自动驾驶

Unleashing the Potential of Mamba: Boosting a LiDAR 3D Sparse Detector by Using Cross-Model Knowledge Distillation

释放Mamba的潜力：通过跨模型知识蒸馏提升LiDAR 3D稀疏检测器

Rui Yu, Runkai Zhao, Jiagen Li, Qingsong Zhao, HuaiCheng Yan, Meng Wang

机构 * East China University of Science and Technology（华东理工大学） ； University of Sydney（悉尼大学） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学技术学院） 纠错

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

AI总结 本文提出FASD框架，通过跨模型知识蒸馏将Transformer的全局上下文理解能力转移到Mamba模型，提升检测精度与效率，实现在Waymo和nuScenes数据集上的性能提升和资源消耗降低。

InfraOcc: An Infrastructure Occupancy Benchmark with Static-to-Dynamic Reasoning

InfraOcc：具备静态-动态推理能力的基础设施占用基准测试集

Lei Yang, Xiaokai Bai, Boqi Li, Chunmian Lin, Li Wang, Ziying Song, Jiahuan Zhang, Enhui Ma, Haibao Yu, Jiaqi Ma, Kaicheng Yu

机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Beijing Institute of Technology（北京理工大学） ； Yanshan University（燕山大学） ； Westlake University（西湖大学） ； University of Hong Kong（香港大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

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

AI总结 本文构建了首个基础设施占用基准InfraOcc，提出ProSD-Occ方法实现静态-动态渐进推理，在多赛道排名第一，为固定视角路边占用提供了新的推理范式。

Comments 17 pages, 12 figures

HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving

HybridWorldSim: 一种可扩展且可控的高保真驾驶仿真器

Qiang Li, Yingwenqi Jiang, Tuoxi Li, Duyu Chen, Xiang Feng, Yucheng Ao, Shangyue Liu, Xingchen Yu, Youcheng Cai, Yumeng Liu, Yuexin Ma, Xin Hu, Li Liu, Yu Zhang, Linkun Xu, Bingtao Gao, Xueyuan Wang, Shuchang Zhou, Xianming Liu, Ligang Liu

机构 * XPeng Motors ； ShanghaiTech University（上海科技大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 HybridWorldSim通过整合多遍神经重建与生成模型，实现高保真驾驶仿真，提供可扩展且可控的仿真环境及新的多遍数据集MIRROR，推动自动驾驶研究。

Comments Project page: https://hybridworldsim.github.io/

Evidence-Grounded Trustworthy Multimodal Reasoning and Evaluation Benchmark in Complex Urban Scenes

复杂城市场景中基于证据的可信多模态推理与评估基准

Zhaoyang Wei, Bowen Jiang, Xumeng Han, Jiashu Li, Xuehui Yu, Yuling Liu, Guorong Li, Zhenjun Han, Jianbin Jiao

机构 * University of Chinese Academy of Sciences(UCAS)（中国科学院大学） 纠错

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

AI总结 针对多模态大语言模型在复杂城市场景中推理可靠性不足及现有基准无法诊断推理过程的问题，提出AD2-Bench基准与EGVOR方法，提升了不利条件下多模态推理的稳定性。

Comments Accepted by IJCV

Open-Source Autonomous Driving System Analysis and Multi-Disciplinary Hardware-in-the-Loop Research Paradigm with Reinforcement-Learning Testing and Large Language Models

开源自动驾驶系统分析及结合强化学习测试与大语言模型的多学科硬件在环研究范式

Dianjing Cheng, Yike Li, Lan Yang, Shan Fang, Wenjia Niu, Xiangyu Shi, Xinyi Zhao, Yunzhe Tian, XingYu Wu, Xiaoshu Cui, Yuanwan Chen, Jialu Sun, Zhongli Wang, Biao Liu, Jiaqi Yang, Jinghui Feng, Feifei Su, Juan Du, Shuangde Fang, Yi Qian, Huiyun Li, Yuansheng Liu, Peng Sun, Mingming Wan, Nan Chen, Ruipeng Gao

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

AI总结 本文针对开源自动驾驶系统实验记录分散问题，提出Apollo-on-Hongqi EV环境下的实车实验框架，结合大语言模型与强化学习测试，为相关研究提供可审查的实验基础。

Comments 33 pages, 7 figures, 7 tables

Agri-Sim: Agricultural Simulation Platform for Embodied Intelligence Evaluation in Greenhouse Robotics

