自动驾驶

SceneStreamer: Continuous Scenario Generation as Next Token Group Prediction

SceneStreamer: 作为下一个token组预测的连续场景生成

Zhenghao Peng, Yuxin Liu, Bolei Zhou

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 SceneStreamer通过自回归框架实现连续场景生成，支持动态代理群体的长期模拟，生成真实多样化的交通行为并提升强化学习策略的鲁棒性。

LAD-Drive: Bridging Language and Trajectory with Action-Aware Diffusion Transformers

LAD-Drive: 通过动作感知扩散变换器弥合语言与轨迹

Fabian Schmidt, Karol Fedurko, Markus Enzweiler, Abhinav Valada

机构 * Institute for Intelligent Systems, Esslingen University of Applied Sciences（智能系统研究所，埃斯林根应用科学大学） ； Department of Computer Science, University of Freiburg（计算机科学系，弗赖堡大学） 纠错

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

AI总结 LAD-Drive通过动作感知扩散变换器，将语言模型的意图与连续轨迹生成结合，提升自动驾驶中的多模态规划能力。

Streaming Real-Time Trajectory Prediction Using Endpoint-Aware Modeling

基于端点意识建模的流式实时轨迹预测

Alexander Prutsch, David Schinagl, Horst Possegger

机构 * Institute of Visual Computing, Graz University of Technology（视觉计算研究所，格拉茨技术大学） 纠错

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

AI总结 本文提出了一种基于端点意识建模的轻量高效流式轨迹预测方法，通过连续时间上下文传播提升预测精度并降低推理延迟，适用于自动驾驶场景。

Comments WACV 2026 Oral. Project Page at https://a-pru.github.io/seam/

Wild-Drive: Off-Road Scene Captioning and Path Planning via Robust Multi-modal Routing and Efficient Large Language Model

Wild-Drive: 通过鲁棒多模态路由和高效大语言模型实现越野场景描述与路径规划

Zihang Wang, Xu Li, Benwu Wang, Wenkai Zhu, Xieyuanli Chen, Dong Kong, Kailin Lyu, Yinan Du, Yiming Peng, Haoyang Che

机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； Southeast University Nanjing Jiangbei New Area Innovation Research Institute（东南大学南京江滨新区创新研究院） ； National Key Laboratory of Equipment State Sensing and Smart Support, National University of Defense Technology（国防科技大学装备状态感知与智能支撑国家重点实验室） ； School of Transportation, Shandong University of Science and Technology（山东科技大学交通学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 Wild-Drive通过鲁棒多模态路由和高效大语言模型实现越野场景描述与路径规划，提升复杂环境下的可解释性和稳定性。

DrivePTS: A Progressive Learning Framework with Textual and Structural Enhancement for Driving Scene Generation

DrivePTS: 一种结合文本和结构增强的渐进式学习框架用于驾驶场景生成

Zhechao Wang, Yiming Zeng, Lufan Ma, Zeqing Fu, Chen Bai, Ziyao Lin, Cheng Lu

机构 * XPeng Motors 纠错

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

AI总结 DrivePTS通过渐进式学习、多视角文本生成和频率引导结构损失，提升驾驶场景生成的保真度和可控性，生成稀有场景并增强泛化能力。

Uncertainty-Aware Diffusion Model for Multimodal Highway Trajectory Prediction via DDIM Sampling

面向多模态高速公路轨迹预测的不确定性感知扩散模型 via DDIM采样

Marion Neumeier, Niklas Roßberg, Michael Botsch, Wolfgang Utschick

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

AI总结 本文提出cVMDx模型，通过DDIM采样提升效率和鲁棒性，实现高效多模态轨迹预测并增强不确定性估计能力。

Comments Accepted as a conference paper in IEEE Intelligent Vehicles Symposium (IV) 2026, Detroit, MI, United States

Efficient Hierarchical Any-Angle Path Planning on Multi-Resolution 3D Grids

高效多分辨率3D网格上的分层任意角度路径规划

Victor Reijgwart, Cesar Cadena, Roland Siegwart, Lionel Ott

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

AI总结 本文提出了一种基于多分辨率表示的高效任意角度路径规划方法，兼顾最优性和完备性，克服了传统搜索方法的计算瓶颈，实验表明其在真实和合成环境中的优越性能。

Comments 12 pages, 9 figures, 4 tables, accepted to RSS 2025, code is open-source: https://github.com/ethz-asl/wavestar

