自动驾驶

Toward Blockage-Resilient 6G-V2X Connectivity: Semi-Distributed Bandit with Dynamic Arm Set for mmWave HetNets

面向抗阻塞的6G车万物联网（V2X）连接：面向毫米波异构车联网的具有动态臂集的半分布式多臂老虎机算法

Weiqi Chi, Bo Qian, Hanlin Wu, Donghui Li, Haibo Zhou, Manabu Tsukada

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对毫米波异构车联网的阻塞与信道波动问题，提出BAND及半分布式S-BAND算法，结合TAK区域与KIF度量，在10%-50%阻塞率下较集中式MAB基线实现34.9%-59.4%的遗憾降低，TAK区域性能优于K-means聚类。

Tail-Calibrated Soft-Output GRAND for Finite-Memory Noise-Effect Posteriors

面向有限记忆噪声效应后验的尾端校准软输出GRAND

Behrooz Razeghi

专题命中 感知 ：occupancy(abstract)

AI总结 针对有限记忆噪声效应后验，提出尾端校准软输出GRAND算法，实现后验权重等估计并给出相关理论界，可提供逐块APP估计等解码输出。

OpenCSI: Self-Calibration Layer for Heterogeneous Mesh Wireless Sensor Networks

OpenCSI：面向异构网状无线传感器网络的自校准层

Karim Khamaisi, Simon Sigg, Bruno Rodrigues

专题命中 感知 ：occupancy(abstract)

AI总结 OpenCSI是面向异构网状无线传感器网络的自校准层，通过在线学习空房间基线实现WiFi CSI感知模型零样本跨环境迁移，在二元占用任务上F1最高达0.99，无需目标域数据或重训练。

SIDSense: Database-Free TV White Space Sensing for Disaster-Resilient Connectivity

SIDSense：无数据库的电视白空间传感以实现灾害韧性连接

George M. Gichuru, Zoe Aiyanna M. Cayetano

专题命中 感知 ：occupancy(abstract)

AI总结 SIDSense通过无数据库的TVWS传感技术，结合边缘AI和私有5G堆栈，在灾害应急通信中实现高可靠连接和低延迟感知

Comments 7 pages, 1 figure

Dynamics-matched Physical Reservoir Computing for Undersensed Traffic Prediction

动力学匹配物理储备池计算用于欠感知交通预测

Michael McCreesh, Rohit Gupta, Stephen L. Smith

专题命中 感知 ：autonomous driving(abstract)

AI总结 本研究提出将交通网络作为储备池的IIDM-RC方法，用于欠感知交通预测，在预测准确性和训练时间上优于ESNs与LSTM网络。

Comments 16 pages, 4 figures. Has been submitted for journal publication

Integrated Eco-Driving and Powertrain Optimization for Hybrid Vehicles in Complex Urban Traffic

复杂城市交通中混合动力汽车的集成生态驾驶与动力总成优化

Milad Hasanzadeh, Amin Kargarian, Mehdi Farasat

专题命中 感知 ：occupancy(abstract)

AI总结 针对城市混合动力汽车，提出集成有限时域生态驾驶规划框架，联合优化交通行为与动力总成运行，同时建模多方面驾驶行为及动力总成运行，模拟研究表明该方法能在维持合规驾驶计划时改善能源性能。

GLST: Defending Confidence-Driven V2X Collaborative Perception Against Stealthy Multi-Attacker Feature Injection

GLST：抵御针对置信驱动的V2X协同感知的隐秘多攻击者特征注入

Ji He, Ying Wang, Lijie Zheng, Xinghui Zhu, Yulong Shen, Xiaohong Jiang

专题命中 感知 ：driving perception(abstract)

AI总结 研究针对置信驱动的V2X协同感知的安全问题，提出伪装良性攻击利用空间置信机制降低检测性能。发现现有基于信任的防御弱点，进而提出GLST通过多视角评估协作者可靠性，实验表明其在多攻击者场景下鲁棒性强，对多种攻击有效。

Update the Unseen Only: Minimizing AoI for Collaborative Perception through Online Learning

仅更新未见过的信息：通过在线学习最小化协作感知中的信息年龄

Yanan Ma, Zhuoyi Zhao, Zhengru Fang, Haonan An, Xianhao Chen, Yuguang Fang

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对协作感知中因带宽有限致数据过时问题，提出移动感知AoI最小化框架，推导闭式表达式，开发LocMW算法，性能保证其优于基准，仿真显示该算法能大幅降低AoI并提高检测精度。

Comments 15 pages, 8 figures

Environment-Aware Channel Inference via Cross-Modal Flow: From Multimodal Sensing to Wireless Channels

