自动驾驶

Flow-ERD: Agent-type Aware Flow Matching with Entropy-Regularized Distillation for Diverse Traffic Simulation

Flow-ERD：用于多样化交通模拟的基于熵正则化蒸馏的智能体类型感知流匹配

Seulbin Hwang, Kiyoung Om, Daejung Kim, Jinhan Lee

机构 * NAVER LABS Corp.（NAVER实验室公司） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO

AI总结 为解决交通模拟中多样性未被充分探索的问题，提出Flow-ERD模拟器，其核心方法是智能体类型感知流匹配与熵正则化蒸馏，能联合追求现实性和多样性，在测试基准中排名第一，主导帕累托前沿。

Comments 8 pages, 5 figures, 2 tables

Hilti-Trimble-Oxford Dataset: 360 Visual-Inertial Benchmark with Floor Plan Priors for SLAM and Localization

Hilti-Trimble-牛津数据集：用于SLAM和定位的带有平面图先验的360视觉惯性基准测试

Samuele Centanni, Yuhao Zhang, Yifu Tao, Julien Kindle, Frank Neuhaus, Tilman Koß, Aryaman Patel, Michael Helmberger, Emilia Szymańska, Torben Gräber, Maurice Fallon

机构 * Hilti AG（喜利得集团） ； University of Oxford（牛津大学） ； ETH Zürich（苏黎世联邦理工学院） ； Vision & Robotics GmbH（视觉与机器人有限公司） ； Trimble Inc.（天宝公司） 纠错

专题命中 仿真评测 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文介绍了Hilti-Trimble-牛津数据集，用于支持建筑工地的视觉SLAM和定位。它收集于活跃建筑工地，包含30个视觉惯性序列及地面真值轨迹。通过开放研究挑战评估相关系统，反映出SLAM方法更成熟，凸显定位任务难度，为持续研究提供支持，数据集公开可用。

RoboVista: Evaluating Vision Language Models for Diverse Robot Applications

RoboVista：评估用于各种机器人应用的视觉语言模型

Shuangyu Xie, Kaiyuan Chen, Ziyang Chen, Simeon Adebola, Yixuan Huang, Zehan Ma, Tianshuang Qiu, Wentao Yuan, Dhruv Shah, Pannag R. Sanketi, Ken Goldberg

机构 * University of California, Berkeley（加州大学伯克利分校） ； Princeton University（普林斯顿大学） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO

AI总结 研究针对机器人多样应用，提出模块化评估框架Robot Question Answering及基准RoboVista，其源于真实机器人系统等，含多任务类型VQA实例，实验表明现有视觉语言模型有差距，且与现实任务执行相关。

Comments Accepted to RSS 2026. Project website: https://berkeleyautomation.github.io/robovista/

Teaching Vision-Language-Action Models What to See and Where to Look

教视觉-语言-动作模型看什么和看哪里

Yuguang Yang, Canyu Chen, Zhewen Tan, Yizhi Wang, Zichao Feng, Chunyang Liu, Kehua Sheng, Juan Zhang, Linlin Yang, Baochang Zhang, Yan Wang, Bo Zhang, Xianbin Cao

机构 * School of Electronic Information Engineering, Beihang University（北京航空航天大学电子信息工程学院） ； National College for Excellent Engineers, Beihang University（北京航空航天大学卓越工程师学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； DiDi（滴滴出行） ； State Key Laboratory of Media Convergence and Communication, Communication University of China（中国传媒大学媒体融合与传播国家重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； School of Cyber Science and Technology, Beihang University（北京航空航天大学网络安全科学与技术学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 提出DriveTeach-VLA框架，通过驾驶感知视觉蒸馏和2D轨迹引导提示，教VLA模型关注驾驶相关区域，实现端到端自动驾驶轨迹预测，在NAVSIM和nuScenes上达到最优性能。

Comments The paper has been accepted by ECCV 2026

Rethinking Multi-Label Image Classification With Deep Learning: Taxonomy, Challenge, and Outlook