Journal ref Proceedings of Robotics: Science and Systems 2025

Deep Reinforcement Learning based Autonomous Decision-Making for Cooperative UAVs: A Search and Rescue Real World Application

基于深度强化学习的自主决策合作无人机：一种搜索与救援现实应用

Thomas Hickling, Maxwell Hogan, Abdulla Tammam, Nabil Aouf

机构 * School of Science（科学学院） ； Technology City St George's University of London London, United Kingdom（圣乔治伦敦大学技术学院伦敦英国） 纠错

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

AI总结 本文提出基于深度强化学习的自主决策框架，用于室内搜索与救援任务，通过APF奖励和图注意力网络实现高效任务分配与导航，实现实时厘米级稳定性，取得竞赛第一名。

Comments 22 Pages, 24 Figures

X-VORTEX: Spatio-Temporal Contrastive Learning for Wake Vortex Trajectory Forecasting

X-VORTEX：用于尾涡轨迹预测的时空对比学习

Zhan Qu, Michael Färber

机构 * Department of Computer Science, TU Dresden, Dresden, Germany（计算机科学系，德累斯顿技术大学，德累斯顿，德国） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.CV、cs.AI

AI总结 X-VORTEX通过时空对比学习方法，利用未标注数据高效预测尾涡轨迹，解决了传感器稀疏性和时间变化涡旋动力学问题。

DD-MDN: Human Trajectory Forecasting with Diffusion-Based Dual Mixture Density Networks and Uncertainty Self-Calibration

DD-MDN: 基于扩散的双混合密度网络与不确定性自校准的人体轨迹预测

Manuel Hetzel, Kerim Turacan, Hannes Reichert, Konrad Doll, Bernhard Sick

机构 * Faculty of Engineering, University of Applied Sciences Aschaffenburg（亚琛应用科学大学工程学院） ； Intelligent Embedded Systems Lab, University of Kassel（卡塞尔大学智能嵌入式系统实验室） 纠错

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

AI总结 DD-MDN通过结合扩散模型和双混合密度网络，实现高精度的人体轨迹预测，具备自校准的不确定性建模和对短观察期的鲁棒性。

Modeling 3D Pedestrian-Vehicle Interactions for Vehicle-Conditioned Pose Forecasting

为车辆条件化姿态预测建模的行人-车辆交互

Guangxun Zhu, Xuan Liu, Nicolas Pugeault, Chongfeng Wei, Edmond S. L. Ho

机构 * School of Computing Science, University of Glasgow（计算科学学院，格拉斯哥大学） ； James Watt School of Engineering, University of Glasgow（詹姆斯·瓦特工程学院，格拉斯哥大学） 纠错

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

AI总结 本文提出了一种基于3D车辆条件化的行人姿态预测方法，通过融合车辆信息提升自动驾驶中行人-车辆交互的预测精度。

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

PlanTRansformer: Unified Prediction and Planning with Goal-conditioned Transformer

PlanTRansformer: 一种结合目标条件变换器的统一预测与规划

Constantin Selzer, Fabina B. Flohr

机构 * Department of Electrical Engineering and Information Technology, Intelligent Vehicles Lab (IVL), Munich University of Applied Science（电气工程与信息科技系，智能车辆实验室（IVL），慕尼黑应用科学大学） 纠错

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

AI总结 PlanTRansformer通过整合目标条件预测、动态可行性等技术，提升自动驾驶中的预测与规划性能。

Comments Submitted and accepted at IEEE IV 2026

DMAVA: Distributed Multi-Autonomous Vehicle Architecture Using Autoware

DMAVA：基于Autoware的分布式多自主车辆架构

Zubair Islam, Mohamed El-Darieby

机构 * Faculty of Engineering（工程学院） ； Applied Science（应用科学） ； Ontario Tech University（安大略技术大学） 纠错

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

AI总结 DMAVA是一种基于Autoware的分布式多自主车辆架构，通过集成ROS 2、Autoware Universe等工具，实现多车辆在分布式环境下的协同控制与一致行为。

Comments 7 pages, 3 figures, 5 tables, Submitted to IEEE IV 2026, Demo videos and source code available

Breaking Task Impasses Quickly: Adaptive Neuro-Symbolic Learning for Open-World Robotics