通过跨模态流进行环境感知信道推断：从多模态感知到无线信道

Guangming Liang, Mingjie Yang, Dongzhu Liu, Paul Henderson, Lajos Hanzo

机构 * School of Computing Science, University of Glasgow（格拉斯哥大学计算机科学学院） ； School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院） 纠错

专题命中 感知 ：LiDAR(abstract)

AI总结 研究在高多普勒环境下无需导频的信道推断，提出数据驱动框架将传感到信道映射设为跨模态流匹配问题，通过融合多模态特征、学习速度场等实现实时CSI估计，实验表明该方法在信道估计精度和频谱效率上优于基准。

Comments 17 pages, 15 figures, 44 references, to appear in IEEE Transactions on Mobile Computing (TMC)

Enhanced quantum illumination of a lossy target: A sequential interaction model

增强的损失性目标量子照明：一个顺序交互模型

Shilpi Srivastava, Shubhrangshu Dasgupta

专题命中 感知 ：LiDAR(abstract)

AI总结 研究在现实环境中量子照明对损失性目标的有效性，比较高斯双模压缩态与最优经典协议的性能，发现TMSS在低反射率目标下具有更高的SNR和更强的抗热噪声能力。

Towards Resilient Tracking in Autonomous Vehicles: A Distributionally Robust Input and State Estimation Approach

面向自动驾驶车辆的鲁棒跟踪：一种分布鲁棒的输入和状态估计方法

Kasra Azizi, Kumar Anurag, Wenbin Wan

专题命中 感知 ：autonomous driving(abstract)

AI总结 本文提出一种分布鲁棒的输入和状态估计方法，用于提高自动驾驶车辆在模型不确定性和测量异常情况下的鲁棒跟踪性能。

A VAE-Driven Multi-Task Satellite-Aided Semantic Communication Framework for 6G-Enabled Connected Autonomous Vehicles

用于支持6G的联网自动驾驶车辆的基于VAE的多任务卫星辅助语义通信框架

S. M. Abtahiul Alam, Niloy Das, Apurba Adhikary, Yu Qiao, Zhu Han, Choong Seon Hong

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对智能交通系统中联网自动驾驶车辆的通信需求，提出基于VAE的多任务卫星辅助语义通信框架，利用概率潜在表示编码，经噪声信道传输特征进行交通标志重建与分类，能显著降低带宽并保持性能稳定。

Roomie: Interference-Aware Colocation for Efficient Model Serving

Roomie：用于高效模型服务的干扰感知共置

Youssouph Faye, Francescomaria Faticanti, Shubham Jain, Francesco Bronzino

专题命中 感知 ：occupancy(abstract)

AI总结 针对DNN推理中GPU容量供不应求需共置模型的情况，Roomie架构通过解耦离线内核分析与在线干扰预测，用基于占用的模型预测干扰，经启发式算法和在线放置算法，有效降低推理延迟，提升吞吐量。

Compositional Semantic Communication for Physical AI: Category Theory Meets Game Theory

用于物理人工智能的组合语义通信：范畴论与博弈论相遇

Christo Kurisummoottil Thomas, Walid Saad, Emilio Calvanese Strinati

专题命中 感知 ：autonomous driving(abstract)

AI总结 研究物理人工智能系统中传输原始传感器数据的问题，提出组合语义通信框架，利用范畴论度量、格罗滕迪克拓扑等，将多设备协调表述为斯塔克尔伯格博弈，用ADMM算法计算策略，实现带宽减少和延迟降低，保持推理准确率。

Information-Optimal Formation Geometry Design for Multimodal UAV Cooperative Perception

多模态无人机协同感知的信息最优编队几何设计

Kai Xiong, Xingyu Wu, Anna Duan, Gang Li, Yongjun Huang, Supeng Leng, Jianhua He

专题命中 感知 ：LiDAR(abstract)

AI总结 针对多模态无人机协同感知，提出信息最优优化框架，通过最大化Fisher信息矩阵行列式优化分配与控制，引入等效编队转换策略及稳定飞行控制方案，相比传统方法，视场覆盖、通信信号强度和能耗等方面有显著提升，验证了任务驱动几何分配的重要性。

The proportional scaling of mRNA and ribosome concentrations controls eukaryotic cell growth

mRNA和核糖体浓度的比例缩放控制真核细胞生长

Xin Gao, Michael Lanz, Rosslyn Grosely, Jonas Cremer, Joseph Puglisi, Jan M. Skotheim

专题命中 感知 ：occupancy(abstract)