重新思考基于深度学习的多标签图像分类：分类法、挑战与展望

Xuelin Zhu, Xiu-Shen Wei, Jiawei Ge, Shuai Xu, Bing Wang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Southeast University（东南大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文综述了基于深度学习的多标签图像分类方法，将其分为六类，并总结了关键挑战与未来研究方向。

ECoSim: Data Efficient Fine-Tuning for Controllable Traffic Simulation

ECoSim：面向可控交通模拟的数据高效微调

Yu-Hsiang Chen, Wei-Jer Chang, Yi-Ting Chen, Masayoshi Tomizuka

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 提出轻量级控制适应框架，通过身份初始化的FiLM层调制中间特征，为预训练的扩散和自回归交通模型添加多模态控制（草图、潜在行为编码和文本），使用不到1%的配对数据实现强可控性。

Comments European Conference on Computer Vision (ECCV) 2026

ReWorld: Learning Better Representations for World Action Models

ReWorld：为世界动作模型学习更好的表示

Tianze Xia, Lijun Zhou, Kaixin Xiong, Jingfeng Yao, Yu Zhu, Zhenxin Zhu, Bing Wang, Guang Chen, Hangjun Ye, Wenyu Liu, Haiyang Sun, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米汽车） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 提出ReWorld框架，通过优化中间表示（未来预测监督、跨模态对齐、难负样本监督）提升自动驾驶世界动作模型的规划性能，在nuScenes和NAVSIM上取得显著提升。

Comments 19 pages,3 figures

Simulation-based inference for rapid Bayesian parameter estimation in epidemiological models: a comparison with MCMC

基于模拟的推理用于流行病学模型中快速贝叶斯参数估计：与MCMC的比较

Alina Bazarova, Johann Fredrik Jadebeck, Henrik Zunker, Carolina J. Klett-Tammen, Torben Heinsohn, Wolfgang Wiechert, Katharina Noeh, Stefan Kesselheim

机构 * Forschungszentrum Jülich, Jülich Supercomputing Centre（于利希研究中心，于利希超级计算中心） ； Helmholtz AI（亥姆霍兹人工智能） ； Forschungszentrum Jülich, Institute of Bio- and Geosciences（于利希研究中心，生物与地球科学研究所） ； German Aerospace Center, Institute of Software Technology, Department High-Performance Computing（德国航空航天中心，软件技术研究所，高性能计算部） ； Helmholtz Centre for Infection Research（亥姆霍兹感染研究中心） ； RWTH Aachen University, Computational Systems Biology（亚琛工业大学，计算系统生物学） 纠错

专题命中 仿真评测 ：occupancy(abstract)；分类 cs.AI

AI总结 本文研究使用神经后验估计的模拟推理（SBI）作为MCMC的替代方案，用于流行病学模型的贝叶斯校准，在COVID-19 ICU数据上验证了其计算效率与后验准确性。

3DCarGen: Scalable 3D Car Generation via 3D-consistent Multi-view Synthesis

3DCarGen: 通过3D一致的多视图合成实现可扩展的3D汽车生成

Hongli Xiao, Youjian Zhang, Yaohui Jin, Xiaoguang Ren, Wenjing Yang, Long Lan

机构 * Shanghai Jiao Tong University（上海交通大学） ； Academy of Military Science（军事科学院） ； The University of Sydney（悉尼大学） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机学院） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 提出3DCarGen框架，利用多视图扩散模型和3D高斯泼溅，从单张真实图像生成任意数量3D一致的多视图，并通过颜色-法线联合优化重建高质量3D汽车模型。

CRAX: Fast Safe Reinforcement Learning Benchmarking

CRAX：快速安全强化学习基准测试

Tristan Tomilin, Mourad Boustani, Mickey Beurskens, Thiago D. Simão

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.AI

AI总结 提出基于JAX加速的安全RL基准CRAX，利用MJX物理引擎实现高达100倍加速，包含6个环境套件和3个智能体任务，评估6种方法揭示性能与安全权衡。

FrozenDrive: Zero-Shot Text-Guided Driving Scene Generation and Data Augmentation with Parameter-Free Frozen Diffusion Model

