自动驾驶

Neural Process-Based Reactive Controller for Autonomous Racing

基于神经过程的反应式控制器用于自动驾驶赛车

Devin Hunter, Chinwendu Enyioha

机构 * Department of Electrical Engineering University of Central Florida（电气工程系 佛罗里达中央大学） 纠错

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

AI总结 本文提出基于神经过程的反应式控制器，结合物理指导模型和控制屏障函数，实现自动驾驶赛车中的安全高效控制。

Comments 6 pages, 4 figures

Kernel-Based Learning of Safety Barriers

基于核的方法的安全屏障学习

Oliver Schön, Zhengang Zhong, Sadegh Soudjani

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

AI总结 本文提出基于核的方法，用于安全屏障学习，通过数据驱动方法和控制屏障证书，提升安全验证的鲁棒性和可扩展性。

Comments 44 pages, 9 figures

A Taxonomy and Review of Algorithms for Modeling and Predicting Human Driver Behavior

自动驾驶中人类驾驶行为建模与预测算法的分类与综述

Raunak P. Bhattacharyya, Kyle Brown, Juanran Wang, Katherine Driggs-Campbell, Mykel J. Kochenderfer

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

AI总结 本文对自动驾驶中人类驾驶行为建模与预测算法进行了分类和综述，统一了意图估计、特质估计和运动预测方法，并指出了该领域未来的研究方向。

Comments This revision has been accepted for publication in the Proceedings of the IEEE. The final version is available on IEEE Xplore

LOONG: Online Time-Optimal Autonomous Flight for MAVs in Cluttered Environments

LOONG：在杂乱环境中实现MAV的在线时间最优自主飞行

Xin Guan, Fangguo Zhao, Qianyi Wang, Chengcheng Zhao, Jiming Chen, Shuo Li

机构 * College of Control Science and Engineering, Zhejiang University（控制科学与工程学院，浙江大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 LOONG框架通过集成规划与控制方法，在杂乱环境中实现MAV的高速时间最优自主飞行，结合模仿学习和模型预测控制，提升机动性能与安全性。

Control-Barrier-Aided Teleoperation with Visual-Inertial SLAM for Safe MAV Navigation in Complex Environments

基于控制屏障的遥控操作与视觉-惯性SLAM的MAV安全导航

Siqi Zhou, Sotiris Papatheodorou, Stefan Leutenegger, Angela P. Schoellig

机构 * Learning Systems and Robotics Lab, School of Computation, Information and Technology, Technical University of Munich（学习系统与机器人实验室，计算、信息与技术学院，慕尼黑技术大学） ； Smart Robotics Lab, School of Computation, Information and Technology, Technical University of Munich（智能机器人实验室，计算、信息与技术学院，慕尼黑技术大学） ； Smart Robotics Lab, Department of Computing, Imperial College London（智能机器人实验室，计算系，伦敦帝国理工学院） ； Munich Institute of Robotics and Machine Intellig（慕尼黑机器人与机器智能研究所） 纠错

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

AI总结 本文提出了一种结合控制屏障函数与视觉-惯性SLAM的MAV安全导航系统，通过感知-动作闭环实现复杂环境中的安全遥控操作。

Comments Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2024, 7 pages, 7 figures, supplementary video is available at https://youtu.be/rCxbWY4PIfQ?si=DC-9mg7g1WooNdaV

Personalized Model-Based Design of Human Centric AI enabled CPS for Long term usage

面向长期使用的以人为本的人工智能增强型控制系统个性化建模设计

Bernard Ngabonziza, Ayan Banerjee, Sandeep K. S. Gupta

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

AI总结 本文提出个性化建模方法，以解决人工智能增强的人本控制系统在长期使用中的安全、可持续性和安全性分析问题。

Real-time Velocity Profile Optimization for Time-Optimal Maneuvering with Generic Acceleration Constraints

