自动驾驶

DPMPC-Planner: A real-time UAV trajectory planning framework for complex static environments with dynamic obstacles

Zhefan Xu, Di Deng, Yiping Dong, Kenji Shimada

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

Comments 7pages, 8 figures

Journal ref 2022 IEEE International Conference on Robotics and Automation (ICRA)

CVAE-H: Conditionalizing Variational Autoencoders via Hypernetworks and Trajectory Forecasting for Autonomous Driving

Geunseob Oh, Huei Peng

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

An Intelligent Self-driving Truck System For Highway Transportation

Dawei Wang, Lingping Gao, Ziquan Lan, Wei Li, Jiaping Ren, Jiahui Zhang, Peng Zhang, Pei Zhou, Shengao Wang, Jia Pan, Dinesh Manocha, Ruigang Yang

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

Trajectory Prediction for Autonomous Driving with Topometric Map

Jiaolong Xu, Liang Xiao, Dawei Zhao, Yiming Nie, Bin Dai

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

Learning Interpretable End-to-End Vision-Based Motion Planning for Autonomous Driving with Optical Flow Distillation

Hengli Wang, Peide Cai, Yuxiang Sun, Lujia Wang, Ming Liu

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

Comments 7 pages, 5 figures and 1 table. This paper is accepted by ICRA 2021. arXiv admin note: text overlap with arXiv:2104.08862

PiP: Planning-informed Trajectory Prediction for Autonomous Driving

Haoran Song, Wenchao Ding, Yuxuan Chen, Shaojie Shen, Michael Yu Wang, Qifeng Chen

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

Comments European Conference on Computer Vision (ECCV) 2020; Project page at http://haoran-song.github.io/planning-informed-prediction

Trajectory Planning for Autonomous Vehicles Using Hierarchical Reinforcement Learning

Kaleb Ben Naveed, Zhiqian Qiao, John M. Dolan

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

Comments 7 pages, 5 figures

Safe Trajectory Planning Using Reinforcement Learning for Self Driving

Josiah Coad, Zhiqian Qiao, John M. Dolan

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

Comments 7 pages, 5 figures

Talk2Car: Taking Control of Your Self-Driving Car

Thierry Deruyttere, Simon Vandenhende, Dusan Grujicic, Luc Van Gool, Marie-Francine Moens

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

Comments 14 pages, accepted at emnlp-ijcnlp 2019 - Added Talk2Nav Reference

Data Driven Prediction Architecture for Autonomous Driving and its Application on Apollo Platform

Kecheng Xu, Xiangquan Xiao, Jinghao Miao, Qi Luo

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

Comments Accepted by the 31st IEEE Intelligent Vehicles Symposium (2020)

GRIP++: Enhanced Graph-based Interaction-aware Trajectory Prediction for Autonomous Driving

Xin Li, Xiaowen Ying, Mooi Choo Chuah

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

Multimodal Trajectory Predictions for Autonomous Driving using Deep Convolutional Networks

Henggang Cui, Vladan Radosavljevic, Fang-Chieh Chou, Tsung-Han Lin, Thi Nguyen, Tzu-Kuo Huang, Jeff Schneider, Nemanja Djuric

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

Comments Accepted for publication at IEEE International Conference on Robotics and Automation (ICRA) 2019

Multi-Step Prediction of Occupancy Grid Maps with Recurrent Neural Networks

Nima Mohajerin, Mohsen Rohani

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

Weakly and Self-Supervised Class-Agnostic Motion Prediction for Autonomous Driving

Ruibo Li, Hanyu Shi, Zhe Wang, Guosheng Lin

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（计算与数据科学学院，南洋理工大学，新加坡） ； SenseTime Research, Hong Kong, China（时光科技研究院，香港，中国） 纠错

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

Comments An extension of our CVPR 2023 paper, "Weakly Supervised Class-Agnostic Motion Prediction for Autonomous Driving," accepted for publication in TPAMI

Real-Time Constrained Trajectory Planning and Vehicle Control for Proactive Autonomous Driving With Road Users

面向道路使用者的自主驾驶实时约束轨迹规划与车辆控制

Ivo Batkovic, Mario Zanon, Mohammad Ali, Paolo Falcone

专题命中 规划控制 ：autonomous driving(title)；trajectory planning(title)

AI总结 本文提出基于模型预测控制的车辆运动规划与控制框架，考虑行人及其他道路使用者的运动，通过预测层将行人预测运动转化为MPC问题的约束，实现自主驾驶的前瞻性与安全性。

Comments 7 pages, 9 figures, accepted to European Control Conference (ECC) 2019

GAPL: Grounded Action-effect Policy Learning for LLM-Based Trajectory Planning

GAPL：面向基于大语言模型的轨迹规划的接地动作效果策略学习

Zhihong Cui, Hengyu Liu, Zhangkai Wu, Yushuai Li, Tianyi Li, Peiyuan Guan, Amir Taherkordi, Tor Skeie

