自动驾驶

CogDriver: Integrating Cognitive Inertia for Temporally Coherent Planning in Autonomous Driving

CogDriver：通过整合认知惯性实现自动驾驶中的时间一致规划

Pei Liu, Qingtian Ning, Xinyan Lu, Haipeng Liu, Weiliang Ma, Dangen She, Peng Jia, Xianpeng Lang, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Li Auto Inc.（利汽车公司） 纠错

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

AI总结 本文提出CogDriver框架，通过引入认知惯性提升自动驾驶中的时间一致性规划能力，通过大规模视觉-语言-动作数据集和稀疏时间记忆架构，显著提升了闭环驾驶得分和模仿准确性。

Trajectory Planning for a Multi-UAV Rigid-Payload Cascaded Transportation System Based on Enhanced Tube-RRT*

基于增强型管状RRT*的多无人机刚性载荷级联运输系统轨迹规划

Jianqiao Yu, Jia Li, Tianhua Gao

机构 * School of Aerospace Science and Technology, Beijing Institute of Technology（航天科学与技术学院，北京理工大学） ； Graduate School of Systems and Information Engineering, University of Tsukuba（系统与信息工程研究生院，筑波大学） 纠错

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

AI总结 本文提出一种两级轨迹规划框架，通过增强型管状RRT*算法解决密集障碍环境下的规划问题，结合主动混合采样和自适应扩展策略，生成安全可行的虚拟管，并通过轨迹平滑成本减少过度转弯，提升路径效率。

Comments 15 pages, 7 figures. Under review at IEEE Transactions on Aerospace and Electronic Systems (TAES). This work has been submitted to the IEEE for possible publication

Reliable and Real-Time Highway Trajectory Planning via Hybrid Learning-Optimization Frameworks

通过混合学习-优化框架实现可靠且实时的高速公路轨迹规划

Yujia Lu, Chong Wei, Lu Ma, Lounis Adouane

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

AI总结 本文提出混合高速公路轨迹规划框架，结合学习方法的适应性和优化方法的正式安全保证，确保在多车交互复杂情况下实现高可靠性和实时性。

AWARE: Adaptive Whole-body Active Rotating Control for Enhanced LiDAR-Inertial Odometry under Human-in-the-Loop Interaction

AWARE: 一种适应性全身主动旋转控制用于增强人体在环交互下的激光雷达惯性里程计

Yizhe Zhang, Jianping Li, Liangliang Yin, Zhen Dong, Bisheng Yang

机构 * organization= State Key Laboratory of Information Engineering in Surveying, Mapping ； Remote Sensing , addressline= Wuhan University , city= Wuhan , postcode= 430079 , country= China ； organization= School of Electrical ； Electronic Engineering , addressline= Nanyang Technological University , postcode= 639798 , country= Singapore 纠错

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

AI总结 本文提出AWARE框架，通过UAV自身旋转能力扩展传感器视野，提升LIO可观测性。采用可微分MPC与强化学习结合，实现估计精度与飞行稳定性平衡，并通过安全飞行走廊机制确保操作安全。

Joint UAV-UGV Positioning and Trajectory Planning via Meta A3C for Reliable Emergency Communications

通过元A3C实现UAV-UGV的联合定位与轨迹规划以实现可靠的应急通讯

Ndagijimana Cyprien, Mehdi Sookhak, Hosein Zarini, Chandra N Sekharan, Mohammed Atiquzzaman

机构 * Department of Computer Science, Texas A&M University-Corpus Christi（德克萨斯农工大学科珀斯克里斯蒂分校计算机科学系） ； School of Computer Science, University of Oklahoma（俄克拉荷马大学计算机科学学院） 纠错

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

AI总结 本文提出了一种基于元A3C的UAV-UGV联合定位与轨迹规划框架，通过道路图建模UGV移动并优化总速率问题，实验表明其在吞吐量和执行速度上优于A3C和DDPG。

Journal ref Proceedings of the IEEE Global Communications Conference (GLOBECOM), 2025, Taipei, Taiwan, Dec. 2025

Joint Task Offloading, Inference Optimization and UAV Trajectory Planning for Generative AI Empowered Intelligent Transportation Digital Twin

