自动驾驶

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

Multiport Analytical Pixel Electromagnetic Simulator (MAPES) for AI-assisted RFIC and Microwave Circuit Design

多端口分析像素电磁模拟器（MAPES）用于AI辅助射频集成电路和微波电路设计

Junhui Rao, Yi Liu, Jichen Zhang, Zhaoyang Ming, Tianrui Qiao, Yujie Zhang, Chi Yuk Chiu, Hua Wang, Ross Murch

专题命中 仿真评测 ：occupancy(abstract)

AI总结 本文提出了一种新型分析框架MAPES，用于高效准确预测任意像素基微波和射频集成电路结构的电磁性能，通过虚拟像素和多层/通孔端口公式实现快速分析，无需额外全波计算，提升预测精度和效率。

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

Constrained Co-evolutionary Metamorphic Differential Testing for Autonomous Systems with an Interpretability Approach

具有可解释性方法的约束共进化元形差分测试用于自主系统

Hossein Yousefizadeh, Shenghui Gu, Lionel C. Briand, Ali Nasr

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

AI总结 本文提出CoCoMagic方法，结合元形测试、差分测试和先进搜索技术，通过约束共进化搜索生成可解释的测试用例，有效识别自主系统版本间的行为差异。

Comments Submitted to ACM Transactions on Software Engineering and Methodology journal(TOSEM)

Journal ref ACM Transactions on Software Engineering and Methodology, 2026

UniFFBench: Evaluating Universal Machine Learning Force Fields Against Experimental Measurements

评估通用机器学习力场与实验测量的对比

Sajid Mannan, Vaibhav Bihani, Carmelo Gonzales, Kin Long Kelvin Lee, Nitya Nand Gosvami, Sayan Ranu, Santiago Miret, N M Anoop Krishnan

机构 * Department of Civil Engineering, Indian Institute of Technology Delhi（印度理工学院德里土木工程系） ； Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度理工学院德里人工智能学院） ； Intel Labs, California, USA（美国加州英特尔实验室） ； Department of Materials Science and Engineering, Indian Institute of Technology Delhi（印度理工学院德里材料科学与工程系） ； Department of Computer Science and Engineering, Indian Institute of Technology Delhi（印度理工学院德里计算机科学与工程系） 纠错

专题命中 仿真评测 ：occupancy(abstract)

AI总结 提出UniFFBench框架和MinX数据集，系统评估六种通用机器学习力场，发现模型在计算基准上表现优异但在实验复杂性下存在显著“现实差距”，密度预测误差高于实际应用阈值。

Utility-Aware DRL-Based TXOP Adaptation for NR-U and Wi-Fi Coexistence Networks

基于策略驱动的DRL的NR-U与Wi-Fi共存中的TXOP自适应

Po-Heng Chou, Yi-Fang Yu, Shou-Yu Chen, Chiapin Wang

机构 * Research Center for Information Technology Innovation (CITI), Academia Sinica (AS)（资讯科技创新研究所以（CITI），中华学术界（AS）） ； Department of Electrical Engineering, National Taiwan Normal University (NTNU)（国立台湾师范大学电子工程系（NTNU）） 纠错

专题命中 仿真评测 ：occupancy(abstract)

AI总结 针对NR-U与Wi-Fi在非授权频谱共存中的频谱利用不平衡问题，提出一种基于策略驱动的深度强化学习框架，通过奖励设计实现公平性、吞吐量和效用的灵活权衡控制。

Comments 15 pages, 13 figures, 2 tables, submitted to IEEE Open Journal of the Communications Society

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

Zero-Shot Autonomous Vehicle Policy Transfer: From Simulation to Real-World via Adversarial Learning

零样本自动驾驶策略转移：通过对抗学习从仿真到现实世界

Behdad Chalaki, Logan E. Beaver, Ben Remer, Kathy Jang, Eugene Vinitsky, Alexandre M. Bayen, Andreas A. Malikopoulos

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

AI总结 本文提出了一种零样本方法，通过对抗多智能体强化学习将自动驾驶策略从仿真环境转移到德雷克塞尔大学的缩放智能城市，展示了对抗训练在提高策略稳定性和鲁棒性方面的有效性。

Comments 6 pages, 4 figures

Journal ref IEEE International Conference on Control & Automation, (2020), 35-40

Bayesian Persuasive Driving

贝叶斯说服驾驶

Cheng Peng, Masayoshi Tomizuka

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

AI总结 本文提出了一种基于优化的贝叶斯说服驾驶算法，通过 ego 车辆向周围车辆发送信息以改变其对世界状态的后验信念，从而在降低双方成本的同时提高自动驾驶质量和整体驾驶环境。

