自动驾驶

Trajectory Planning for Non-Communicating Mobile Robots using Inverse Optimal Control

非通信移动机器人的逆最优控制轨迹规划

Nina Majer, Yannick Epple, Xin Ye, Stefan Schwab, Sören Hohmann

机构 * FZI Research Center for Information Technology（弗劳恩霍夫信息技术研究所） ； Institute of Control Systems, Karlsruhe Institute of Technology（卡尔斯鲁厄大学控制系统研究所） 纠错

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

AI总结 针对非通信移动机器人在避碰场景中的高效交互，提出一种结合逆最优控制的轨迹规划与预测算法，通过估计未知目标状态并联合预测，实现更快的规划求解。

AD-H: Language-guided Autonomous Driving with Hierarchical Agents

AD-H：基于分层智能体的语言引导自动驾驶

Zaibin Zhang, Talas Fu, Shiyu Tang, Yuanhang Zhang, Yifan Wang, Lijun Wang, Huchuan Lu

机构 * Dalian University of Technology（大连理工大学） 纠错

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

AI总结 提出AD-H分层多智能体框架，上层MLLM规划器生成中层驾驶指令，下层轻量控制器执行连续动作，通过规则重建1.15M中层指令对，以3B+350M参数超越7B模型，实现长时域泛化与指令遵循。

RECTOR: Priority-Aware Rule-Based Reranking for Compliance-Aware Autonomous Driving Trajectory Selection

RECTOR: 基于优先级规则的合规感知自动驾驶轨迹选择重排序

Hadi Hajieghrary, Benedikt Walter, Chaitanya Shinde, Paul Schmitt, Miguel Hurtado

机构 * TORC Robotics LLC（TORC机器人公司） ； Daimler Truck AG（戴姆勒卡车集团） ； Reynolds & Moore（雷诺兹与摩尔公司） ； MassRobotics（马斯机器人） 纠错

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

AI总结 提出RECTOR，一种后生成重排序层，通过差异化代理和场景条件适用性机制，基于分层规则手册（安全>法律>道路>舒适）对候选轨迹进行评分，并采用确定性ε-词典序规则选择，在无需重新训练预测器的情况下，将安全与法律违规率从28.58%降至20.42%。

Learning-Accelerated Optimization-based Trajectory Planning for Cooperative Aerial-Ground Handover Missions

基于学习的优化轨迹规划用于协作的空中-地面切换任务

Jingshan Chen, Bochen Yu, Henrik Ebel, Peter Eberhard

机构 * Institute of Engineering and Computational Mechanics, University of Stuttgart, 70569 Stuttgart, Germany（工程与计算力学研究所，斯图加特大学，德国斯图加特70569） ； Mechanical Engineering, LUT University, 53850 Lappeenranta, Finland（机械工程，卢蒂大学，芬兰拉佩恩兰塔53850） 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学习的轨迹规划框架，用于协同无人 aerial 和 ground 车辆的切换任务，通过使用解耦的编码器-解码器 LSTM 网络生成协调的切换轨迹预测，从而加速优化过程，实现更快的收敛和更高的优化成功率。

Comments Preprint of a contribution accepted for publication in the RoManSy 2026 Springer proceedings

Adaptive Control in Autonomous Driving via Real-Time Recurrent RL

通过实时递归强化学习实现自动驾驶中的自适应控制

Julian Lemmel, Felix Resch, Mónika Farsang, Ramin Hasani, Daniela Rus, Radu Grosu

机构 * TU Wien（维也纳技术大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Liquid AI 纠错

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

AI总结 本文研究了通过实时递归强化学习（RTRRL）对自动驾驶预训练控制策略进行在线微调，结合离线行为克隆与在线RTRRL微调，以适应部署时的分布偏移。在CarRacing模拟和1:10比例的RoboRacer平台上的实验验证了该方法的有效性。

Curb Your Attention: Causal Attention Gating for Robust Trajectory Prediction in Autonomous Driving

抑制注意力：因果注意力门控用于自动驾驶中的鲁棒轨迹预测

Ehsan Ahmadi, Ray Mercurius, Soheil Alizadeh, Kasra Rezaee, Amir Rasouli

机构 * University of Alberta（阿尔伯塔大学） ； Noah’s Ark Laboratory, Huawei Technologies Canada（华为加拿大诺亚实验室） ； Cornell University（康奈尔大学） 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CRiTIC模型，通过因果发现网络识别agent间因果关系，并引入因果注意力门控机制提升轨迹预测的鲁棒性和泛化能力，实验表明模型在对抗非因果扰动时鲁棒性提升54%。

