自动驾驶

Spatial-Semantic Reasoning using Large Language Models for Efficient UAV Search Operations

基于大语言模型的空间语义推理用于高效无人机搜索任务

Marin Maletic, Marijana Peti, Tamara Petrovic, Stjepan Bogdan

机构 * University of Zagreb（萨格勒布大学） ； Faculty of Electrical Engineering and Computing（电气工程与计算机学院） ； LARICS (Laboratory for Robotics and Intelligent Control Systems)（拉里克机器人与智能控制系统实验室） 纠错

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

AI总结 该研究提出基于大语言模型的无人机实时语义导航框架，结合多技术实现高效目标导航，经仿真与真实实验验证可缩短任务时长且保持高搜索准确率。

Comments 8 pages, preprint, Published in: 2025 European Conference on Mobile Robots (ECMR), DOI: https://doi.org/10.1109/ECMR65884.2025.11163229

Cooperative Risk-Aware Exploration in Heterogeneous Multi-Robot Systems Using Algorithmic Altruism

基于算法利他主义的异构多机器人系统中的协作风险感知探索

Brooks A. Butler, Jair Certório, João P. Hespanha, Magnus Egerstedt

机构 * School of Electrical and Computer Engineering at Oklahoma State University（俄克拉荷马州立大学电气与计算机工程学院） ； Instituto Tecnológico de Aeronáutica（航空技术研究所） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO

AI总结 该研究针对异构多机器人系统，提出基于算法利他主义的博弈论框架，通过社会纳什均衡调整效用实现风险合理分配，减少冗余探索并提升团队性能，经仿真与硬件实验验证有效。

STEGNav: Spatio-Temporal Event Graph Reasoning for Multimodal Lifelong Object Navigation

STEGNav：面向多模态终身目标导航的时空事件图推理

Yang Chen, Zhenyu Huang, Wenbo Fu, Danyang Peng, Shi-Yu Tian, Kun-Yang Yu, Lan-Zhe Guo

机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 针对现有多模态终身导航方法的局限，本文提出无训练框架STEGNav，通过时空事件图的双轴设计优化导航性能，在多个基准数据集上取得显著效果。

CARA: Concept-Aware Risk Attention for Interpretable Collision Anticipation

CARA：用于可解释碰撞预测的概念感知风险注意力

Zhishan Tao, Ruoyu Wang, Yucheng Wu, Enjun Du, Yilei Yuan, Sherwin Ho, Yue Su, Jinbo Su, Yi Hong

机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 研究自动驾驶碰撞预测问题，提出CARA框架，从事故叙述中获取风险概念并与视频帧对齐成轨迹，将语义风险因素作为动态证据，结合可解释性与预测过程，实验证明其能提高预测准确性和预警及时性。

Comments Accepted to ACM Multimedia 2026

When the City Teaches the Car: Label-Free 3D Perception from Infrastructure

当城市教导汽车：从基础设施实现无标签的3D感知

Zhen Xu, Jinsu Yoo, Cristian Bautista, Zanming Huang, Tai-Yu Pan, Zhenzhen Liu, Katie Z Luo, Mark Campbell, Bharath Hariharan, Wei-Lun Chao

机构 * The Ohio State University（俄亥俄州立大学） ； Google（谷歌） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； Boston University（波士顿大学） 纠错

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

AI总结 本文提出一种无标签的3D感知方法，利用道路设施作为无监督教师，通过固定视角和重复观测学习局部3D检测器，并广播预测作为伪标签监督，无需基础设施即可训练独立的车辆检测器。

Comments ECCV 2026; Project Page: this https URL (https://jinsuyoo.info/civet/)

Reasoning models do not yet follow their reasoning in autonomous driving: The KITScenes LongTail Dataset

长尾驾驶场景与推理轨迹：KITScenes长尾数据集

Royden Wagner, Omer Sahin Tas, Jaime Villa, Felix Hauser, Yinzhe Shen, Marlon Steiner, Dominik Strutz, Carlos Fernandez, Quentin Delfosse, Christoph Weinhuber, Christian Kinzig, Guillermo S. Gutierrez-Cabello, Hendrik Königshof, Fabian Immel, Richard Schwarzkopf, Nils Alexander Rack, Kevin Rösch, Kaiwen Wang, Jan-Hendrik Pauls, Martin Lauer, Igor Gilitschenski, Holger Caesar, Christoph Stiller

机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（FZI信息技术研究中心） ； University Charles III of Madrid（马德里卡洛斯三世大学） ； Technical University of Madrid（马德里理工大学） ； University of Toronto（多伦多大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