生成式人工智能赋能的智能交通数字孪生中的联合任务卸载、推断优化与无人机轨迹规划

Xiaohuan Li, Junchuan Fan, Bingqi Zhang, Rong Yu, Xumin Huang, Qian Chen

机构 * Guangxi University Key Laboratory of Intelligent Networking and Scenario System (School of Information and Communication, Guilin University of Electronic Technology)（广西大学智能组网与场景系统重点实验室（桂林电子科技大学信息与通信学院）） ； Research Institute of Highway Ministry of Transport（交通运输部公路科学研究院） ； School of Automation, Guangdong University of Technology（广东工业大学自动化学院） ； School of Architecture and Transportation Engineering, Guilin University of Electronic Technology（桂林电子科技大学建筑与交通工程学院） 纠错

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

AI总结 本文提出一种联合优化方法，通过无人机任务卸载、推断优化和轨迹规划提升生成式人工智能赋能的智能交通数字孪生的精度与延迟平衡。

Multimodal Classification Network Guided Trajectory Planning for Four-Wheel Independent Steering Autonomous Parking Considering Obstacle Attributes

四轮独立转向自主泊车的多模态分类网络引导轨迹规划考虑障碍属性

Jingjia Teng, Yang Li, Yougang Bian, Manjiang Hu, Yingbai Hu, Guofa Li, Jianqiang Wang

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

AI总结 本文提出基于多模态感知网络和混合A*搜索的轨迹规划框架，通过考虑障碍属性提升四轮独立转向车辆在狭窄环境中的导航效率和安全性。

Comments The manuscript in this current form requires substantial revision. For this reason, I request the withdrawal of the submission to allow for comprehensive improvement before resubmission

Hierarchical Trajectory Planning of Floating-Base Multi-Link Robot for Maneuvering in Confined Environments

浮基多连杆机器人的分层轨迹规划用于在受限环境中 maneuvering

Yicheng Chen, Jinjie Li, Haokun Liu, Zicheng Luo, Kotaro Kaneko, Moju Zhao

机构 * Department of Mechanical Engineering, The University of Tokyo（东京大学机械工程系） 纠错

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

AI总结 本文提出了一种分层轨迹规划框架，通过全局引导与配置感知的局部优化，实现浮基多连杆机器人在受限环境中的机动性，无需人工构建障碍模型。

Comments Accepted to IEEE T-ASE; DOI pending

Journal ref IEEE Transactions on Automation Science and Engineering, vol. 23, pp. 5460-5477, 2026

AutoWeather4D: Autonomous Driving Video Weather Conversion via G-Buffer Dual-Pass Editing

AutoWeather4D：通过G-Buffer双步编辑实现自动驾驶视频天气转换

Tianyu Liu, Weitao Xiong, Kunming Luo, Manyuan Zhang, Peng Li, Yuan Liu, Ping Tan

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Xiamen University（厦门大学） ； Meituan-M17, Hong Kong（美团-M17，香港） 纠错

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

AI总结 本文提出AutoWeather4D框架，通过G-Buffer双步编辑分离几何与光照，实现高质量天气合成，提供细粒度物理控制，适用于自动驾驶数据生成。

Comments Project Page: https://lty2226262.github.io/autoweather4d/ | Github: https://github.com/lty2226262/AutoWeather4D

DriveVGGT: Calibration-Constrained Visual Geometry Transformers for Multi-Camera Autonomous Driving

DriveVGGT: 用于多摄像头自动驾驶的校准约束视觉几何变换

Xiaosong Jia, Yanhao Liu, Yu Hong, Renqiu Xia, Junqi You, Bin Sun, Zhihui Hao, Junchi Yan

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身智能研究所） ； Li Auto Inc.（理想汽车） 纠错

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

AI总结 DriveVGGT通过引入时间视频注意模块、多摄像头一致性注意模块和分解的解码过程，整合稀疏空间重叠、校准几何约束和刚性外参恒定等先验知识，提升自动驾驶场景下的重建效率和精度。

Experimental study on surveillance video-based indoor occupancy measurement with occupant-centric control

基于监控视频的室内占用测量实验研究：以以 occupant-centric 控制为中心

Irfan Qaisar, Kailai Sun, Qingshan Jia, Qianchuan Zhao

机构 * Center for Intelligent and Networked Systems, Department of Automation, BNRist, Tsinghua University（清华大学自动化系智能与网络化系统中心，北京信息科学与技术国家研究中心） ； Urban Mobility Lab, Massachusetts Institute of Technology（麻省理工学院城市移动实验室） ； Singapore-MIT Alliance for Research and Technology Centre, Massachusetts Institute of Technology（麻省理工学院新加坡-麻省理工学院研究与技术联盟中心） 纠错