AI总结 研究真核细胞生长定量原理，运用多种技术在出芽酵母多条件下研究，发现核糖体浓度与生长速率线性缩放，mRNA浓度与核糖体成比例增加，建立简单模型预测相关指标，揭示细胞通过缩放mRNA和核糖体丰度加速增殖并建立定量框架。

Comments 71 pages, 6 figures

Variational Inference for Evidential Deep Learning

证据深度学习的变分推断

Jiawei Tang, Xinyan Du, Hui Liu, Junhui Hou, Yuheng Jia

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； School of Computing Information Sciences, Saint Francis University（圣弗朗西斯大学计算信息科学学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其交叉应用关键实验室（东南大学），中华人民共和国教育部，中国） 纠错

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对传统证据深度学习（EDL）中KL惩罚项导致证据过高和参数设置缺乏理论保证的问题，提出基于变分推断的VI-EDL框架，通过推导证据下界（ELBO）抑制证据过度增长，并建立泛化界理论，在视觉和医学数据集上实现最先进的分布外检测、噪声检测和自动驾驶性能。

M3F-UAV: A Missing-Modality Multimodal Foundation Model for Low-Altitude Wireless Sensing

M3F-UAV：一种用于低空无线传感的缺失模态多模态基础模型

Pengxuan Gao, Kai Ying, Botao Wu, Jianhua Mo, Qingsong Wen

专题命中 感知 ：LiDAR(abstract)

AI总结 针对复杂环境下单模态模型可靠性低的问题，提出M3F-UAV模型，通过特定模态预训练特征提取器、跨模态融合及缺失模态感知预训练，从多观测中学习统一表示，在LAMBDA数据集实验中性能优于单模态基线且在缺失模态下稳健。

Securing Autonomous Vehicle Systems via Twin-Aware Federated Reinforcement Learning

通过双感知联邦强化学习保障自动驾驶车辆系统安全

Zifan Zhang, Minghong Fang, Dianwei Chen, Zhuqing Liu, Prashant Khanduri, Xianfeng Yang, Anupam Das, Yuchen Liu

机构 * North Carolina State University（北卡罗来纳州立大学） ； University of Louisville（路易斯维尔大学） ； University of Maryland（马里兰大学） ； University of North Texas（北德克萨斯大学） ； Wayne State University（韦恩州立大学） 纠错

专题命中 感知 ：autonomous driving(abstract)

AI总结 研究自动驾驶车辆系统安全问题，提出\alg防御框架，通过集成数字孪生、利用历史参数和中心梯度，确保仅聚合良性数据，增强FRL系统鲁棒性，有理论保证且经数字孪生模型验证有效性。

Comments Submitted to IEEE for potential publication

Edge-Inference Governors Need Memory-Clock State

超越CPU-GPU频率：内存时钟和尾部效应对边缘推理延迟估计的影响

Jaehoon Kang

专题命中 感知 ：occupancy(abstract)

AI总结 通过测量NVIDIA Jetson Orin Nano，发现内存时钟是缺失的维度、聚合丢失率隐藏突发性、频率切换存在延迟，这些现象超出传统频率感知延迟模型的范围。

Comments 23 pages, 15 figures, 23 tables. Code and data: https://github.com/dankang21/jetson-latency-lab ; traces: https://zenodo.org/records/21236659

Quality-Aware Personalized AI Service Provisioning in UAV-Assisted 6G Networks

无人机辅助6G网络中质量感知的个性化人工智能服务供应

Mohammad Farhoudi, Masoud Shokrnezhad, Tarik Taleb

专题命中 感知 ：trajectory planning(abstract)

AI总结 研究无人机辅助6G网络中质量感知的个性化AI服务供应问题，提出HyPE框架，集成移动感知预测、学习增强决策和启发式服务放置与路由，模拟实验显示其在覆盖范围、延迟、服务个性化等方面优于基线，突出预测学习增强供应的前景。

Hybrid pattern recognition for charged particle tracking: Hough transform and convolutional neural efficiency networks

用于带电粒子跟踪的混合模式识别：霍夫变换和卷积神经网络效率网络

Carlo Varni, Krzysztof Ciesla, Marcin Wolter, Radoslaw Karol Mienkowski, Noemi Calace, Tomasz Bold

专题命中 感知 ：occupancy(abstract)

AI总结 研究在硅探测器中重建带电粒子轨迹问题，核心方法是采用霍夫变换作数据准备，再输入神经网络抑制假候选轨迹。贡献是结合两者优势，提升效率与纯度，算法更简单高效。

