自动驾驶

BeamGuard: Risk-Aware Multimodal Beam Forecasting and Adaptive Virtual Beamwidth Control for 6G mmWave V2I Links

BeamGuard：面向6G毫米波车联网（V2I）链路的风险感知多模态波束预测与自适应虚拟波束宽度控制

Abidemi Orimogunje, Dejan Vukobratovic, Sunwoo Kim, Igbafe Orikumhi, Vukan Ninkovic, Evariste Twahirwa, Gaspard Gashema

专题命中 感知 ：LiDAR(abstract,abstract_cn)

AI总结 BeamGuard是面向6G毫米波V2I链路的多模态感知辅助波束管理框架，通过融合多模态传感与带内观测预测波束分布，实现自适应虚拟波束宽度控制，在DeepSense 6G数据集上较基线方法性能更优，可实现鲁棒的低开销波束管理。

Comments Accepted for Publication in IEEE Open Journal of the Communications Society. 18 pages, 5 figures, 11 Tables

Bayesian Flow Networks for Offline Trajectory Planning

用于离线轨迹规划的贝叶斯流网络

Ludvig Killingberg, Helge Langseth

机构 * Norwegian University of Science and Technology（挪威科技大学） 纠错

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

AI总结 该研究提出基于贝叶斯流网络（BFNs）的BFN-RL框架，可在单一概率公式内建模离散与连续轨迹空间，经实验验证其能在两类状态空间生成有效轨迹，为离线轨迹规划提供通用生成基础。

Bayesian Optimization for Self-Driving Materials Laboratories: From Algorithms to Physics-Informed Workflows

面向自主材料实验室的贝叶斯优化：从算法到物理信息驱动的工作流程

Yuki K. Wakabayashi, Takuma Otsuka

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

AI总结 该综述针对材料自主实验室的实际挑战，介绍贝叶斯优化算法及物理信息驱动的贝叶斯优化，总结其在多类材料领域的应用成果，并展望其未来发展方向。

Gating Before Commitment: Anticipating Intent Divergence to Prevent Post-Interaction Decision Failures in Autonomous Driving

承诺前的门控：预测意图分歧以防止自动驾驶中交互后的决策失败

Cong Xu, Ravi Sankar

机构 * University of South Florida（南佛罗里达大学） 纠错

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

AI总结 该研究提出承诺前的门控决策层，通过语言引导意图模块检测自动驾驶车辆交互中的意图分歧，可修复规划、降低误触发率，其对故障的最快检测和不确定性否决作用获实验支持。

Comments 8 pages, 4 figures. Submitted to the 16th Workshop on Planning, Perception and Navigation for Intelligent Vehicles (PPNIV) at IROS 2026. Supplementary video included as ancillary material

SkyDrive: Learning to Drive in a New City from Aerial Traffic Monitoring

SkyDrive：从空中交通监测学习在新城市中驾驶

Weijiang Xiong, Lan Feng, Alexandre Alahi, Nikolas Geroliminis

机构 * École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） 纠错

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

AI总结 本研究提出SkyDrive框架，利用无人机交通监测为自动驾驶智能体提供监督，提取65万驾驶样本构建基准，可缓解跨城市领域差距，是适配新城市自动驾驶的高效可扩展数据源。

DESCENT: Directed Edge Scene Encoding for Airport Surface Movement Prediction

DESCENT：面向机场地面运动预测的有向边场景编码

Alexander Prutsch, David Schinagl, Horst Possegger

机构 * Graz University of Technology（格拉茨工业大学） ； Institute of Visual Computing（视觉计算研究所） 纠错

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

AI总结 该研究针对机场地面运动预测领域，提出基于Transformer的DESCENT架构，结合PRS上下文采样与检测Transformer解码器，在Amelia-10基准上较现有最优基线实现显著性能提升，尤其在安全关键场景表现突出。

Comments IROS 2026. Project page at this https URL (https://github.com/a-pru/descent)

A Multi-View Coupled Tensor Decomposition for Lightweight Online Adaptive Traffic Prediction

用于轻量级在线自适应交通预测的多视图耦合张量分解

Quan Yu, Jie Ni, Yu-Hong Dai, Xiongjun Zhang

专题命中 规划控制 ：occupancy(abstract)

AI总结 针对不完善多视图观测的在线交通预测问题，提出MVCTD模型，通过耦合张量分解与组稀疏正则化提升预测精度，轻量级设计适配流部署，真实数据集实验验证其有效性。

Lightweight Machine Learning-Driven Monocular Sidewalk Path Extraction for Embedded Micromobility Navigation

面向嵌入式微型移动导航的轻量级机器学习驱动单目人行道路径提取

Lkhanaajav Mijiddorj, Yang Yan, Tyler Beringer, Bilguunzaya Mijiddorj, Alex N. Ho, Bin Xu, Binbin Weng

机构 * University of Oklahoma（俄克拉荷马大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； School of Aerospace and Mechanical Engineering（航空航天与机械工程学院） 纠错

专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV、cs.AI

AI总结 该研究针对嵌入式微型移动导航的人行道路径提取问题，提出历经三次迭代的单目视觉流水线，采用轻量级SegFormer-B0模型，通过对比规划方法，实现低耗时、高精度的路径提取，适配嵌入式设备。

VirTooS: A ROS 2 - Unity Virtualization Toolkit for Fleet Management of Autonomous Mobile Robots

