自动驾驶

mmDiff: A Noise-Robust Differentiable Ray-Tracing Framework for mmWave Scene Calibration and Channel Prediction

mmDiff: 一种用于毫米波场景校准和信道预测的噪声鲁棒可微分光线追踪框架

Haofan Lu, Yadi Cao, Wanghao Yi, Omid Abari

专题命中 规划控制 ：LiDAR(abstract)

AI总结 针对重建模型几何噪声导致无线仿真不准确的问题，提出可微分方向散射模型近似镜面反射，实现噪声鲁棒的信道预测与材料校准。

Effects of electron-electron interaction and spin-orbit coupling on Andreev pair qubits in quantum dot Josephson junctions

电子-电子相互作用和自旋-轨道耦合对量子点约瑟夫森结中Andreev对量子比特的影响

Teodor Iličin, Rok Žitko

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究自旋-轨道耦合和电子-电子相互作用如何通过混合单占据YSR成分增强Andreev对量子比特中的自旋跃迁，并探讨其对退相干和量子转导的影响。

Comments 42 pages, 18 figures; v3 update has improved discussion of symmetries, a new section on effects of p-h asymmetry, and improved discussion of experimental observability, parity control and parity lifetimes

Journal ref SciPost Phys. 20, 147 (2026)

Justice-informed Planning of Intermodal Autonomous Mobility-on-Demand Systems under Operational Constraints

运营约束下多模式自主出行系统的公正知情规划

Giacomo Ganassoli, Francesco Mazzeo, Cecilia Pasquale, Silvia Siri, Mauro Salazar

专题命中 规划控制 ：self-driving(abstract)

AI总结 本文提出一种考虑用户预算、安全限制和基础设施容量约束的公正知情优化模型，用于多模式自主出行系统（AMoD）的运营规划，并在纽约曼哈顿案例中验证了免费公共交通政策能接近完全免费AMoD系统的公正水平且不牺牲效率。

Comments Accepted for presentation at conference IEEE ITSC 2026. This is the preprint version

Simulation-Driven Ensemble Machine Learning for Robust and Generalizable Path Loss Prediction

基于仿真驱动的集成机器学习实现鲁棒且泛化的路径损耗预测

Ahmed P. Mohamed, Byunghyun Lee, Yaguang Zhang, Christopher R. Anderson, David J. Love, James V. Krogmeier

专题命中 规划控制 ：LiDAR(abstract)

AI总结 提出一种集成机器学习框架，结合激光雷达仿真数据和SMOTE数据增强技术，解决测量数据稀缺下的路径损耗预测问题，在跨环境泛化中平均绝对误差降低高达50%。

Comments Preprint submitted to IEEE Transactions on Wireless Communications

TRAM: Test-Time Risk Adaptation with Mixture of Agents

TRAM: 测试时风险适应与代理混合

Mohamad Fares El Hajj Chehade, Amrit Singh Bedi, Amy Zhang, Hao Zhu

机构 * UT Austin（得克萨斯大学） ； University of Central Florida（中央佛罗里达大学） ； MIT（麻省理工学院） ； UMD（大学公园分校） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文研究了在部署时无需更新的零更新适应问题，提出TRAM方法通过混合代理评估源策略的风险调整分数，以降低部署风险并保持奖励。

Best-of-Both-Worlds for Heavy-Tailed Markov Decision Processes

兼顾最佳的双世界方法用于厚尾马尔可夫决策过程

Yu Chen, Yuhao Liu, Jiatai Huang, Yihan Du, Longbo Huang

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China（清华大学交叉信息研究院） ； Beijing ZhuoShi Capital Co., Ltd., China（北京中关村资本有限公司） ； ESD, Singapore University of Technology and Design, Singapore（新加坡科技与设计大学ESD学院） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出HT-FTRL-OM和HT-FTRL-UOB算法，针对厚尾马尔可夫决策过程，在对抗环境和自界环境实现最佳双世界保证，分别获得实例无关和对数实例依赖的 regret。

Autonomous Reshaping of Expression Landscapes by DNA Methylation

通过DNA甲基化实现表达景观的自主重塑

Kaifeng Wang, Ming Han

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究通过DNA甲基化作为内部控制变量，展示其在调控动态中的作用，揭示其能自主重塑表达景观，改变细胞身份稳定器的角色。