Comments 17 pages, 11 figures

LAMBDA: A Low-Altitude Multimodal Base Dataset for UAV Sensing and Communication

LAMBDA：用于无人机传感与通信的低空多模态基础数据集

Lin Zhou, Peichuan Rao, Chenshuo Zhang, Jianhua Mo, Shu Sun, Zhiyong Chen, Meixia Tao

专题命中 感知 ：LiDAR(abstract)

AI总结 研究低空综合传感与通信需对齐多模态数据，为此引入LAMBDA数据集，通过高保真数字孪生管道生成，具有多种特性，涵盖多场景多条件，支持多种参数设置，经评估有可靠性与可用性。

Efficient Upper Mid-Band Spectrum Sensing with Multiple Signals

多信号高效上中频带频谱感知

Yongjun Kim, Ali Rasteh, Sundeep Rangan, Junil Choi

专题命中 感知 ：occupancy(abstract)

AI总结 研究上中频带频谱感知中主用户信号数量、带宽及信噪比均未知时的频域占用估计问题，通过广义似然比检验及结合二分搜索与动态规划的高效搜索程序，验证方法实用性。

ATS-ToDMA: Adaptive Token Selection and Token-Domain Multiple Access for Cross-Modal Semantic Communications

ATS-ToDMA：用于跨模态语义通信的自适应令牌选择和令牌域多址接入

Sachin Kadam, Dong In Kim

专题命中 感知 ：occupancy(abstract)

AI总结 针对语义通信系统效率问题，提出ATS-ToDMA框架，通过联合进行语义令牌选择、干扰感知调度和语义感知功率分配，引入SSINR指标，开发调度器，推导分析边界，相比基准有性能提升。

Comments 13 pages, 9 figures. Submitted to a journal, under review

Continual Learning via Ensemble-Based Depth-Wise Masked Autoencoders for Data Quality Monitoring in High-Energy Physics

基于集成的深度掩蔽自动编码器的持续学习用于高能物理中的数据质量监测

Dale Julson, Eric Reinhardt, Andrii Krutsylo, Resham Sohal, Guillermo Fidalgo, Sergei Gleyzer, Emanuele Usai, The CMS HCAL Collaboration

专题命中 感知 ：occupancy(abstract)

AI总结 研究高能物理数据质量监测，提出轻量级掩蔽自动编码器DepthViT，用独特深度嵌入和注意力实现高效异常检测，构建持续学习框架，集成新旧模型提升抗数据偏移能力，多场景测试效果良好。

Transformer-Based Approach to Enhance Positron Tracking Performance in MEG II

基于Transformer的方法提升MEG II正电子追踪性能

Lapo Dispoto, Fedor Ignatov, Atsushi Oya, Yusuke Uchiyama, Antoine Venturini

专题命中 感知 ：occupancy(abstract)

AI总结 提出Transformer模式识别方法，用于MEG II实验正电子径迹重建，通过分类去除漂移室中的堆积击中，在35-50%堆积率下将击中纯度提升15%，追踪效率和分辨率分别提升15%和5%，使μ→eγ分支比测量灵敏度提高约10%。

Support of Teleoperated Driving with 5G Networks

基于5G网络的远程驾驶支持

M. Carmen Lucas-Estañ, Baldomero Coll-Perales, Mohammad Irfan Khan, Sergei S. Avedisov, Onur Altintas, Javier Gozalvez, Miguel Sepulcre

专题命中 感知 ：autonomous driving(abstract)

AI总结 研究5G网络支持远程驾驶的可行性，发现其依赖于带宽和TDD帧结构，且车辆数量增加需降低视频码率，集中式部署可能难以满足严苛延迟要求。

Journal ref Proceedings of the 2023 IEEE 98th Vehicular Technology Conference (VTC2023-Fall), 2023, pp. 1-5

Failure-Based Testing for Deep Reinforcement Learning Agents

基于失败的深度强化学习智能体测试方法

Weibin Lin, Jiangtao Meng, Zheng Zheng

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对深度强化学习智能体测试中奖励信号失效的问题，提出一种基于任务失败洞察的黑盒测试方法PRT，通过优先测试高难度任务来提升故障检测效率，在四个基准上测试成本降低超50%。

Comments 22 pages

Gaussian Belief Propagation for Tracking With Unresolved Measurements

用于未分辨测量跟踪的高斯置信传播

Augustin A. Saucan, Florian Meyer, Peter Willett

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对多目标跟踪中未分辨测量问题，提出基于成对耦合对象模型的概率分布，并设计广义环置信传播（LBP）和专用高斯LBP（GLBP）算法，实现O(m n 2^n)复杂度的高效状态推理。

Comments 13 pages, 9 figures