SLAM Data from a Natural Karstic Cave with Ground Truth Motion Capture

CAVERS：从自然喀斯特洞穴获取多模态SLAM数据并采用地面真实运动捕捉

Giacomo Franchini, David Rodríguez-Martínez, Alfonso Martínez-Petersen, C. J. Pérez-del-Pulgar, Marcello Chiaberge

机构 * Polytechnic of Turin Interdepartmental Centre for Service Robotics (PIC4SeR)（都灵理工大学服务机器人跨部门研究中心（PIC4SeR）） ； Systems Engineering and Automation Department, Universidad de Málaga（马德里大学系统工程与自动化系） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出CAVERS数据集，通过地面真实运动捕捉系统提供高精度姿态和速度数据，验证了多模态传感器在复杂洞穴环境中的SLAM算法性能。

Comments 8 pages, 4 figures, accepted version

HOT-POT: Optimal Transport for Sparse Stereo Matching

HOT-POT：稀疏立体匹配中的最优传输

Antonin Clerc, Michael Quellmalz, Moritz Piening, Philipp Flotho, Gregor Kornhardt, Gabriele Steidl

机构 * Univ. Bordeaux, CNRS, Bordeaux INP, IMB, UMR 5251（波尔多大学，CNRS，波尔多INP，IMB，UMR 5251） ； Okinawa Institute of Science and Technology（冲绳科学技术研究所） 纠错

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

AI总结 HOT-POT通过最优传输方法解决稀疏立体匹配问题，利用epipolar距离和3D射线距离提升匹配效率，应用于面部分析中的地标匹配。

Comments 14 pages, 9 figures, 8 tables

MAVEN-T: Reinforced Heterogeneous Distillation for Real-Time Multi-Agent Trajectory Prediction

MAVEN-T：用于实时多智能体轨迹预测的强化异构蒸馏

Wenchang Duan, Zhenguo Gao, Jinguo Xian, Yi Shi

机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； Bio-X Institutes, Key Laboratory for the Genetics of Developmental and Neuropsychiatric Disorders, Shanghai Jiao Tong University（上海交通大学Bio-X研究院、发育与神经精神疾病遗传学重点实验室） ； Shanghai Key Laboratory of Psychotic Disorders, Brain Science and Technology Research Center, Shanghai Jiao Tong University（上海精神疾病重点实验室、脑科学与技术研究中心，上海交通大学） 纠错

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

AI总结 提出MAVEN-T框架，通过高容量教师模型和紧凑学生模型的异构蒸馏，结合强化学习优化，实现实时多智能体轨迹预测，在多个数据集上达到高精度与低延迟。

Stability Certificates for Receding Horizon Games

后退时域博弈的稳定性证明

Sophie Hall, Giuseppe Belgioioso, Florian Dörfler, Dominic Liao-McPherson

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

AI总结 本研究针对后退时域博弈，提出适用于非势博弈的基于LMI的稳定性证明，给出解耦动态下的可扩展验证方法与代价权重调优指南，为多智能体系统控制提供稳定性保障。

Lagrange: An Open-Vocabulary, Energy-Based Sparse Framework for Generalized End-to-End Driving

Lagrange: 一种面向通用端到端驾驶的开放词汇、基于能量的稀疏框架

Shihao Ji, HongXi Li, Zihui Song, Mingyu Li

专题命中 端到端驾驶 ：end-to-end driving(title)；autonomous driving(abstract)；occupancy(abstract)；分类 cs.AI

AI总结 提出Lagrange框架，利用掩码潜在场和视觉语言模型实现开放词汇、稀疏计算，通过拉格朗日动作最小化确保运动学约束，在nuScenes和CODA基准上验证了鲁棒性和可解释性。

Comments Withdrawn due to serious concerns regarding the authenticity and accuracy of the listed authorship. The identity of one or more listed authors cannot presently be verified, and the author list may not represent distinct contributors. The manuscript is withdrawn pending institutional review

On-Detector Machine Learning for Beam-Induced Background Rejection at a 10 TeV Muon Collider