机构 * University of Oslo（奥斯陆大学） ； Aalborg University（奥尔堡大学） ； University of Sydney（悉尼大学） ； Nanjing University of Information Science and Technology（南京信息工程大学） ； Simula Research Laboratory（西穆拉研究院） 纠错

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

AI总结 针对LLM用于自动驾驶轨迹规划时存在的幻觉、接地不足等问题，提出GAPL框架，整合三类模块并经实验验证其性能优于基线方法

Comments 11 pages, 5 figures, 6 tables

LADY: Linear Attention for Autonomous Driving Efficiency without Transformers

LADY：用于自动驾驶效率的线性注意力，无需Transformer

Jihao Huang, Xi Xia, Zhiyuan Li, Tianle Liu, Jingke Wang, Junbo Chen, Tengju Ye

机构 * Udeer AI ； Zhejiang University（浙江大学） ； Yuanshi Intelligence（元世智能） 纠错

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

AI总结 LADY是首个基于线性注意力的端到端自动驾驶生成模型，通过常数时间与内存复杂度实现高效长时序建模与跨模态交互。

Comments Accepted by IEEE RAL

GeoWorldAD: Geometry World Action Model for Autonomous Driving

GeoWorldAD：用于自动驾驶的几何世界行动模型

Songyan Zhang, Jinyuan Tian, Hanbing Li, Daqi Liu, Hao Chen, Wenhui Huang, Fang Li, Guang Chen, Hangjun Ye, Long Chen, Kuiyuan Yang, Chen Lv

机构 * Nanyang Technological University（南洋理工大学） ； Xiaomi EV（小米汽车） ； Zhejiang University（浙江大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 研究自动驾驶中安全高效规划决策问题，提出GeoWorldAD模型，通过在自我对齐3D空间中规划轨迹、用潜在未来几何标记预测场景演变，并逐步聚合多尺度几何线索，实验证明该模型在自动驾驶方面性能先进。

S-squared-VLA: Decoupling Semantic and Spatial Streams in Vision-Language-Action Models for Autonomous Driving

S平方-VLA：自动驾驶视觉-语言-动作模型中语义与空间流的解耦

Jianguo Yu, Rukang Wang, Duanfeng Chu, Chen Wang, Renju Feng, Liping Lu

机构 * School of Mechanical and Electronic Engineering, Wuhan University of Technology（武汉理工大学机电工程学院） ； Intelligent Transportation Systems Research Center, Wuhan University of Technology（武汉理工大学智能交通系统研究中心） ； School of Computer Science and Artificial Intelligence, Wuhan University of Technology（武汉理工大学计算机科学与人工智能学院） 纠错

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

AI总结 研究针对自动驾驶中视觉语言模型生成低级控制动作的局限，提出S平方-VLA解耦语义和空间流，语义流用于意图推理，空间流保留空间特征并赋予先验，双流规划适配器融合二者，在基准测试中取得新的最先进水平，优于基线。

UniDrive-WM: Unified Understanding, Planning and Generation World Model for Autonomous Driving

UniDrive-WM：面向自动驾驶的统一理解、规划和生成世界模型

Zhexiao Xiong, Xin Ye, Burhan Yaman, Sheng Cheng, Yiren Lu, Jingru Luo, Nathan Jacobs, Liu Ren

机构 * Bosch Research North America & Bosch Center for Artificial Intelligence (BCAI)（博世北美研究院与博世人工智能中心） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Arizona State University（亚利桑那州立大学） ； Case Western Reserve University（凯斯西储大学） 纠错

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

AI总结 提出UniDrive-WM，一个基于VLM的统一世界模型，联合执行场景理解、轨迹规划和未来图像生成，在Bench2Drive上轨迹误差降低7.3%，碰撞率降低10.4%。

Comments Accepted to ECCV 2026. Project Page: https://unidrive-wm.github.io/UniDrive-WM

Trajectory Planning and Control near the Limits: an Open Experimental Benchmark on the RoboRacer Platform

轨迹规划与控制在极限情况下的研究：RoboRacer平台上的开放实验基准

Mattia Piccinini, Patrick Zambiasi, Aniello Mungiello, Mattia Piazza, Felix Jahncke, Johannnes Betz

机构 * Professorship of Autonomous Vehicle Systems, Technical University of Munich（自动驾驶车辆系统教授职位，慕尼黑技术大学） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所（MIRMI）） ； Avilus GmbH（Avilus GmbH公司） ； Department of Information Technology and Electrical Engineering (DIETI), University of Naples Federico II（那不勒斯费德里科二世大学信息科技与电气工程系（DIETI）） ； Dept. of Industrial Engineering, University of Trento（特伦托大学工业工程系） 纠错

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

AI总结 本文提出了一种模块化框架，用于评估轨迹规划和控制在高加速度 maneuver 中的新方法和现有方法，通过 RoboRacer 平台上的两个赛道测试，展示了 MS-NN 在提高跟踪精度和减少转向振荡方面的优势，以及在线速度重计划对提高 lap 时间和安全速度的贡献。

Comments Accepted - 2026 IEEE 29th International Conference on Intelligent Transportation Systems (ITSC)