实时速度剖面优化用于满足通用加速度约束的时间最优 maneuvering

Mattia Piazza, Mattia Piccinini, Sebastiano Taddei, Francesco Biral, Enrico Bertolazzi

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

AI总结 FBGA通过前向-后向算法实现高精度快速的时间最优轨迹规划，适用于复杂加速度约束的自动驾驶赛车应用。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 2, pp. 1674-1681, Feb. 2026

Supercomputing for High-speed Avoidance and Reactive Planning in Robots

为机器人提供高速避障与反应规划的超级计算

Kieran S. Lachmansingh, José R. González-Estrada, Jacob Chisholm, Ryan E. Grant, Matthew K. X. J. Pan

机构 * Ingenuity Labs Research Institute（创新实验室研究机构） ； Queen’s University（女王大学） 纠错

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

AI总结 SHARP通过HPC实现机器人毫秒级避障与反应规划，展示高并发计算在实时机器人中的可行性及混合控制架构的应用。

Comments Error in the graph size calculation, recalculated and resubmitted

Lunar Rover Cargo Transport: Mission Concept and Field Test

月球车货运运输：任务概念与实地测试

Alexander Krawciw, Nicolas Olmedo, Faizan Rehmatullah, Maxime Desjardins-Goulet, Pascal Toupin, Timothy D. Barfoot

机构 * Institute for Aerospace Studies, University of Toronto（多伦多大学航空航天研究所） ； MDA Space（MDA空间公司） ； Centre de Technologies Avancées（先进研究中心） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本研究提出了一种基于Lidar Teach and Repeat的月球车货运运输方案，通过半自主远程控制模式实现货物的精准运输和装载，验证了系统在恶劣环境下的可靠性。

Comments 15 Pages, 13 Figures, to appear in IEEE Transactions on Field Robotics

An Informative Planning Framework for Target Tracking and Active Mapping in Dynamic Environments with ASVs

面向动态环境的目标跟踪与主动建图的 informative 规划框架

Sanjeev Ramkumar Sudha, Marija Popović, Erlend M. Coates

机构 * Norwegian University of Science and Technology (NTNU)（挪威科学与技术大学） ； MAVLab, Faculty of Aerospace Engineering, TU Delft（MAVLab，航空航天工程学院，代尔夫特理工大学） 纠错

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

AI总结 本文提出了一种结合动态占用网格建图和信息规划方法的框架，用于在动态环境中主动跟踪和建图漂浮目标，通过时空预测网络提升目标跟踪性能。

Comments Accepted for publication in Robotics and Automation Letters (RA-L)

Latent Space Reinforcement Learning for Multi-Robot Exploration

潜在空间强化学习用于多机器人探索

Sriram Rajasekar, Ashwini Ratnoo

机构 * Department of Aerospace Engineering（航空航天工程系） ； Indian Institute of Science（印度科学研究所） 纠错

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

AI总结 本文提出利用潜在空间强化学习，通过自编码器和过程生成算法提升多机器人探索效率和鲁棒性。

Toward Large-Scale Photonics-Empowered AI Systems: From Physical Design Automation to System-Algorithm Co-Exploration

迈向大规模光子赋能的AI系统：从物理设计自动化到系统-算法共探索

Ziang Yin, Hongjian Zhou, Nicholas Gangi, Meng Zhang, Jeff Zhang, Zhaoran Rena Huang, Jiaqi Gu

机构 * School of Electrical, Computer and Energy Engineering, Arizona State University（电气、计算机与能源工程学院，亚利桑那州立大学） ； School of Electrical, Computer, and Systems Engineering, Rensselaer Polytechnic Institute（电气、计算机与系统工程学院，伦塞拉尔理工学院） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.AI

AI总结 本文提出了一种跨层工具链，用于大规模光子赋能AI系统的设计，涵盖从物理设计自动化到系统-算法共探索的全流程，通过实现感知建模和快速评估，提升架构决策的现实性。

