自动驾驶

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。