Comments 8 pages, 10 figures, submitted to ACC 2019 conference

Towards Secure and Safe Appified Automated Vehicles

面向安全和安全的Appified自动驾驶车辆

Yunhan Jack Jia, Ding Zhao, Qi Alfred Chen, Z. Morley Mao

专题命中 仿真评测 ：self-driving(abstract)

AI总结 本文提出Appified自动驾驶平台概念，旨在通过AVGuard设计框架提升安全性，为开放自动驾驶平台提供设计指南。

A benchmark for data-based office modeling: challenges related to CO$_2$ dynamics

基于数据的办公室建模基准：与CO₂动态相关的挑战

Riccardo Sven Risuleo, Marco Molinari, Giulio Bottegal, Håkan Hjalmarsson, Karl H. Johansson

专题命中 仿真评测 ：occupancy(abstract)

AI总结 本文提出一个包含合成测量数据的基准，用于测试数据驱动建模技术，重点解决基于CO₂浓度估计占用率的挑战。

Comments 14 pages, accepted for publication to IFAC SysId 2015

Separation Logic for Verifying Physical Collisions of CNC Programs

用于验证CNC程序物理碰撞的分离逻辑

Yeonseok Lee

专题命中 仿真评测 ：occupancy(abstract)

AI总结 本文提出了一种形式验证框架，将CNC工作空间概念化为空间堆，利用分离逻辑验证安全性和物理碰撞，通过形式三元组检测逻辑空间竞赛，扩展到协作环境并支持多轴运动学。

Comments 20 pages, 4 figures

Ozone: A Unified Platform for Transportation Research

Ozone：交通研究的统一平台

Ou Zheng, Ruyi Feng, Yufeng Yang, Shengxuan Ding, Lishengsa Yue, Ye Li, Yunhan Zheng, Minwei Kong, Dingyi Zhuang, Ao Qu, Zhibin Li, Meng Li, Dongjie Wang, Wangyang Ying

专题命中 仿真评测 ：LiDAR(abstract)

AI总结 本文提出Ozone平台，通过统一的数据标准、模型接口和评估协议，解决交通研究中异构数据源的可重复性、跨数据集基准测试和跨区域迁移性问题，提升实验设置效率和跨城市安全模型迁移效率。

Intermittent two-phase flow in porous media: insights from pore-scale direct numerical simulation

孔隙介质中间歇两相流：来自孔尺度直接数值模拟的见解

Alexandra Karabasova, Sajjad Foroughi, Martin J. Blunt, Branko Bijeljic

专题命中 仿真评测 ：occupancy(abstract)

AI总结 研究通过孔尺度直接数值模拟揭示了多相流中间歇性现象，展示了压力重分布与非润湿相流动的强耦合，阐明了间歇性如何导致从线性到亚线性区域的转变。

Empirical Insights of Test Selection Metrics under Multiple Testing Objectives and Distribution Shifts

基于多种测试目标和分布偏移的测试选择度量的实证洞察

Jingyu Zhang, Fan Wang, Jacky Keung, Yihan Liao, Yan Xiao, Lei Ma

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

AI总结 本文通过实证研究评估15种测试选择度量在不同测试目标、分布偏移场景和数据模态下的性能，揭示现有度量的局限性并提供全面评估。

Comments Accepted for publication at the ACM International Conference on the Foundations of Software Engineering (FSE 2026)

Automated Test Validators for Flaky Cyber-Physical System Simulators: Approach and Evaluation

用于不稳定的网络物理系统模拟器的自动化测试验证器：方法与评估

Baharin A. Jodat, Khouloud Gaaloul, Mehrdad Sabetzadeh, Shiva Nejati

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

AI总结 本文提出使用测试验证器过滤无效测试输入，通过遗传编程和决策树生成方法，展示其在航空航天、网络和自动驾驶领域中的有效性，证明GP结合Ochiai方法在准确性上更具优势。

Comments This paper has been accepted for publication in the IEEE Transactions on Software Engineering (TSE)

Spatio-Temporal Analysis of Public Transportation Undercrowding: Leveraging APC Data for a Comprehensive Evaluation of Usage Rates

公共交通拥挤度的时空分析：利用APC数据对使用率进行综合评估

Arianna Burzacchi, Valeria Maria Urbano, Marika Arena, Giovanni Azzone, Piercesare Secchi, Simone Vantini

专题命中 仿真评测 ：occupancy(abstract)