Comments 9 pages, 4 figures

Diffusion-based Galaxy Simulations for the Roman High Latitude Survey

基于扩散的星系模拟用于罗马高纬度调查

Diana Scognamiglio, Jake H. Lee, Eric Huff, Sergi R. Hildebrandt, Shoubaneh Hemmati

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种基于扩散的星系图像模拟方法，用于罗马高纬度调查的弱透镜分析，通过训练去噪扩散概率模型生成多波段星系图像，验证其在弱透镜校准中的有效性。

Comments 15 pages, 8 Figure, accepted for publication in ApJ

Journal ref ApJ 1003 (2026) 42

Ergodic Trajectory Design by Learned Pushforward Maps: Provable Coverage via Conditional Flow Matching

通过学习的推前映射进行遍历轨迹设计：通过条件流匹配实现可证明的覆盖

Ehsan Aghazadeh, Masoud Malekzadeh, Ahmad Ghasemi, Hossein Pishro-Nik

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出了一种epushforward框架，通过条件流匹配学习映射，将潜在轨迹分布转换为目标密度，实现轨迹的可证明覆盖，同时支持多智能体和不同约束条件。

Empirical confirmation of bosonic wealth statistics in Bitcoin UTXOs

玻色统计在比特币UTXO中的实证确认

Chanhee Park, Claudio J. Tessone, Yu Zhang, Jeong-Hyuck Park

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究通过比特币区块链数据验证了玻色统计在UTXO财富分布中的适用性，构建了一种几何分布模型，展示了其在财富持有和时间演变中的有效性，且参数一致性测试通过。

Comments 19 pages, 7 figures, 2 tables. Supplementary Information (38 pages) provided as ancillary file. Code: https://github.com/Jeong24th/bosonic-wealth-bitcoin

Time-Resolved Pore-Scale Imaging of Multiphase Dissolution during CO2-Saturated Brine Injection into a Carbonate: Competition between Hydrocarbon Mobilisation and Swelling

多相溶解过程的时域孔隙尺度成像：在二氧化碳饱和卤水注入碳酸盐中的竞争：烃类物质迁移与膨胀

Qianqian Ma, Rukuan Chai, Zhuangzhuang Ma, Yanghua Wang, Martin J. Blunt, Branko Bijeljic

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究通过时域孔隙尺度实验，探讨二氧化碳饱和卤水注入含残余烃类的碳酸盐岩中多相溶解过程，揭示烃类迁移与膨胀的竞争机制对流体输运的影响。

Comments 27 pages, 11 figures

Integrating the Expected Future in Load Forecasts with Contextually Enhanced Transformer Models

将预期未来整合到负载预测中：基于上下文增强的Transformer模型

Raffael Theiler, Leandro Von Krannichfeldt, Giovanni Sansavini, Michael F. Howland, Olga Fink

机构 * Intelligent Maintenance and Operations Systems (IMOS)（智能维护与运营系统） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校） ； Department of Mechanical and Process Engineering（机械与过程工程系） ； Eidgenössische Technische Hochschule (ETH)（瑞士联邦理工学院（ETH）） ； Department of Civil and Environmental Engineering（土木与环境工程系） ； Massachusetts Institute of Technology (MIT)（麻省理工学院） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种结合预测与回归的任务，通过上下文增强的Transformer模型提升能源预测准确性，通过铁路和建筑能耗案例验证了方法的有效性，显著降低预测误差。

Comments 39 pages, 8 figures and tables, journal paper

Data-driven moving-window Bayesian inference for transient CO2-temperature network models of buildings

数据驱动的滑动窗口贝叶斯推断用于建筑 transient CO2-温度网络模型

Zhijian Wang, Stein K. F. Stoter, Clemens V. Verhoosel, Idoia Cortes Garcia

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种将多区质量传输与热动力学通过共享潜在驱动因素、空气流动和占用情况联系起来的 CO2-温度网络模型，通过滑动窗口贝叶斯推断联合估计热参数、空气流动和占用轨迹，提供房间特定的传感器噪声水平，实现后验预测预测。

The Value of Mechanistic Priors in Sequential Decision Making

在序列决策中机制先验的价值

Itai Shufaro, Gal Benor, Shie Mannor

机构 * Technion（技术学院） ； NVIDIA Research（NVIDIA研究） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文研究了机制先验在序列决策中的价值，通过渐近和预热阶段的分析，提出机制信息度量并展示其在5-FU给药模拟中的高效性，对比LLM先验发现其在机械信息上存在严重损失。