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

AI总结 本文提出KITScenes长尾数据集，通过多视角视频、轨迹、指令和推理轨迹提升模型在长尾驾驶场景下的泛化能力，评估指令遵循与语义连贯性。

Comments 27 pages; v2: update MMS values (bugfix); v3: more focus on reasoning

Receding Fixed-Horizon Optimization for Near-Time-Optimal Trajectory Planning and Control

后退固定时域优化用于近时间最优轨迹规划与控制

Haotian Tan, Yuan-Hua Ni

机构 * College of Artificial Intelligence, Nankai University, Tianjin 300350, PR China（人工智能学院，南开大学，天津） 纠错

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

AI总结 针对自动驾驶车辆时间最优轨迹规划的两大挑战，提出分层凸优化框架，分解问题为短固定时域规划循环，实验显示其成功率更高、计算时间更短，可实现可靠实时近时间最优轨迹规划。

LUCID: An Agentic AI Framework on Digital-Twin in the Loop for QoS-Guaranteeing Robotic Control

LUCID：一种用于QoS保障机器人控制的闭环数字孪生智能体AI框架

Hyeonsu Lyu, Minwoo Kim, Sehyun Ryu, Hyun Jong Yang

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

AI总结 LUCID是一种LLM智能体编排的云机器人框架，将TP-RRM动态编排于DITL环境，结合路径规划与RRM验证器，可适应动态条件并降低规划延迟，保障机器人控制的QoS。

Comments 10 pages, 17 figures

Distributed Model-Based Diffusion: Finite Horizon Contraction under Bounded Delay

分布式基于模型的扩散：有界延迟下的有限时间收缩

Seth Golembeski, Keith L. Gibson, Alexander Gross, Shreyas Kousik, Anirban Mazumdar

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

AI总结 本文针对多智能体轨迹优化难题，提出分布式基于模型的扩散算法，证明其在有界延迟下的收缩性与鲁棒性，在circleswap和空战任务中性能优于集中式算法。

Comments 8 pages, 3 figures

Transformer-Based Autonomous Driving Models and Deployment-Oriented Compression: A Survey

基于Transformer的自动驾驶模型与面向部署的压缩：综述

Juan Zhong, Yuhang Shi, Zukang Xu, Xi Chen

机构 * Renmin University of China（中国人民大学） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Department of houmo.ai（houmo.ai部门） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文综述了基于Transformer的自动驾驶模型，并从部署角度分析了压缩与加速策略（如量化、剪枝、知识蒸馏等）如何影响模型设计、部署性、鲁棒性和安全性。

Hierarchical Feature-level Reverse Propagation for Post-Training Neural Networks

用于训练后神经网络的分层特征级反向传播

Ni Ding, Shuchang Wang, Lei He, Shengbo Eben Li, Keqiang Li

机构 * School of Vehicle and Mobility, Tsinghua University, Beijing 100084, China（清华大学车辆与移动系统学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University, Beijing 100084, China（清华大学智能绿色车辆与移动系统国家重点实验室） ； School of Mathematics and Statistics, Beijing Institute of Technology, Beijing 100081, China（北京理工大学数学与统计学院） 纠错

专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.CV

AI总结 提出FR-PT分层框架，基于CCP和MDP及相关算法处理逆问题，在85种训练后设置中63项优于基准，实现神经网络训练后可控适应与透明度提升。

Deflickering Vision-Based Occupancy Networks through Lightweight Spatio-Temporal Correlation

通过轻量级时空相关性提升基于视觉的占用网络

Fengcheng Yu, Haoran Xu, Canming Xia, Ziyang Zong, Guang Tan

机构 * Sun Yat-sen University（中山大学） ； Peng Cheng Laboratory（鹏城实验室） 纠错

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

AI总结 本文提出OccLinker框架，通过整合历史信息和双交叉注意力机制，提升基于视觉的占用网络在自动驾驶中的时间一致性与性能

Distinct Modes of Pulsar Glitch Activity Revealed by the Waiting-Time--Amplitude Morphology

等待时间-振幅形态揭示的脉冲星 glitch 活动的不同模式

Wen-Tong Liu, Wei-hua Wang, Xia Zhou, Fei-fei Kou

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究通过KDE-HDR方法将349个脉冲星glitch样本分为紧凑、扩展两类，发现平均反向等待时间是核心预测因子，揭示了两类glitch的物理机制差异。

Comments 22 pages, 6 figures, 7 tables; accepted for publication in The Astrophysical Journal