专题命中 规划控制 ：occupancy(title,abstract)；分类 cs.CV

AI总结 本文研究了基于监控视频的室内占用测量方法，通过比较检测、跟踪和LLM优化流程，展示了LLM对提高测量精度和减少误报的影响，最终在HVAC控制中实现了17.94%的节能潜力。

RTD-RAX: Fast, Safe Trajectory Planning for Systems under Unknown Disturbances

RTD-RAX：在未知扰动下快速安全的轨迹规划

Evanns Morales-Cuadrado, Long Kiu Chung, Shreyas Kousik, Samuel Coogan

机构 * Georgia Institute of Technology（佐治亚理工学院） ； School of Electrical and Computer Engineering（电子与计算机工程学院） ； School of Mechanical Engineering（机械工程学院） ； School of Civil and Environmental Engineering（土木与环境工程学院） 纠错

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

AI总结 RTD-RAX通过非保守的RTD方法快速生成目标导向候选轨迹，并利用混合单调可达性实现快速扰动感知在线安全认证，确保在实时不确定环境下轨迹安全。

OccTENS: 3D Occupancy World Model via Temporal Next-Scale Prediction

OccTENS: 通过时间下一尺度预测实现的3D占用世界模型

Bu Jin, Songen Gu, Xiaotao Hu, Yupeng Zheng, Xiaoyang Guo, Qian Zhang, Xiaoxiao Long, Wei Yin

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Horizon Robotics（地平线机器人） ； Nanjing University（南京大学） 纠错

专题命中 规划控制 ：occupancy(title,abstract)；分类 cs.CV

AI总结 本文提出OccTENS，一种能高效生成高质量长期占用场景的生成模型，通过时间下一尺度预测任务解决效率、时间退化和可控性问题。

LaST-VLA: Thinking in Latent Spatio-Temporal Space for Vision-Language-Action in Autonomous Driving

LaST-VLA: 在自动驾驶的视觉-语言-动作中思考于潜在的空间-时间空间

Yuechen Luo, Fang Li, Shaoqing Xu, Yang Ji, Zehan Zhang, Bing Wang, Yuannan Shen, Jianwei Cui, Long Chen, Guang Chen, Hangjun Ye, Zhi-Xin Yang, Fuxi Wen

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

AI总结 LaST-VLA通过潜在空间-时间推理框架，结合双特征对齐机制和渐进式SFT训练策略，提升自动驾驶中的视觉-语言-动作处理能力，实现更安全的物理基础推理。

NaviDriveVLM: Decoupling High-Level Reasoning and Motion Planning for Autonomous Driving

NaviDriveVLM：解耦高层推理与运动规划用于自动驾驶

Ximeng Tao, Pardis Taghavi, Dimitar Filev, Reza Langari, Gaurav Pandey

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University, College Station, TX 77843, USA（杰米·沃克’66机械工程系，德克萨斯A&M大学，学院站，TX 77843，美国） ； The Department of Engineering Technology and Industrial Distribution Texas A&M University, College Station, TX 77843, USA（工程技术与工业分配系，德克萨斯A&M大学，学院站，TX 77843，美国） 纠错

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

AI总结 NaviDriveVLM通过解耦高层推理与运动规划，提升自动驾驶中的推理能力与效率

FLARE: Learning Future-Aware Latent Representations from Vision-Language Models for Autonomous Driving

FLARE: 从视觉-语言模型中学习未来感知的潜在表示以实现自动驾驶

Chengen Xie, Chonghao Sima, Tianyu Li, Bin Sun, Junjie Wu, Zhihui Hao, Hongyang Li

机构 * Shanghai Jiaotong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； OpenDriveLab at The University of Hong Kong（香港大学OpenDrive实验室） ； Li Auto Inc.（Li汽车公司） 纠错

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

AI总结 FLARE通过自监督的未来特征预测目标，从大规模未标记数据中学习鲁棒驾驶表示，无需语言监督，提升自动驾驶性能。

A Self-Supervised Learning Approach with Differentiable Optimization for UAV Trajectory Planning

一种结合可微优化的自监督学习方法用于无人机轨迹规划

Yufei Jiang, Yuanzhu Zhan, Harsh Vardhan Gupta, Chinmay Borde, Junyi Geng

机构 * Department of Aerospace Engineering, Pennsylvania State University（宾夕法尼亚州立大学航空航天工程系） ； Department of Engineering and Applied Science, University at Buffalo（布法罗大学工程与应用科学系） 纠错