AI总结 本文提出利用APC数据和混合效应模型分析公共交通拥挤度，识别供需差距，探讨影响因素及时间分布。

Comments Pre-print version

Journal ref Public Transport 2026

Approximating Analytically-Intractable Likelihood Densities with Deterministic Arithmetic for Optimal Particle Filtering

用确定性算术近似解析不可行的似然密度以实现最优粒子滤波

Orestis Kaparounakis, Yunqi Zhang, Phillip Stanley-Marbell

专题命中 仿真评测 ：self-driving(abstract)

AI总结 本文提出一种新的粒子滤波方法，通过确定性计算平台近似任意似然密度，提升实时处理效率和精度，实验显示其在速度和精度上均优于传统蒙特卡洛方法。

CatBOX: A Categorical-Continuous Bayesian Optimization with Spectral Mixture Kernels for Accelerated Catalysis Experiments

CatBOX：一种结合谱混合核的分类-连续贝叶斯优化用于加速催化实验

Changquan Zhao, Yi Zhang, Zhuo Li, Li Jin, Cheng Hua, Yulian He

机构 * Global College（全球学院） ； Department of Industrial Engineering and Operations Research（工业工程与运营管理系） ； Antai College of Economics and Management（经济管理学院） ； School of Chemistry and Chemical Engineering（化学与化工学院） 纠错

专题命中 仿真评测 ：self-driving(abstract)

AI总结 CatBOX通过结合谱混合核和信任区域方法，优化催化实验中的分类和连续参数，提升实验效率，实验证明其在多个任务中优于基线方法。

Computation of thermal entropy for the doped Hubbard Model

掺杂Hubbard模型热熵的计算

Yu-Feng Song, Youjin Deng, Yuan-Yao He

专题命中 仿真评测 ：occupancy(abstract)

AI总结 本文提出高效框架计算掺杂费米-Hubbard模型热熵，通过参数空间路径积分方法，结合基本可观测量推导Maxwell关系并提供实用公式，验证了框架的可靠性。

Comments 19 pages, 11 figures

Advanced Manufacturing with Renewable and Bio-based Materials: AI/ML workflows and Process Optimization

先进生物基和可再生材料的制造：AI/ML工作流与工艺优化

Rigoberto Advincula, Jihua Chen

专题命中 仿真评测 ：self-driving(abstract)

AI总结 本研究通过AI/ML工作流和工艺优化，提升生物基和可再生材料在先进制造中的应用效率，促进可持续发展。

Comments 26 pages, 5 figures, and 2 tables

A Quantum-inspired Hybrid Swarm Intelligence and Decision-Making for Multi-Criteria ADAS Calibration

一种量子启发的混合群体智能与决策方法用于多准则ADAS校准

Sanjai Pathak, Ashish Mani, Amlan Chatterjee

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

AI总结 本文提出了一种基于量子启发混合群体智能的多目标优化方法，用于提升ADAS校准的性能和适应性。

Polymer Brushes and Grafted Polymers: AI/ML-Driven Synthesis, Simulation, and Characterization towards autonomous SDL

聚合物刷与接枝聚合物：面向自主SDL的AI/ML驱动合成、模拟与表征

Rigoberto C. Advincula, Jihua Chen

专题命中 仿真评测 ：self-driving(abstract)

AI总结 本文提出利用AI/ML技术优化聚合物刷和接枝聚合物的合成、模拟与表征，通过高通量实验和数据驱动方法推动科学发现和应用开发。

Comments 512 pages, 5 figures

Assessing Cybersecurity Risks and Traffic Impact in Connected Autonomous Vehicles

评估连接自动驾驶车辆中的网络安全风险与交通影响

Saurav Silwal, Lu Gao, Ph. D. Yunpeng Zhang, Ph. D. Ahmed Senouci, Ph. D. Yi-Lung Mo, Ph. D., P. E

专题命中 仿真评测 ：self-driving(abstract)

AI总结 本研究通过模拟网络攻击对连接自动驾驶车辆的影响，提出了一种创新的跟车模型以提升交通效率与安全。

DPUConfig: Optimizing ML Inference in FPGAs Using Reinforcement Learning

DPUConfig: 使用强化学习优化FPGA上的机器学习推理

Alexandros Patras, Spyros Lalis, Christos D. Antonopoulos, Nikolaos Bellas

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

AI总结 DPUConfig通过强化学习动态优化FPGA上的机器学习推理配置，提升能效和性能。

Comments 8 pages, 6 figures, to appear in the proceedings of DATE 2026