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。

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

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

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