Comments 10 pages. Accepted to SPIE Photonics West, Optical Interconnects and Packaging 2026

Counterfactual VLA: Self-Reflective Vision-Language-Action Model with Adaptive Reasoning

反事实VLA：具有自反思能力的视觉-语言-动作模型与自适应推理

Zhenghao "Mark" Peng, Wenhao Ding, Yurong You, Yuxiao Chen, Wenjie Luo, Thomas Tian, Yulong Cao, Apoorva Sharma, Danfei Xu, Boris Ivanovic, Boyi Li, Bolei Zhou, Yan Wang, Marco Pavone

机构 * NVIDIA ； UCLA（加州大学洛杉矶分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 CF-VLA通过自反思机制提升自动驾驶轨迹精度与安全性，实现自适应推理与因果修正。

STAGNet: A Spatio-Temporal Graph and LSTM Framework for Accident Anticipation

STAGNet：一种用于事故预判的时空图和LSTM框架

Vipooshan Vipulananthan, Kumudu Mohottala, Kavindu Chinthana, Nimsara Paramulla, Charith D Chitraranjan

机构 * Department of Computer Science and Engineering, University of Moratuwa（计算机科学与工程系，莫图瓦大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.CV

AI总结 STAGNet通过结合改进的时空特征和循环网络，提升图神经网络在行车记录仪视频中预测事故的能力，实验显示其在多个数据集上的性能优于现有方法。

Comments Published in IEEE Access

Journal ref IEEE Access, vol. 13, pp. 213769-213779, 2025

SparScene: Efficient Traffic Scene Representation via Sparse Graph Learning for Large-Scale Trajectory Generation

SparScene: 通过稀疏图学习实现大规模轨迹生成的高效交通场景表示

Xiaoyu Mo, Jintian Ge, Zifan Wang, Chen Lv, Karl Henrik Johansson

机构 * Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（决策与控制系统系，电气工程与计算机科学学院，皇家理工学院） ； iFLYTEK Co., Ltd.（iFLYTEK公司） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） 纠错

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

AI总结 SparScene通过稀疏图学习实现高效交通场景表示，显著提升大规模轨迹生成的效率和可扩展性。

Comments 13 pages, 7 figures, 5 tables

A Task-Driven, Planner-in-the-Loop Computational Design Framework for Modular Manipulators

面向任务的、具有规划器的计算设计框架用于模块化机械臂

Maolin Lei, Edoardo Romiti, Arturo Laurenzi, Rui Dai, Matteo Dalle Vedove, Jiatao Ding, Daniele Fontanelli, Nikos Tsagarakis

机构 * Humanoids and Human Centered Mechatronics Research Line, Italian Institute of Technology (IIT) Genoa, Italy（意大利理工学院（IIT）热那亚人类与以人为中心的机电研究组） ； Department of Industrial Engineering, University of Trento, Trento, Italy（特伦托大学工业工程系） 纠错

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

AI总结 本文提出了一种面向任务的模块化机械臂计算设计框架，通过整合轨迹规划与形态优化，实现高效灵活的机械臂设计。

Modified Hybrid A* Collision-Free Path-Planning for Automated Reverse Parking

改进的混合A*碰撞自由路径规划用于自动倒车

Xincheng Cao, Haochong Chen, Bilin Aksun-Guvenc, Levent Guvenc

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

AI总结 本文提出改进的混合A*算法用于自动倒车，结合动态模型和碰撞避障功能，实现碰撞自由的可行路径规划。

Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL

低空智能网络中的分层任务卸载与轨迹优化：通过拍卖和基于扩散的MARL

Jiahao You, Ziye Jia, Can Cui, Chao Dong, Qihui Wu, Zhu Han

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

AI总结 本文提出了一种基于拍卖和扩散的MARL方法，用于低空智能网络中的分层任务卸载与轨迹优化，以提升能耗效率和任务成功率。

Two-dimensional Decompositions of High-dimensional Configurations for Efficient Multi-vehicle Coordination at Intelligent Intersections