A Gauss-Newton-Induced Structure-Exploiting Algorithm for Differentiable Optimal Control

一种基于Gauss-Newton诱导的结构利用算法用于可微最优控制

Yuankun Chen, Zifei Nie, Xun Gong, Yunfeng Hu, Hong Chen

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文提出FastDOC算法，利用Gauss-Newton近似和矩阵结构特性，提升可微最优控制的计算效率，实验证明在自动驾驶任务中具有显著优势。

Comments Accepted for publication at 2026 IFAC World Congress, Busan

A Single Deep Preference-Conditioned Policy for Learning Pareto Coverage Sets

一种单个深度偏好条件政策用于学习帕累托覆盖集

Akihiro Kubo, Kosuke Nakanishi, Shin Ishii

机构 * International Research Center for Neurointelligence, The University of Tokyo（国际神经智能研究中心，东京大学） ； ATR Neural Information Analysis Laboratories（ATR神经信息分析实验室） ； Department of Information Science, Kyoto University（京都大学信息科学系） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文研究了基于偏好条件的多目标强化学习，通过平滑Tchebycheff标量化方法证明了偏好与帕累托最优回报向量的唯一性和连续性，并提出CMDPI算法实现O(1/k)的收敛速度。

Global Optimality for Constrained Exploration via Penalty Regularization

通过惩罚正则化实现约束探索的全局最优性

Florian Wolf, Ilyas Fatkhullin, Niao He

机构 * Florian Wolf: , Ilyas Fatkhullin: , Niao He: 1The Computing \& Mathematical Sciences Department, California Institute of Technology, Pasadena, CA. 2Department of Computer Science, ETH Zurich, Switzerland. 3ETH AI Center, ETH Zurich, Switzerland. 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出Policy Gradient Penalty方法，通过二次惩罚正则化解决约束下的探索问题，实现全局收敛性和近优策略。

Optimal-Control Suggestion for Congestion on Freeways using Data Assimilation of Distributed Fiber-Optic Sensing

利用分布式光纤传感数据同化实现高速公路拥堵的最优控制建议

Yoshiyuki Yajima, Hemant Prasad, Daisuke Ikefuji, Takemasa Suzuki, Shin Tominaga, Hitoshi Sakurai, Manabu Otani

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出利用分布式光纤传感数据同化实现高速公路拥堵的最优控制方法，通过多目标优化实时监控数据，提升通行能力和缓解拥堵，验证了变量速度限制和流入控制在不同交通状态下的效果。

Comments 21 pages, 13 figures, presented in the Transportation Research Board 105th Annual Meeting 2026

Rethinking Trust Region Bayesian Optimization in High Dimensions

重新思考高维中的信任区域贝叶斯优化

Wei-Ting Tang, Joel A. Paulson

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 本文提出AdaScale-TuRBO方法，通过动态调整GP长度尺度以解决高维优化中局部GP模型退化问题，提升性能。

Enabling Mixed criticality applications for the Versal AI-Engines

使Versal AI-Engines支持混合关键性应用

Vincent Sprave, Martin Wilhelm, Daniele Passaretti, Alberto Garcia-Ortiz, Thilo Pionteck

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文提出动态任务调度架构，使Versal AI-Engines在运行时支持不同关键性任务的动态分配，通过并行处理能力提升混合关键性系统性能，降低延迟并提高吞吐量。

Policy Optimization for Unknown Systems using Differentiable Model Predictive Control

使用可微模型预测控制的未知系统策略优化

Riccardo Zuliani, Efe C. Balta, John Lygeros

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 本文提出结合可微优化与零阶优化的新型策略优化框架，用于未知系统中的MPC策略优化，提升瞬态性能并保持收敛性。

Sub-additive service curves in the Network Calculus analysis

网络计算分析中的亚加性服务曲线

Anne Bouillard

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文探讨了网络计算分析中亚加性函数的应用，指出传统方法在反馈控制系统中仍可行，并纠正了Hamscher等人论文中的不严谨之处。

Comments 28 pages

Modeling the Impact of Communication and Human Uncertainties on Runway Capacity in Terminal Airspace