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

AI总结 本文提出了一种结合可微优化的自监督学习方法，用于在三维环境中提升无人机轨迹规划的效率和鲁棒性。

Comments Accepted by ICRA 2026

MMH-Planner: Multi-Mode Hybrid Trajectory Planning Method for UAV Efficient Flight Based on Real-Time Spatial Awareness

MMH-Planner: 多模式混合轨迹规划方法：基于实时空间感知的无人机高效飞行

Yinghao Zhao, Chenguang Dai, Liang Lyu, Zhenchao Zhang, Chaozhen Lan, Hong Xie

机构 * School of Surveying and Mapping, Information Engineering University（测绘学院，信息工程大学） ； School of Geodesy and Geomatics, Hubei Luojia Laboratory（地质测绘学院，湖北珞珈实验室） 纠错

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

AI总结 MMH-Planner通过多模式混合轨迹规划方法，结合实时空间感知提升无人机飞行效率，优化规划效率与计算成本。

Unleashing VLA Potentials in Autonomous Driving via Explicit Learning from Failures

通过从失败中显式学习解锁VLA在自动驾驶中的潜力

Yuechen Luo, Qimao Chen, Fang Li, Shaoqing Xu, Jaxin Liu, Ziying Song, Zhi-xin Yang, Fuxi Wen

机构 * Tsinghua University（清华大学） ； University of Macau（澳门大学） ； Beijing Jiaotong University（北京交通大学） 纠错

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

AI总结 本文提出ELF-VLA框架，通过显式学习失败来提升自动驾驶中VLA模型的性能，实现关键场景的解决并取得SOTA效果。

ImagiDrive: A Unified Imagination-and-Planning Framework for Autonomous Driving

ImagiDrive: 一种用于自动驾驶的统一想象与规划框架

Jingyu Li, Bozhou Zhang, Xin Jin, Jiankang Deng, Xiatian Zhu, Li Zhang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院） ； Eastern Institute of Technology（技术东院） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学） 纠错

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

AI总结 ImagiDrive通过整合视觉-语言模型和驾驶世界模型，实现自动驾驶中的统一想象与规划循环，提升场景生成和决策预测的准确性与效率。

Comments Accepted for publication in 2026 IEEE International Conference on Robotics and Automation (ICRA)

GuideFlow: Constraint-Guided Flow Matching for Planning in End-to-End Autonomous Driving

GuideFlow: 基于约束的流匹配用于端到端自动驾驶中的规划

Lin Liu, Caiyan Jia, Guanyi Yu, Ziying Song, JunQiao Li, Feiyang Jia, Peiliang Wu, Xiaoshuai Hao, Yadan Luo

机构 * School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） ； Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence（北京交通大数据挖掘与具身智能重点实验室） ； Qcraft ； Yanshan University（燕山大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； The University of Queensland（昆士兰大学） 纠错

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

AI总结 GuideFlow通过约束流匹配技术，在端到端自动驾驶中实现高效规划，直接强制显式约束并提升物理约束满足能力。

BoundPlanner: A convex-set-based approach to bounded manipulator trajectory planning

BoundPlanner: 一种基于凸集的有界机械臂轨迹规划方法

Thies Oelerich, Christian Hartl-Nesic, Florian Beck, Andreas Kugi

机构 * Automation and Control Institute (ACIN), TU Wien（自动化与控制研究所（ACIN），维也纳技术大学） 纠错

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

AI总结 BoundPlanner通过基于凸集的轨迹规划方法，实现机械臂在考虑运动学和碰撞约束下的高效在线轨迹规划。

Comments Published at RA-L

A Generalizable Physics-guided Causal Model for Trajectory Prediction in Autonomous Driving

一种通用的物理引导因果模型用于自动驾驶中的轨迹预测

Zhenyu Zong, Yuchen Wang, Haohong Lin, Lu Gan, Huajie Shao

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

AI总结 本文提出了一种通用的物理引导因果模型，通过解耦场景编码器和因果ODE解码器提升自动驾驶中的零样本轨迹预测能力。

Comments 8 pages, 4 figures, Accepted by IEEE ICRA 2026

V2V-GoT: Vehicle-to-Vehicle Cooperative Autonomous Driving with Multimodal Large Language Models and Graph-of-Thoughts

V2V-GoT: 基于多模态大语言模型和思维图的车对车协同自动驾驶

Hsu-kuang Chiu, Ryo Hachiuma, Chien-Yi Wang, Yu-Chiang Frank Wang, Min-Hung Chen, Stephen F. Smith

机构 * NVIDIA ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出V2V-GoT框架，结合多模态大语言模型和图-思维方法，提升车对车协同自动驾驶的感知、预测和规划能力。