FrozenDrive: 零样本文本引导驾驶场景生成与数据增强的无参数冻结扩散模型

Yuhwan Jeong, Hyeonseong Kim, Daehyun We, Seonkyu Song, Jinnyeong Yang, Hyun-Kurl Jang, Youngho Yoon, Kuk-Jin Yoon

机构 * KAIST, Visual Intelligence Lab（韩国科学技术院视觉智能实验室） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 提出FrozenDrive框架，利用冻结的预训练扩散模型，通过知识保留的时空注意力实现多视图一致性和时间连贯性，无需微调即可生成恶劣天气下的驾驶场景，提升自动驾驶模型鲁棒性。

Comments Accepted to ECCV 2026

FlashNav: Ultra-Fast Policy Training for Robot Navigation within 20 Seconds

FlashNav：20秒内实现超快速机器人导航策略训练

Shanze Wang, Yiwei Qian, Xinming Zhang, Jun Xue, Siwei Cheng, Xianghui Wang, Qingyuan Hu, Xiaoyu Shen, Wei Zhang

机构 * Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 仿真评测 ：occupancy(abstract)；分类 cs.RO

AI总结 提出FlashNav框架，通过GPU加速和MDP对齐实现20秒内训练可部署的导航策略，在TurtleBot2和Unitree Go2上验证成功。

Comments 15 pages, 4 figures

IR-SIM: A Lightweight Skill-Native Simulator for Navigation, Learning, and Benchmarking

IR-SIM：一种用于导航、学习和基准测试的轻量级技能原生模拟器

Ruihua Han, Shuai Wang, Chengyang Li, Rui Gao, Xinyi Wang, Zhe Liu, Guoliang Li, Yupu Lu, Qi Hao, Jia Pan, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology（深圳先进技术研究院） ； Southern University of Science and Technology（南方科技大学） ； University of Michigan（密歇根大学） ； University of Macau（澳门大学） 纠错

专题命中 仿真评测 ：LiDAR(abstract)；分类 cs.RO

AI总结 提出轻量级技能原生导航模拟器IR-SIM，通过YAML配置完全定义场景，支持文本提示生成与修改，用于导航算法基准测试和训练数据自动生成，并桥接高保真模拟器和真实部署。

Comments 12 pages, 6 figures, project website: https://github.com/hanruihua/ir-sim

SCALE-Sim EVA: Design Principles for an Extensible, Visualizable, and Adaptable Accelerator Simulation Framework

SCALE-Sim EVA：可扩展、可可视化且可适配的加速器模拟框架的设计原则

Jingtian Dang, Ritik Raj, Tushar Krishna

专题命中 仿真评测 ：occupancy(abstract)

AI总结 SCALE-Sim EVA是一款面向IR感知加速器建模的可扩展、可可视化、可适配的模拟框架，通过张量命令与命令分解机制计算周期时序，可生成轨迹用于分析执行相关指标，解决了固定加速器模拟器难以扩展的问题。

From Annual Throughput to Vessel Schedules: A Stochastic Generator for Transshipment Hub Simulation

从年度吞吐量到船舶班期：一种用于中转枢纽仿真的随机生成器

Qiaohong Li, Haobin Li, Tianhao Chen, Ek Peng Chew

专题命中 仿真评测 ：occupancy(abstract)

AI总结 该研究针对集装箱中转枢纽仿真的现有模型预测失真问题，提出基于公共港口数据校准的Gamma-GDF随机生成器，经两大超级枢纽验证精度良好，为港口仿真提供稳健基础。

FAIR-Compute: A Roadmap for Fair and Efficient Allocation of Federated Digital Research Infrastructure

FAIR-Compute：联邦数字研究基础设施的公平与高效分配路线图

Konstantinos E. Zachariadis, Ahmed Sayed, Dimitris Fotakis, Angeliki Mathioudaki, Wan Shuen Siaw