通信与人为不确定性对终端空域跑道容量影响的建模

Yutian Pang, Andrew Kendall, John-Paul Clarke

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文通过蒙特卡洛离散时间仿真研究通信和人为不确定性对跑道容量的影响，提出自动化最终进近引导模型，并验证通信不确定性对当前语音操作的影响。

Solving Stochastic Constraints by Oracle-based Gradient Descent and Interval Arithmetic

通过基于Oracle的梯度下降和区间算术解决随机约束

Xiakun Li, Hao Wu, Bican Xia, Tengshun Yang, Naijun Zhan

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 本文提出一种新框架，通过结合随机优化与符号技术，利用基于Oracle的随机梯度下降寻找高质量参数候选，结合区间算术计算严格认证的下界，以解决随机约束问题。

Chance-Constrained Neural MPC under Uncontrollable Agents via Sequential Convex Programming

在不可控代理下通过序列凸编程实现机会约束神经MPC

Shuqi Wang, Mingyang Feng, Yu Chen, Yue Gao, Xiang Yin

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文提出一种神经MPC框架，通过学习离线数据预测不可控代理轨迹，并采用区域鲁棒符合预测方案构建时间依赖性不确定性界，以确保预测误差的正式概率保证，实验表明该方法在自动驾驶场景中安全性和效率优于基线方法。

Comments Extended version of a paper accepted to the 23rd IFAC World Congress 2026, Busan, Korea, under the journal publication option

Two-Layer Reinforcement Learning-Assisted Joint Beamforming and Trajectory Optimization for Multi-UAV Downlink Communications

双层强化学习辅助多无人机下行通信中的联合波束成形与轨迹优化

Ruiqi Wang, Essra M. Ghoura, Omar Alhussein, Yuzhi Yang, Jing Ren, Shizhong Xu, Sami Muhaidat

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 本文提出双层框架，结合图神经网络与多智能体强化学习，解决无人机波束成形与轨迹优化问题，提升系统速率和收敛速度。

A Two-Timescale Primal-Dual Framework for Reinforcement Learning via Online Dual Variable Guidance

一种用于强化学习的双时间尺度对偶框架：通过在线对偶变量引导

Axel Friedrich Wolter, Tobias Sutter

机构 * Department of Computer Science University of Konstanz（康斯坦茨大学计算机科学系） ； Department of Economics University of St.Gallen（圣加尔登大学经济学系） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出PGDA-RL算法，结合正则化线性规划与随机逼近理论，解决正则化马尔可夫决策过程，实现双时间尺度分解与在线策略更新，证明其收敛性与有限时间保证。

Comments 68 pages, 1 figure; 2nd Revised version with additional corollary

Neural Processes Maintain Calibrated Biomass Estimates Across Spatiotemporal Gaps and Disturbance

神经过程在时空间隙和扰动中保持校准的生物量估计

Robin Young, Srinivasan Keshav

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)

AI总结 本文提出神经过程框架用于时空稀疏数据下的生物量估计，通过空间-时间对称建模实现校准的不确定性预测，适用于森林碳核算的MRV应用。

Hierarchical Flow Decomposition for Turning Movement Prediction at Signalized Intersections

用于信号灯交叉口转向预测的分层流量分解

Md Atiqur Rahman Mallick, Kamrul Hasan, Pulock Das, Liang Hong, S M Shazzad Rassel

专题命中 规划控制 ：LiDAR(abstract)

AI总结 本文提出HFD-TM框架，通过预测走廊通行流量再扩展至个体转向流，降低转向流量预测误差，实验显示其在实时交通应用中具有优势。

Comments Accepted to IEEE SoutheastCon 2026. 6 pages, 5 figures

Integrating Domain-Specialized Language Models with AI Measurement Tools for Deterministic Atomic-Resolution Experimentation

将领域专用语言模型与AI测量工具整合用于确定性原子分辨率实验

Zhuo Diao, Kouma Matsumoto, Linfeng Hou, Masahiro Ohara, Hayato Yamashita, Masayuki Abe

专题命中 规划控制 ：self-driving(abstract)

AI总结 本文提出一种框架，通过专门的小语言模型实现扫描探针显微镜的自主控制，结合AI驱动的测量工具，实现室温下的原子分辨率SPM实验，提升实验可靠性和可控性。