高维配置的二维分解用于智能交叉口多车辆高效协调

Amirreza Akbari, Johan Thunberg

机构 * Department of Electrical and Information Technology (EIT), Lund University（电气与信息学院（EIT）、卢德大学） 纠错

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

AI总结 本文提出了一种基于二维分解的高维配置方法，用于智能交叉口多车辆高效协调，通过减少计算复杂性提升轨迹规划效率。

Motion Planning for Safe Landing of a Human-Piloted Parafoil

有人操控 parachutes 的安全着陆路径规划

Maximillian Fainkich, Kiril Solovey, Anna Clarke

机构 * Stephen B. Klein Faculty of Aerospace Engineering（斯蒂芬·B·克莱因航空航天工程学院） ； Viterbi Faculty of Electrical and Computer Engineering（维特比电气与计算机工程学院） ； Technion–Israel Institute of Technology（技术学院–以色列理工学院） 纠错

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

AI总结 本研究提出了一种基于 SST 的算法，用于为有人操控滑翔伞计算安全轨迹，通过比较计算机生成和人类生成的解决方案，证明了计算机指导在提升飞行安全性和经济性方面的潜力。

Joint2Human: High-quality 3D Human Generation via Compact Spherical Embedding of 3D Joints

Joint2Human: 通过紧凑的球面嵌入3D关节实现高质量3D人体生成

Muxin Zhang, Qiao Feng, Zhuo Su, Chao Wen, Zhou Xue, Kun Li

机构 * College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学） ； PICO IDL, ByteDance China（字节跳动中国PICO IDL） ； Li Auto（利亚德） 纠错

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

AI总结 Joint2Human通过紧凑球面嵌入3D关节，结合2D扩散模型和多视角重绘策略，实现高质量3D人体生成，兼顾全局结构与局部细节。

HeLoFusion: An Efficient and Scalable Encoder for Modeling Heterogeneous and Multi-Scale Interactions in Trajectory Prediction

HeLoFusion: 一种高效的编码器，用于建模轨迹预测中的异构和多尺度交互

Bingqing Wei, Lianmin Chen, Zhongyu Xia, Yongtao Wang

机构 * Wangxuan Institute of Computer Technology（王轩计算机技术研究所） ； Peking University（北京大学） 纠错

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

AI总结 HeLoFusion通过构建局部多尺度图和类型特定特征网络，高效建模异构和多尺度交互，实现轨迹预测的先进性能。

Towards Reliable Test-Time Adaptation: Style Invariance as a Correctness Likelihood

迈向可靠的测试时适应：风格不变性作为正确性的似然性

Gilhyun Nam, Taewon Kim, Joonhyun Jeong, Eunho Yang

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

AI总结 SICL通过利用风格不变性实现鲁棒的不确定性估计，有效降低校准误差，提升测试时适应的可靠性。

Comments Accepted to WACV 2026

iMotion-LLM: Instruction-Conditioned Trajectory Generation

iMotion-LLM：基于指令的轨迹生成

Abdulwahab Felemban, Nussair Hroub, Jian Ding, Eslam Abdelrahman, Xiaoqian Shen, Abduallah Mohamed, Mohamed Elhoseiny

机构 * King Abdullah University of Science and Technology (KAUST)（卡塔尔国王阿卜杜勒阿齐兹大学科学与技术学院） ； Meta Reality Labs（Meta现实实验室） 纠错

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

AI总结 iMotion-LLM通过结合预训练LLM与轨迹预测模块，实现基于文本指令的交互式运动生成，提升自动驾驶中的轨迹生成准确性和安全性。

Scenario-aware Uncertainty Quantification for Trajectory Prediction with Statistical Guarantees