Agri-Sim：用于温室机器人具身智能评估的农业仿真平台

Shuhan Shi, Zhenfeng Xue, Minghao Mei, Chao Zheng, Nan Li, Zhonghua Miao

机构 * School of Mechatronic Engineering and Automation, Shanghai University（上海大学机电工程与自动化学院） ； Sino-European School of Technology of Shanghai University（上海大学中欧工程技术学院） ； School of Future Technology (Institute of Artificial Intelligence), Shanghai University（上海大学未来技术学院（人工智能研究院）） 纠错

专题命中 仿真评测 ：LiDAR(abstract,abstract_cn)；分类 cs.RO

AI总结 研究针对农业机器人开发所需的仿真环境需求，提出基于Unity和ROS2的Agri-Sim平台，通过实验验证其可支持导航与操纵工作流的闭环集成及可重复功能评估，为后续相关研究提供实用基础。

Comments 13 pages, 9 figures, and 5 tables

Adversarial Calibration Attack on Autonomous Vehicles

针对自动驾驶汽车的对抗性校准攻击

Liangkai Liu, Qingzhao Zhang, Kang G. Shin

机构 * Texas Tech University（德克萨斯理工大学） ； University of Arizona（亚利桑那大学） ； University of Michigan（密歇根大学） 纠错

专题命中 仿真评测 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 该研究提出针对自动驾驶汽车相机-激光雷达在线校准的对抗性校准攻击（ACA），通过对抗性海报可诱导校准误差，引发感知等系统错误，在仿真和物理实验中均验证了其有效性。

Comments 19 pages, 8 figures

Rethinking Language's Role in Efficient VLA for Autonomous Vehicles: Toward Smarter, Trustworthy Driving

重新思考语言在自动驾驶高效视觉-语言-动作（VLA）模型中的作用：迈向更智能、可信的驾驶

Tongfei Guo, Lili Su

机构 * Northeastern University（东北大学） 纠错

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

AI总结 本研究针对自动驾驶VLA模型的高推理开销问题，提出语言残差分类法梳理高效语言使用方法，在多基准上分析适配性，将发布相关代码仓库。

Comments Accepted to EMNLP 2026 (Main Conference)

Inter-3D VQA: A Roadside Multimodal Benchmark for 3D Spatiotemporally Grounded Visual Question Answering

Inter-3D VQA：用于3D时空视觉问答的路侧多模态基准

Shaozu Ding, Linan Song, Dajiang Suo

机构 * The Polytechnic School, Arizona State University（亚利桑那州立大学理工学院） 纠错

专题命中 仿真评测 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出用于交叉口3D时空视觉问答的路侧多模态基准Inter-3D VQA，构建含40.7万问答对的数据集，提出基线模型Inter-Geo与评估框架Inter-Metrics，实验显示Inter-Geo在接地时空推理任务上优于基于图像的VLM。

Comments Accepted to EMNLP 2026 main conference

Constrained Group Relative Policy Optimization

带约束的群体相对策略优化

Roger Girgis, Rodrigue de Schaetzen, Luke Rowe, Azalée Robitaille, Christopher Pal, Liam Paull

机构 * Mila - Quebec AI Institute（魁北克AI研究所） ； CIFAR AI Chair（CIFAR人工智能主席） 纠错

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

AI总结 本文提出带约束的GRPO，通过拉格朗日松弛解决受约束策略优化问题，实验验证其在网格世界和机器人任务中的有效性。

Comments 16 pages, 6 figures

A Comprehensive Survey on Multi-Agent Cooperative Decision-Making: Scenarios, Approaches, Challenges and Perspectives

多智能体协同决策综合综述：场景、方法、挑战与展望

Weiqiang Jin, Hongyang Du, Shixiang Tang, Biao Zhao, Guang Yang

机构 * The University of Hong Kong (HKU)（香港大学） ； Imperial College London（伦敦帝国学院） ； National Heart and Lung Institute, Imperial College London（伦敦帝国学院国家心肺研究所） ； Cardiovascular Research Centre, Royal Brompton Hospital（皇家布朗普顿医院心血管研究中心） 纠错

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

AI总结 该综述梳理多智能体协同决策的场景、方法等，重点分析深度多智能体强化学习与大语言模型驱动的多智能体方法，同时指出领域挑战与未来研究方向。

Comments 54 pages, 24 figures

What Emerges and What Breaks in Self-Play Driving

自博弈驾驶中出现的现象与失效问题

Laur Sisask, Ardi Tampuu, Tambet Matiisen

机构 * University of Tartu（塔尔图大学） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 该研究在自博弈自动驾驶训练中，将模型扩展为Transformer，在CARLA和Waymax基准测试中表现不及Gigaflow，分析了失效模式、产生的交通规则及奖励条件对驾驶行为多样性的影响。