快速突破任务瓶颈：面向开放世界机器人的自适应神经符号学习

Pierrick Lorang

机构 * Human-Robot Interaction Lab, Tufts University（塔夫茨大学人机交互实验室） 纠错

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

AI总结 本文提出了一种自适应神经符号学习框架，通过整合符号学习与强化学习，提升机器人在开放世界中的快速适应能力与鲁棒性。

Comments IEEE ICRA 2025 Doctoral Consortium

MoE-Enhanced Multi-Domain Feature Selection and Fusion for Fast Map-Free Trajectory Prediction

增强型多域特征选择与融合的无地图轨迹预测

Wenyi Xiong, Jian Chen, Ziheng Qi, Wenhua Chen

机构 * School of Mechanical Engineering, Zhejiang University（浙江大学机械工程学院） ； Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology, School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院） ； Leapmotor Technology（Leapmotor科技） ； Department of Aeronautical and Automotive Engineering, Loughborough University（伦敦大学洛桑学院航空与汽车工程系） 纠错

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

AI总结 本文提出了一种无地图轨迹预测方法，通过多域特征选择与融合，提升轨迹预测的准确性和效率。

Tube-Based Robust Control Strategy for Vision-Guided Autonomous Vehicles

基于管的鲁棒控制策略用于视觉引导的自动驾驶车辆

Der-Hau Lee

机构 * Department of Electrophysics, National Yang Ming Chiao Tung University（电子物理系，阳明交通大学） 纠错

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

AI总结 本文提出了一种基于管的鲁棒控制策略，用于提高自动驾驶车辆在高速转弯时的车道保持性能，通过减少保守性和提高计算速度，优于传统方法。

Comments 15 pages, 16 figures

Risk-Aware Human-in-the-Loop Framework with Adaptive Intrusion Response for Autonomous Vehicles

具有自适应入侵响应的风险感知人机协同框架用于自动驾驶车辆

Dawood Wasif, Terrence J. Moore, Seunghyun Yoon, Hyuk Lim, Dan Dongseong Kim, Frederica F. Nelson, Jin-Hee Cho

机构 * Virginia Tech（弗吉尼亚理工大学） ； U.S. Army Research Laboratory（美国陆军研究实验室） ； KENTECH ； The University of Queensland（昆士兰大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.CV、cs.AI

AI总结 RAIL通过风险感知和自适应入侵响应，提升自动驾驶车辆在复杂环境中的安全性和性能。

Comments Submitted to ICRA 2026 (under review)

FollowGen: A Scaled Noise Conditional Diffusion Model for Car-Following Trajectory Prediction

FollowGen: 一种用于车距预测的缩放噪声条件扩散模型

Junwei You, Rui Gan, Weizhe Tang, Zilin Huang, Jiaxi Liu, Zhuoyu Jiang, Haotian Shi, Keshu Wu, Keke Long, Sicheng Fu, Sikai Chen, Bin Ran

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

AI总结 FollowGen通过缩放噪声条件扩散模型，整合车与车交互和跟车动态，提升自动驾驶中车辆轨迹预测的准确性和合理性。

Comments arXiv admin note: text overlap with arXiv:2406.11941

Journal ref Communications in Transportation Research 5 (2025): 100215

Formal Safety Guarantees for Autonomous Vehicles using Barrier Certificates

使用屏障证书为自动驾驶车辆提供形式安全保证

Oumaima Barhoumi, Mohamed H Zaki, Sofiène Tahar

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

AI总结 本文提出一种结合屏障证书与时间到碰撞度量的形式验证安全框架，通过SMT求解器和自适应控制机制，提升自动驾驶车辆的安全性和可解释性。

Comments Accepted to AAAI-26 Bridge Program B10: Making Embodied AI Reliable with Testing and Formal Verification

Precision Meets Art: Autonomous Multi-UAV System for Large Scale Mural Drawing

精度与艺术：用于大规模壁画绘制的自主多无人机系统

Andrei A. Korigodskii, Artem E. Vasiunik, Georgii A. Varin, Adilia M. Zukhurova, Matvei V. Urvantsev, Semen A. Osipenkov, Igor S. Efremov, Georgii E. Bondar

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

AI总结 本文提出了一种自主多无人机系统，用于户外大规模壁画绘制，通过复杂定位系统和新型飞行控制算法实现了高精度和稳定性。

Comments 6 pages, 9 figures

CaTFormer: Causal Temporal Transformer with Dynamic Contextual Fusion for Driving Intention Prediction