Comments Accepted ICRA 2025

An Overtaking Trajectory Planning Framework Based on Spatio-temporal Topology and Reachable Set Analysis Ensuring Time Efficiency

基于时空拓扑与可达集分析的超越轨迹规划框架：确保时间效率

Wule Mao, Zhouheng Li, Entao Sun, Lei Xie, Hongye Su

机构 * State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou, 310027, China（工业控制技术国家重点实验室，浙江大学，杭州，310027，中国） ； Shanghai STEP Electric Corporation, Shanghai, 201802, China（上海STEP电力有限公司，上海，201802，中国） 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SROP框架，通过时空拓扑搜索获取多样初始路径并结合可达集分析提升计算效率，实验显示轨迹平滑度提升66.8%且计算时间减少62.9%。

FeaXDrive: Feasibility-aware Trajectory-Centric Diffusion Planning for End-to-End Autonomous Driving

FeaXDrive: 为端到端自动驾驶的可行性感知轨迹导向扩散规划

Baoyun Wang, Zhuoren Li, Ran Yu, Yu Che, Xinrui Zhang, Ming Liu, Jia Hu, Chen Lv, Bo Leng

机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） ； College of Transportation Engineering, Tongji University（同济大学交通工程学院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） 纠错

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

AI总结 FeaXDrive通过轨迹导向的扩散规划方法，提升自动驾驶中轨迹空间的可行性建模，改进轨迹几何和运动学可行性，增强可行驶区域一致性，实验表明其在NAVSIM基准上表现优异。

Comments 22 pages, 6 figures

Trajectory Planning for an Articulated Commercial Vehicle using Model Predictive Contouring Control

使用模型预测轮廓控制的 articulated 商用车轨迹规划

A. J. Aertssen, R. G. M. Huisman, I. J. M. Besselink, J. Elfring, M. J. G. van de Molengraft

机构 * Department of Mechanical Engineering, Eindhoven University of Technology（埃因霍温理工大学机械工程系） ； Safety & Driver Controls Group, Vehicle Development, DAF Trucks N.V.（DAF卡车公司安全与驾驶控制组） 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模型预测轮廓控制的 articulated 商用车轨迹规划方法，通过引入场景依赖的锚点权重和道路边界约束，解决了 articulated 商用车在正反向行驶中的导航问题。

Journal ref 2025 IEEE 28th International Conference on Intelligent Transportation Systems (ITSC) Gold Coast Australia 2025 pp. 421-427

V-STC: A Time-Efficient Multi-Vehicle Coordinated Trajectory Planning Approach

V-STC：一种时间高效的多车辆协同轨迹规划方法

Pengfei Liu, Jialing Zhou, Yuezu Lv, Guanghui Wen, Tingwen Huang

机构 * School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； State Key Laboratory of CNS/ATM, Beijing Institute of Technology（北京理工大学国家空管委/民航委重点实验室） ； Beijing Key Laboratory of Lightweight Intelligent System, Beijing Institute of Technology（北京理工大学轻量化智能系统重点实验室） ； School of Automation, Southeast University（东南大学自动化学院） ； Faculty of Computer Science and Control Engineering, Shenzhen University of Advanced Technology（深圳先进技术大学计算机科学与控制工程学院） 纠错

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

AI总结 本文提出V-STC方法，通过优化模型构建每个车辆的时空走廊，以提高多车辆协同的时间效率，同时保持时空域内的无碰撞分离。

Comments 12 pages, 23 figures

Reasoning About Traversability: Language-Guided Off-Road 3D Trajectory Planning

轨迹可 traversability 的推理：语言引导的越野3D轨迹规划

Byounggun Park, Soonmin Hwang

机构 * Department of Automotive Engineering, Hanyang University, Seoul, Republic of Korea（韩雅大学汽车工程系，首尔，大韩民国） 纠错

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

AI总结 本文提出语言精修框架与偏好优化策略，通过动作对齐监督和地形感知优化，提升越野3D轨迹规划的合规性与地形一致性。

Planning by Simulation: Motion Planning with Learning-based Parallel Scenario Prediction for Autonomous Driving

通过模拟进行规划：基于学习的并行场景预测用于自动驾驶的运动规划

Tian Niu, Kaizhao Zhang, Zhongxue Gan, Wenchao Ding

机构 * Faculty of Electrical Engineering, Mathematics and Computer Science, University of Twente（代尔夫特理工大学电子工程、数学与计算机科学学院） ； Department of Electrical Engineering, Wright State University（威斯汀大学电气工程系） 纠错

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

AI总结 本文提出一种基于学习的并行场景预测方法，用于自动驾驶中的运动规划，通过模拟可能场景并计算成本，平衡和剪枝不合理动作，提升安全性和规划效率。

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。