Comments Accepted by ICRA 2026 (IEEE International Conference on Robotics and Automation). Project: https://eddyhkchiu.github.io/v2vgot.github.io/ Code: https://github.com/eddyhkchiu/V2V-GoT Dataset: https://huggingface.co/datasets/eddyhkchiu/V2V-GoT-QA

ONRAP: Occupancy-driven Noise-Resilient Autonomous Path Planning

ONRAP：基于占用度的抗噪声自主路径规划

Faizan M. Tariq, Avinash Singh, Vipul Ramtekkar, Jovin D'sa, David Isele, Yosuke Sakamoto, Sangjae Bae

机构 * Honda Research Institute, CA, USA（本田研究院，美国加利福尼亚州） ； Honda Research and Development（本田研发） 纠错

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

AI总结 ONRAP 提出了一种基于占用网格的抗噪声路径规划方法，结合占用流预测以生成安全可行的路径，实现实时运行并有效应对不确定环境。

Comments 8 pages, 9 figures - Presented at 2026 IEEE Intelligent Vehicles Symposium (IV)

Solving Geodesic Equations with Composite Bernstein Polynomials for Trajectory Planning

利用复合伯恩斯坦多项式求解测地方程用于轨迹规划

Nick Gorman, Gage MacLin, Maxwell Hammond, Venanzio Cichella

机构 * Department of Mechanical Engineering（机械工程系） ； University of Iowa（爱荷华大学） 纠错

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

AI总结 本文提出基于复合伯恩斯坦多项式的轨迹规划方法，用于在复杂环境中生成连续、动态可行的轨迹，适用于多种自主系统。

Comments Accepted for the 2026 IEEE Aerospace Conference

ADGaussian: Generalizable Gaussian Splatting for Autonomous Driving via Multi-modal Joint Learning

ADGaussian：通过多模态联合学习实现自动驾驶的通用高斯点云重建

Qi Song, Chenghong Li, Haotong Lin, Sida Peng, Rui Huang

机构 * School of Science and Engineering, The Chinese University of Hong Kong (Shenzhen)（中国香港中文大学（深圳）科学与工程学院） ； Zhejiang University（浙江大学） 纠错

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

AI总结 ADGaussian通过多模态联合学习实现自动驾驶场景的高斯点云重建，提升零样本泛化能力。

Comments The paper is accepted by ICRA 2026 and the project page can be found at https://maggiesong7.github.io/research/ADGaussian/

Autonomous Manipulation of Hazardous Chemicals and Delicate Objects in a Self-Driving Laboratory: A Sliding Mode Approach

在自动驾驶实验室中实现危险化学品和精密物体的自主操作：一种滑模方法

Shifa Sulaiman, Francesco Schetter, Tobias Jensen, Simon Bøgh, Fanny Ficuciello

机构 * Department of Electronic Systems, Aalborg University（电子系统系，奥尔堡大学） ； Department of Information Technology and Electrical Engineering, University of Naples（信息科技与电气工程系，那不勒斯大学） 纠错

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

AI总结 本研究提出基于模型的滑模控制方法，用于在自动驾驶实验室中实现危险化学品和精密物体的自主操作，验证了其在提高运动平滑度和精度方面的有效性。

LLM-Driven Scenario-Aware Planning for Autonomous Driving

基于大语言模型的场景感知规划用于自动驾驶

He Li, Zhaowei Chen, Rui Gao, Guoliang Li, Qi Hao, Shuai Wang, Chengzhong Xu

机构 * University of Macau（澳门大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Southern University of Science and Technology（南方科技大学） 纠错

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

AI总结 本文提出LAP，一种基于大语言模型的自适应规划方法，通过场景理解与联合优化实现自动驾驶中的高速与精确驾驶平衡。

Learning the Pareto Space of Multi-Objective Autonomous Driving: A Modular, Data-Driven Approach

学习多目标自动驾驶的帕累托空间：一种模块化、数据驱动的方法

Mohammad Elayan, Wissam Kontar

机构 * Dept. of Civil \& Environmental Engineering University of Nebraska-Lincoln 纠错

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

AI总结 本文提出了一种模块化、数据驱动的方法，通过自然轨迹数据学习多目标自动驾驶的帕累托空间，揭示了自动驾驶车辆在现实世界中的性能权衡与优化潜力。

Comments Accepted for presentation/publication at the The IEEE Intelligent Vehicles Symposium of 2026 (IEEE IV 2026)