专题命中 仿真评测 ：occupancy(abstract)

AI总结 FAIR-Compute 针对联邦数字研究基础设施的分配问题，结合多领域方法与实证研究，发现资源分配存在占用与利用率偏差、调度可优化、联邦需管控等关键问题，提出相关路线图方向。

Comments Final Report to the National Federated Compute Services (NFCS) Flexible Fund

Evaluating Fuzz Testing for Reinforcement Learning Agents

评估强化学习智能体的模糊测试

Zhibin Kang, Hanmo You, Dong Wang, Haiming Zheng, Junjie Chen

机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 研究针对强化学习智能体模糊测试评估差异问题，通过在三种环境下统一配置对五种方法及随机测试进行基准测试，从多角度评估，揭示不同方法特点，表明模糊测试能提升智能体鲁棒性等，还给出可操作指导。

Transfer Learning Architectures for Scalable Multi-Fidelity Bayesian Optimization

用于可扩展多保真贝叶斯优化的迁移学习架构

Jaewook Lee, Ethan Errington, Christian D. Lorenz, Miao Guo

机构 * King’s College London（伦敦国王学院） 纠错

专题命中 仿真评测 ：self-driving(abstract)

AI总结 研究针对可扩展多保真贝叶斯优化，在相同条件下对11种迁移学习代理和4种GP方法进行基准测试，发现迁移学习代理在分子和材料问题上表现更佳，贪婪利用迁移学习均值是更稳健选择，是分子和材料MFBO的首选代理。

MC-BRIDGE: A Modular Receiver-Chain Simulation Framework for OECT-Based Molecular Communication

MC-BRIDGE：用于基于有机电化学晶体管的分子通信的模块化接收链仿真框架

Hongbin Ni, Ozgur B. Akan

专题命中 仿真评测 ：occupancy(abstract)

AI总结 研究基于OECT的分子通信，提出MC-BRIDGE模块化框架，连接多种过程到电荷域检测，能生成噪声、支持多种键控，通过公共接口估计相关指标并分析干扰，经测试得出满足SER目标的预算上限，揭示多种因素对接收器结论的影响。

Comments 13 pages, 7 figures, submitted to IEEE Transactions on Molecular, Biological, and Multi-Scale Communications (TMBMC)

HybridQC: Hardware-Grounded Simulation of Tightly Integrated Hybrid Quantum-Classical Systems

HybridQC：紧密集成的混合量子-经典系统的硬件基础模拟

Panayiotis Christou, Shuwen Kan, Ying Mao

专题命中 仿真评测 ：occupancy(abstract)

AI总结 研究混合量子-经典系统性能受经典控制等因素限制的问题，提出HybridQC模拟器，通过将HCU建模为可配置图、分解作业并校准测量，可评估混合架构多方面限制，为其性能评估提供系统框架。

The Precursor Genome: A Pairwise Reaction Dataset for Solid-State Synthesis

前驱体基因组：用于固态合成的成对反应数据集

Lauren N. Walters, Matthew J. McDermott, Bernardus Rendy, Yuxing Fei, Kristin A. Persson, Gerbrand Ceder

专题命中 仿真评测 ：self-driving(abstract)

AI总结 针对固态反应缺乏相关数据集阻碍合成科学发展的问题，通过A-Lab自动驾驶实验室生成前驱体基因组数据集，涵盖多种反应、元素及元数据，经自动精修和人工验证，为固态反应性预测模型提供可重复使用的基准。

Comments 4 figures, 20 pages, article submission

E-CoDrive: A Co-Simulation Framework for Testing Energy-Critical Driving Scenarios

E-CoDrive：用于测试能源关键型驾驶场景的联合仿真框架

Manfredi Napolitano, Alessandra Somma, Alessio Gambi, Andrea Stocco, Nicola Mazzocca