GEM: Gaussian Evolution Model for Occupancy Forecasting and Motion Planning

GEM：用于占用预测和运动规划的高斯演化模型

Cheng Chen, Hao Huang, Saurabh Bagchi

机构 * Purdue University（普渡大学） ； New York University Abu Dhabi（纽约大学阿布扎克分校） 纠错

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

AI总结 该研究提出GEM模型，通过高斯演化模型实现高效的占用预测和运动规划，解决了传统方法在时间灵活性、场景演化和连续时间动态匹配上的不足。

Uncertainty Matters: Structured Probabilistic Online Mapping for Motion Prediction in Autonomous Driving

不确定性至关重要：面向自动驾驶运动预测的结构化概率在线制图

Pritom Gogoi, Faris Janjoš, Bin Yang, Andreas Look

机构 * Bosch Center for AI（博世人工智能中心） ； University of Stuttgart（斯图加特大学） ； Coburg University of Applied Sciences（科堡应用科学大学） 纠错

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

AI总结 本文提出结构化概率框架提升自动驾驶在线制图质量，通过低秩加对角线协方差分解建模空间依赖性，实现更准确的运动预测。

A Neuro-Symbolic Framework Combining Inductive and Deductive Reasoning for Autonomous Driving Planning

一种结合归纳推理与演绎推理的神经符号框架用于自动驾驶规划

Hongyan Wei, Wael AbdAlmageed

机构 * Clemson University（克莱姆森大学） 纠错

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

AI总结 本文提出一种神经符号框架，结合归纳与演绎推理提升自动驾驶规划的透明性和安全性，在nuScenes基准中优于现有方法。

Comments Under review. 16 pages, 2 figures

An Overview about Emerging Technologies of Autonomous Driving

自动驾驶新兴技术概述

Yu Huang, Yue Chen, Zijiang Yang

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

AI总结 本文概述了自动驾驶新兴技术，重点探讨了数据闭环框架下的关键技术和开放性问题。

StyleVLA: Driving Style-Aware Vision Language Action Model for Autonomous Driving

StyleVLA: 驾驶风格感知的视觉语言动作模型用于自动驾驶

Yuan Gao, Dengyuan Hua, Mattia Piccinini, Finn Rasmus Schäfer, Korbinian Moller, Lin Li, Johannes Betz

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

AI总结 StyleVLA通过引入物理约束和混合损失，生成多样且物理合理的驾驶行为，优于现有专有和先进模型。

Comments 8 pages

MindDriver: Introducing Progressive Multimodal Reasoning for Autonomous Driving

MindDriver: 引入渐进多模态推理用于自动驾驶

Lingjun Zhang, Yujian Yuan, Changjie Wu, Xinyuan Chang, Xin Cai, Shuang Zeng, Linzhe Shi, Sijin Wang, Hang Zhang, Mu Xu

机构 * Amap, Alibaba Group（阿里集团蚂巴公司） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 MindDriver通过渐进多模态推理框架提升自动驾驶系统的推理能力，实现语义到物理空间的转化与轨迹规划，展现优异的性能表现。

Comments CVPR2026; Yujian Yuan and Lingjun Zhang contributed equally with random order

VGGDrive: Empowering Vision-Language Models with Cross-View Geometric Grounding for Autonomous Driving

VGGDrive: 通过跨视角几何 grounding 为自动驾驶赋能 Vision-Language 模型

Jie Wang, Guang Li, Zhijian Huang, Chenxu Dang, Hangjun Ye, Yahong Han, Long Chen

机构 * College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学） ； Xiaomi EV（小米汽车） 纠错

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

AI总结 VGGDrive通过引入跨视角几何 grounding 机制，提升Vision-Language模型在自动驾驶任务中的性能表现。

Comments CVPR 2026

Adaptive Time Step Flow Matching for Autonomous Driving Motion Planning

自适应时间步长流匹配用于自动驾驶运动规划

Ananya Trivedi, Anjian Li, Mohamed Elnoor, Yusuf Umut Ciftci, Avinash Singh, Jovin D'sa, Sangjae Bae, David Isele, Taskin Padir, Faizan M. Tariq

机构 * HRI ； Honda Research Institute（本田研究院） ； Northeastern University（东北大学） ； Princeton University（普林斯顿大学） ； University of Maryland（马里兰大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出了一种基于条件流匹配的自适应时间步长框架，用于实时自动驾驶轨迹规划，通过在线调整推理步骤数和轨迹后处理提升性能。

Comments Accepted to Intelligent Vehicles Symposium 2026

Game-Theoretic Autonomous Driving: A Graphs of Convex Sets Approach

博弈论自动驾驶：基于凸集图的方法

Nikolaj Käfer, Ahmed Khalil, Edward Huynh, Efstathios Bakolas, David Fridovich-Keil

机构 * ETH Zurich（苏黎世联邦理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出基于凸集图的迭代最佳响应方法，用于多车辆自动驾驶中的战略互动与轨迹规划，通过高效凸松弛实现安全且一致的交互行为。

Comments 16 pages for content, 2 pages for references, 2 pages for notation