面向场景的不确定性量化用于轨迹预测的统计保证

Yiming Shu, Jiahui Xu, Linghuan Kong, Fangni Zhang, Guodong Yin, Chen Sun

机构 * Department of Data and Systems Engineering, the University of Hong Kong（数据与系统工程系，香港大学） ； Faculty of Science and Technology, University of Macau（科学与技术学院，澳门大学） ； School of Mechanical Engineering, Southeast University（机械工程学院，东南大学） 纠错

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

AI总结 本文提出了一种面向场景的不确定性量化框架，通过CopulaCPTS生成预测区间并评估轨迹可靠性，以提升自动驾驶系统在复杂环境中的安全性。

Driving is a Game: Combining Planning and Prediction with Bayesian Iterative Best Response

驾驶是一场游戏：结合规划与预测的贝叶斯迭代最佳回应

Aron Distelzweig, Yiwei Wang, Faris Janjoš, Marcel Hallgarten, Mihai Dobre, Alexander Langmann, Joschka Boedecker, Johannes Betz

机构 * University of Freiburg（弗赖堡大学） ； Bosch Center for Artificial Intelligence（博世人工智能中心） ； Technical University of Munich（慕尼黑技术大学） ； Klaris AI 纠错

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

AI总结 BIBeR通过结合运动预测与博弈论规划，实现自动驾驶中的交互感知和双向适应，提升复杂交通场景下的规划性能。

Deep-BrownConrady: Prediction of Camera Calibration and Distortion Parameters Using Deep Learning and Synthetic Data

Deep-BrownConrady: 使用深度学习和合成数据预测相机校准和畸变参数

Faiz Muhammad Chaudhry, Jarno Ralli, Jerome Leudet, Fahad Sohrab, Farhad Pakdaman, Pierre Corbani, Moncef Gabbouj

机构 * AILiveSim Ltd.（AILiveSim有限公司） ； Faculty of Information Technology and Communication Sciences, Tampere University（信息科技与通讯科学学院，塔尔基耶大学） 纠错

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

AI总结 本文提出使用深度学习和合成数据预测相机校准和畸变参数，基于ResNet架构的模型在合成数据集上训练，以提升真实场景下的校准性能。

CogDrive: Cognition-Driven Multimodal Prediction-Planning Fusion for Safe Autonomy

CogDrive: 基于认知的多模态预测-规划融合用于安全自主性

Heye Huang, Yibin Yang, Mingfeng Fan, Haoran Wang, Xiaocong Zhao, Jianqiang Wang

机构 * Singapore-MIT Alliance for Research and Technology (SMART), Singapore（新加坡-麻省理工联合研究技术联盟） ； Department of Urban Studies and Planning, Massachusetts Institute of Technology, USA（麻省理工学院城市研究与规划系） ； School of Vehicle and Mobility, Tsinghua University, China（清华大学车辆与移动系统学院） ； Department of Mechanical Engineering, National University of Singapore, Singapore（新加坡国立大学机械工程系） ； Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University, China（同济大学交通工程重点实验室） 纠错

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

AI总结 CogDrive通过结合认知多模态预测与安全导向规划，实现了在复杂交通中的安全自主性，提升了轨迹预测和适应性行为。

Comments 25 pages, 6 figures

Improving Partially Observed Trajectories Forecasting by Target-driven Self-Distillation

通过目标驱动自蒸馏改进部分观测轨迹预测

Peng Shu, Pengfei Zhu, Mengshi Qi, Liang Liu

机构 * State Key Laboratory of Networking and Switching Technology（网络与交换技术国家重点实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 本文提出目标驱动自蒸馏方法，通过单端到端训练提升部分观测轨迹预测的准确性，实验表明在多个数据集上效果显著。

Gradient Inversion in Federated Reinforcement Learning

联邦强化学习中的梯度反向

Shenghong He

机构 * Distributed Computing Research Center（分布式计算研究中心） 纠错

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

AI总结 本文提出RGIA方法，通过正则化梯度反向攻击，有效重建联邦强化学习中的本地私有数据。