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. Submitted to IEEE Open Journal of the Computer Society

Interplay of Quasiperiodicity, Hubbard Interactions, and Staggered Magnetism in a 1D Ring: Localization and Re-entrant Characteristics

反铁磁性和准周期性在Hubbard环中的相互作用：局域化洞察

Souvik Roy, Ranjini Bhattacharya

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究准周期性反铁磁Hubbard环中局域化现象，探讨反铁磁序与电子关联的相互作用，揭示交互强度对局域化的影响及相图特征。

Comments 16 Pages, 16 Figures

Long-wavelength amplification of an NLS conserved-charge violation in a one-dimensional Gross-Pitaevskii-Poisson field

一维玻色暗物质模型中的条件KPZ约简

Rin Takada

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究一维Gross-Pitaevskii-Poisson模型，探讨在 Jeans 尺寸和微观截止之间，如何通过声学分支构建粗粒化相位与KPZ固定点进行比较，发现弱非线性投影产生非零Burgers自耦合，主导分支条件性约简为KPZ方程。

Comments 9 pages, 1 figure

iOSPointMapper: RealTime Pedestrian and Accessibility Mapping with Mobile AI

iOSPointMapper: 基于移动AI的实时行人及可达性制图

Himanshu Naidu, Yuxiang Zhang, Sachin Mehta, Anat Caspi

机构 * University of Washington（华盛顿大学） ； Paul G. Allen School of Computer Science and Engineering（保罗·G·艾伦计算机科学与工程学院） 纠错

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

AI总结 iOSPointMapper通过移动AI实现实时人行道制图，结合语义分割、LiDAR和GPS数据，提供隐私保护的数据收集与多模式交通数据整合，提升行人基础设施的可达性。

Comments Presented at the Transportation Research Board (TRB) 105th Annual Meeting, 2026. Revised manuscript with expanded methodology descriptions, clarified feature localization procedure, minor corrections and formatting updates

One year in a forest: Analyzing the challenges of autonomous navigation in subarctic environments

森林中的一年：分析亚北极环境中自主导航的挑战

Matěj Boxan, Nicolas Lauzon, Veronica Vannini, Mathis Turgeon-Roy, François Pomerleau

机构 * Université Laval（拉瓦尔大学） 纠错

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

AI总结 本文通过对亚北极北方森林中移动机器人为期一年的部署试验，评估了9种导航方法的性能，发现环境变化会阻碍现有技术，激光雷达跨季节定位表现优于雷达和视觉，还总结了相关挑战与经验。

Extending Silicon Avalanche Photodetection Beyond 2 ~μ$m by Direct GeSn Integration

通过直接GeSn集成将硅雪崩光电探测扩展至2μm以上

M. R. M. Atalla, J. Bélec, E. Rahier, S. Koelling, K. Omambac, P. Daoust, S. Assali, O. Moutanabbir

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 本研究通过直接无缓冲层生长GeSn于硅衬底，结合横向薄结分离吸收-倍增架构，实现了可扩展的硅雪崩光电探测光谱范围扩展，制备的器件具备优异性能，适用于多领域单片红外探测器开发。

How Far Can 5,500 Hours of Driving Take You? A Scaling Law Analysis of Video Diffusion Models

5500小时驾驶数据能带来多大提升？视频扩散模型的缩放定律分析

Victor Besnier, Anh-Quan Cao, Elias Ramzi, Spyros Gidaris, Tuan-Hung Vu, Andrei Bursuc, Eloi Zablocki, Matthieu Cord

机构 * Sorbonne Université（索邦大学） 纠错

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

AI总结 本研究针对自动驾驶视频生成，通过对100万至90亿参数的视频扩散模型开展缩放定律分析，明确训练时长、模型规模、数据量的影响，训练出的90亿参数模型在nuScenes上达到开源最优。

NumBench: Diagnosing Counting Failures in Text-to-Image Models

NumBench：诊断文本到图像模型中的计数失败问题

Sandeep Wadhwa, Mayank Vatsa, Richa Singh, Parrva Chirag Shah, Prakhar Galriya

机构 * Indian Institute of Technology Jodhpur（焦特布尔印度理工学院） ； Shiv Nadar University（希夫·纳达尔大学） 纠错

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

AI总结 该研究推出NumBench基准数据集，构建过程模型与置信度加权数值精确率指标，评估发现文本到图像模型计数性能随请求数增加而下降，50个以上时表现薄弱，且方法可跨模板迁移。

Comments The compiled main paper has seven technical-content pages; references start on page 8. The compiled supplement has three pages