CaTFormer：具有动态上下文融合的因果时间变换器用于驾驶意图预测

Sirui Wang, Zhou Guan, Bingxi Zhao, Tongjia Gu, Jie Liu

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

AI总结 CaTFormer通过动态上下文融合和因果建模，提升驾驶意图预测的准确性和透明性。

Comments Accepted at AAAI 2026

Next Generation Intelligent Low-Altitude Economy Deployments: The O-RAN Perspective

下一代智能低空经济部署：O-RAN视角

Aly Sabri Abdalla, Vuk Marojevic

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

AI总结 本文提出基于O-RAN的低空经济框架，利用AI优化实现闭环任务协调，通过语义感知rApp和强化学习xApp提升轨迹规划性能。

Comments This article has been accepted for publication in the IEEE Wireless Communications Magazine

LoGoPlanner: Localization Grounded Navigation Policy with Metric-aware Visual Geometry

LoGoPlanner：基于度量感知的视觉几何导航策略

Jiaqi Peng, Wenzhe Cai, Yuqiang Yang, Tai Wang, Yuan Shen, Jiangmiao Pang

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Shanghai AI laboratory（上海人工智能实验室） 纠错

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

AI总结 LoGoPlanner通过结合度量感知的视觉几何和端到端学习，提升移动机器人在无结构环境中的导航性能和泛化能力。

Comments Project page:https://steinate.github.io/logoplanner.github.io/

Closing the Loop: Motion Prediction Models beyond Open-Loop Benchmarks

闭环：超越开环基准的运动预测模型

Mohamed-Khalil Bouzidi, Christian Schlauch, Nicole Scheuerer, Yue Yao, Nadja Klein, Daniel Göhring, Jörg Reichardt

机构 * Freie Universität Berlin（柏林自由大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Continental AG（大陆集团） 纠错

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

AI总结 本文研究了运动预测模型与规划器的交互，发现高开环精度不必然带来更好闭环驾驶性能，且缩小版模型在某些情况下表现更优。

Multi-Agent Reinforcement Learning and Real-Time Decision-Making in Robotic Soccer for Virtual Environments

多智能体强化学习与虚拟环境中的实时决策在机器人足球中的应用

Aya Taourirte, Md Sohag Mia

机构 * Nanjing University of Information Science and Technology（南京信息工程大学） 纠错

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

AI总结 本文提出了一种统一的多智能体强化学习框架，通过分层强化学习和均值场理论，提升了机器人足球中的实时决策与协作性能。

KEPT: Knowledge-Enhanced Prediction of Trajectories from Consecutive Driving Frames with Vision-Language Models

KEPT: 基于视觉-语言模型的连续驾驶帧轨迹预测增强方法

Yujin Wang, Tianyi Wang, Quanfeng Liu, Wenxian Fan, Junfeng Jiao, Christian Claudel, Yunbing Yan, Bingzhao Gao, Jianqiang Wang, Hong Chen

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

AI总结 KEPT 通过知识增强的视觉-语言模型，利用时间频率-空间融合编码器和检索增强生成流水线，提升自动驾驶中轨迹预测的准确性和可靠性。

Autonomous Vehicle Path Planning by Searching With Differentiable Simulation

通过可微模拟进行自动驾驶路径规划

Asen Nachkov, Jan-Nico Zaech, Danda Pani Paudel, Xi Wang, Luc Van Gool

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

AI总结 本文提出DSS框架，利用可微模拟器Waymax进行路径规划，通过梯度下降优化动作序列，提升自动驾驶的跟踪和路径规划精度。

U2UData+: A Scalable Swarm UAVs Autonomous Flight Dataset for Embodied Long-horizon Tasks

Tongtong Feng, Xin Wang, Feilin Han, Leping Zhang, Wenwu Zhu

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

Comments Accepted by AAAI26

Learning Depth from Past Selves: Self-Evolution Contrast for Robust Depth Estimation

Jing Cao, Kui Jiang, Shenyi Li, Xiaocheng Feng, Yong Huang

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

GHOST: Solving the Traveling Salesman Problem on Graphs of Convex Sets

Jingtao Tang, Hang Ma

机构 * Jingtao Tang, Hang Ma 纠错

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

Comments Accepted to AAAI-2026