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 研究自动驾驶中能源消耗问题，核心方法是用E-CoDrive框架整合多种模拟器，贡献是可对自动驾驶新能源车软件栈进行基于能源感知场景测试，揭示交通条件对能耗的影响。

Comments In proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE '26) - Tools and Datasets track

The Calibration Turn in AI-Assisted Research: A Conceptual and Methodological Framework for Evidence-Licensed Claims

AI辅助研究中的校准转向：证据许可主张的概念与方法论框架

Hongmin Li

机构 * School of Life Science and Technology, Institute of Science Tokyo（东京科学大学生命科学与技术学院） ； Department of Computational Biology and Medical Sciences, Graduate School of Frontier Sciences, The University of Tokyo（东京大学前沿科学研究生院计算生物学与医学科学系） 纠错

专题命中 仿真评测 ：self-driving(abstract)

AI总结 提出AI辅助研究中证据许可主张的概念与方法论框架，通过五个算子描述研究过程，强调校准作为管理科学断言权的机制，并区分不同语义类型。

Comments 42 pages, 4 figures. Companion code and synthetic simulation artifacts: https://github.com/Li-Hongmin/calibration-turn-ai-assisted-research

Revisiting Action Factorization for Complex Action Spaces

重新审视复杂动作空间的动作分解

Timothy Flavin, Sandip Sen

机构 * The University of Tulsa（塔尔萨大学） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 本文对多种动作分解方法在PPO、SAC、DQN算法和离散、混合、连续动作空间上进行了横截面研究，提出了VDN-PPO和PPO-MIX，并发现分支决斗架构在计算和性能之间取得了最佳平衡。

Comments 53 Pages, 37 Figures, 6 Tables, Target Journal/Venue: ACM Transactions on Autonomous and Adaptive Systems TAAS

SafeGen: LLM-Driven Assertion Generation and Fault Criticality Evaluation for Functional Safety

SafeGen: 面向功能安全的LLM驱动断言生成与故障关键性评估

Xuanyi Tan, Arjun Chaudhuri, Rubin Parekhji, Krishnendu Chakrabarty

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 提出SafeGen框架，利用大语言模型和超知识图谱从设计文档提取规范并生成功能安全断言，结合门级到RTL故障映射与形式验证实现故障关键性语义分级，在FOC系统中验证了优于传统方法。

Comments Accepted by DAC 2026

Do as the Romans Do: Learning Universal Behaviors from Heterogeneous Agents

入乡随俗：从异构智能体学习通用行为

Caleb Chang, Davin Win Kyi, Natasha Jaques, Karen Leung

机构 * University of Washington（华盛顿大学） ； NVIDIA（英伟达） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 提出GRID方法，从追求不同目标的异构示范者中提取通用奖励，训练通用智能体以学习环境通用能力，避免模式平均偏差，提升下游任务微调效率。

ARTSN: Exact and Adaptive Self-triggered Traffic Scheduling for ARTS Networks

ARTSN：ARTS网络的精确自适应自触发流量调度

Ruide Cao, Shuangping Zhan, Jiashuo Lin, Yan Liu, Chenxi Ling, Yi Wang, Guoming Tang

专题命中 仿真评测 ：self-driving(abstract)

AI总结 针对自触发流量波动性和缺席性挑战，提出ARTSN调度范式，利用可推断到达信息实现精确离线调度，并设计自适应在线时隙释放机制，显著提升可调度性、可扩展性和效率。

Comments 11 pages. Accepted by ICDCS 2026

Modular2Simple: A Tool for Modular Scenario Creation Based on the OpenSCENARIO Format

Modular2Simple：基于OpenSCENARIO格式的模块化场景创建工具

Nikolai Khriapov, Mohamed Taha Drif, Renjue Li, Cas Widdershoven

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 提出Modular2Simple工具，通过组合简单场景为模块化场景，简化复杂自动驾驶场景创建，降低开发成本并提升复用性。

Comments 2nd International Conference on Electric Vehicle and Vehicle Engineering. CEVVE 2024