10 TeV缪子对撞机中用于束流诱导本底抑制的探测器上机器学习方法

Daniel Abadjiev, Eliza Howard, Tsz Ngong You, Ryan Michaud, Benjamin Ryan Roberts, Benjamin Rosser, Karri Folan Di Petrillo, Doug Berry, Arghya Ranjan Das, Jennet Dickinson, Giuseppe Di Guglielmo, Harshul Gupta, Farah Fahim, Abhijith Gandrakota, Lindsey Gray, James Hirschauer, David Jiang, Shiqi Kuang, Ron Lipton, Mira Littmann, Miaoyuan Liu, Nicholas Manganelli, Petar Maksimovic, Corrinne Mills, Mark S. Neubauer, Aidan Nicholas, Benjamin Parpillon, Jannicke Pearkes, Adam Quinn, Danush Shekar, Ricardo Silvestre, Chinar Syal, Morris Swartz, Nhan Tran, Amit Trivedi, Keith Ulmer, Mohammad Abrar Wadud, Benjamin Weiss

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

AI总结 针对10 TeV缪子对撞机的束流诱导本底问题，研究探测器上的轻量级机器学习架构，可在99%信号效率下实现88%-90%的数据缩减，为满足其径迹探测器读出要求提供可行方案。

Semiparametric Double Reinforcement Learning with Applications to Long-Term Causal Inference

用于长期因果推断的半参数双重强化学习

Lars van der Laan, David Hubbard, Allen Tran, Nathan Kallus, Aurélien Bibaut

机构 * Department of Statistics, University of Washington, USA（华盛顿大学统计系） ； Netflix Research, USA（Netflix研究） ； Cornell Tech, Cornell University, USA（康奈尔科技学院、康奈尔大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究针对长期因果推断中双重强化学习的不稳定问题，提出半参数双重强化学习方法，推导相关效率界并构建鲁棒估计量，可提升推断效率。

Comments 84 pages, 5 figures

Finite-state Markovian surrogates for long-time neuronal state distributions and firing rates

用于长时间神经元状态分布和放电率的有限状态马尔可夫代理模型

Zhongyi Wang, Louis Tao, Zhuo-Cheng Xiao

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究构建有限状态马尔可夫代理模型，结合两种闭合方式，在LIF、EIF等神经元模型上实现无需逐尖峰模拟的长时间状态分布和放电率估计，性能良好。

Comments 21 pages, 14 figures

Nori A3: A Bimanual Mobile Manipulator at the Appliance Price Point

Nori Bot：一款不到1000美元的 floor-to-counter 移动机械臂

Antonio Li

机构 * LeRobot 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 Nori Bot 通过600mm Z轴提升、Raspberry Pi 4与OpenClaw协同控制以及软件安全栈解决移动机械臂的三大限制，成本仅为同类商业平台的3%。

Comments 5 pages, 4 figures, 2 tables. Supersedes arXiv:2605.16537 (https://arxiv.org/abs/2605.16537), which described an earlier prototype on a different mechanical base

Multi-Agent Orchestration with the Common-Sense Reasoning Capabilities of LLMs for Autonomous Driving

结合大语言模型常识推理能力的多智能体协同框架用于自动驾驶

Mehdi Azarafza, Faezeh Pasandideh, Ali Ehteshami Bejnordi, Stefan Henkler, Achim Rettberg

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

AI总结 该研究针对自动驾驶中强化学习等方法的上下文推理缺陷，提出结合LLM常识推理的混合多智能体协同框架，经CARLA场景验证可保留结构化控制与安全机制，具备应用潜力。

Comments 16 pages, 7 figures

ReWorld: Representation Learning for World Action Models

ReWorld：为世界动作模型学习更好的表示

Tianze Xia, Lijun Zhou, Kaixin Xiong, Jingfeng Yao, Zhenxin Zhu, Haiyang Sun, Bing Wang, Guang Chen, Wenyu Liu, Hangjun Ye, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米汽车） 纠错

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

AI总结 提出ReWorld框架，通过优化中间表示（未来预测监督、跨模态对齐、难负样本监督）提升自动驾驶世界动作模型的规划性能，在nuScenes和NAVSIM上取得显著提升。

Comments 15 pages,5 figures