VirTooS：用于自主移动机器人车队管理的ROS 2-Unity虚拟化工具包

Andrea Drudi, Lorenzo Pichierri, Andrea Testa, Giuseppe Notarstefano

机构 * Department of Electrical, Electronic and Information Engineering, University of Bologna（博洛尼亚大学电气、电子与信息工程学院） 纠错

专题命中 BEV与占用 ：LiDAR(abstract_cn)；分类 cs.RO

AI总结 本文提出VirTooS工具包，结合ROS 2与Unity引擎，支持自主移动机器人车队管理，可构建混合现实虚拟实验环境，实现真实与虚拟机器人交互，源代码将在GitHub公开。

Probabilistic Performance Analysis of Parallel Signature Search Strategies in Multi-Level Tree Networks

多级树型网络中并行签名搜索策略的概率性能分析

Jingwei Li, Thomas G. Robertazzi

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究针对多级树型网络的并行签名搜索策略，开发了概率框架预测完成时间，经多核原型验证，可提供高效先验预测以支持资源成本优化。

Comments 12 pages, 2 figures, with supplementary material

Extending Ground-Constraint LiDAR-IMU Calibration to Tilted Surfaces in a Continuous-Time Framework

在连续时间框架下将地面约束的激光雷达-惯性测量单元（LiDAR-IMU）标定扩展至倾斜表面

Vassili Korotkine, Pierre Chamoun, Mohammed Ayman Shalaby, James Richard Forbes

机构 * McGill University（麦吉尔大学） ； Rheinmetall Provectus（莱茵金属普罗弗克特斯公司） 纠错

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

AI总结 该研究提出一种无需假设地面平坦的连续时间框架下的无目标 LiDAR-IMU 标定方法，可扩展至倾斜表面，经多数据集验证重复性提升且已开源。

Comments 8 pages, 13 figures. Submitted to Robotics & Automation Letters

Bootstrapping a 4D LiDAR Annotation Tool from Video Foundation Models

基于视频基础模型引导的4D激光雷达标注工具

Jihun Kim, Hyun-Kurl Jang, Hyemin Yang, Jinnyeong Yang, Hyeokjun Kweon, Kuk-Jin Yoon

机构 * KAIST（韩国科学技术院） ； Chung-Ang University（中央大学） 纠错

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

AI总结 研究针对4D激光雷达标注成本高、难扩展的问题，提出LiDAR-SAM2框架，借助SAM2自动生成标注，大幅降低3D/4D场景理解的标注负担。

Comments ECCV 2026 Workshop

Phantom Navigator: Stealthy and Precise Unmanned Aerial Vehicle Redirection with Real-Time Tracking and GPS Spoofing

幻影导航器：利用实时跟踪与GPS欺骗实现隐蔽且精准的无人机重定向

Haocheng Meng, Shaocheng Luo, Songqiao Xie, Miroslav Pajic

机构 * Duke University（杜克大学） 纠错

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

AI总结 针对现有无人机重定向攻击可靠性、精准度不足的问题，提出幻影导航器攻击方法，结合离线可达性分析与在线闭环执行层，构建含激光雷达-相机栈的物理平台，实现隐蔽精准的无人机重定向，经案例验证有效。

SUPER ODOMETRY 2.0: Resilient Odometry via Hierarchical Adaptation

SUPER ODOMETRY 2.0：基于分层自适应的弹性里程计

Shibo Zhao, Sifan Zhou, Yuchen Zhang, Ji Zhang, Chen Wang, Wenshan Wang, Sebastian Scherer

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University at Buffalo（布法罗大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出Super Odometry 2.0传感器融合框架，通过分层自适应结构提升里程计鲁棒性，经多机器人多场景验证，为全退化环境下机器人自主提供支撑。

RAEM: Robust Autonomous Exploration for Multi-Floor Environments with a Quadruped Robot

RAEM：面向四足机器人的多层级环境鲁棒自主探索框架

Zikang Yuan, Yuan Ren, Yian Wang, Yixue Wang, Enze Fang, Xuewei Zhang, Junda Cheng, Chi Chen, Chin-Pang Ho, Lijun Zhu, Shaohang Xu, Kwang-Ting Cheng, Xin Yang

机构 * AI Chip Center for Emerging Smart Systems（新兴智能系统AI芯片中心） ； InnoHK Centers（创新香港中心） ； HongKong University of Science and Technology（香港科技大学） ； Southeast University（东南大学） ； City University of Hong Kong（香港城市大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Hong Kong（香港大学） ； Wuhan University（武汉大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出RAEM框架，通过混合局部-全局可通行性表示、楼梯中心对齐策略与双路径搜索机制，实现四足机器人在多层级环境的鲁棒自主探索，经仿真与真实实验验证有效。

Comments 21 pages, 23 figures

Praxist: From Experimental Artifacts to Solution Lineages

Praxist：从实验产物到解决方案谱系

Jin Li, Ahmed Murtadha, Zhiyu Wang, Qiwen Chen, William Chen, Yifei Wu, Guan Wang, Andy L. Siy, Jiayi Yang, Mengsha Huang, Wenhao Li, Yixuan Liu, Shuailin Pan, Mingli Yuan, Sen Song, Yuhao Sun

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 Praxist是一种以谱系为中心的代际系统，可将可复现产物与评估结果转换为证据图，在MLE-bench测试中成本仅为Claude Code基线的约十二分之一，同时在多类工程问题上实现性能提升。