自动驾驶

Quantum-Inspired Evolutionary Neighborhood Search for Arrival-Departure Track Utilization Adjustment under Short-Term Disturbances

量子启发式进化邻域搜索用于短期干扰下到发轨道利用调整

Xiaobin Li, Wuming Lei, Yanbin Gao, Weiguang Wang

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 研究针对短期干扰下的到发轨道利用调整问题，提出结合邻域搜索的量子启发式进化算法QEA-NS，通过构建模型求解，与CP-SAT对比，结果显示该算法能提高恢复计划延误性能，但计算效率需提升。

Adaptive Data Admission and Retention for Streaming Federated Learning

用于流式联邦学习的自适应数据接纳与保留

Zhuoyi Zhao, Ben Liang

机构 * University of Toronto（多伦多大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 研究客户端内存有限的流式联邦学习，提出联合服务器端接纳和客户端内存管理框架，开发ACDPP策略，结合K步保留规则与在线接纳规则等，通过论证使其与预言机基准联系，实验表明该策略在满足约束时接近基准。

On AI Safety and Security Technical Debt in Engineering AI-Enabled Systems

关于人工智能系统工程中的人工智能安全与保障技术债务

Muhammad Tukur, Hayatullahi B. Adeyemo, Tao Chen, Nour Ali, Anis Zarrad, Rick Kazman, Marco Agus, Rami Bahsoon

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.AI

AI总结 研究人工智能系统工程中的安全与保障技术债务，通过系统综述识别31种AITD并分类，分析其与信任问题的关联，合成34条指南，引入AITD - MAP框架，助工程师应对AITDs。

Comments 64 pages, 7 figures, 8 tables, submitted to ACM Transactions on Software Engineering and Methodology (TOSEM)

Multi-Turn On-Policy Distillation with Prefix Replay

基于前缀重放的多轮在线策略蒸馏

Baohao Liao, Hanze Dong, Christof Monz, Xinxing Xu, Li Dong, Furu Wei

机构 * Microsoft Research（微软研究院） ； University of Amsterdam（阿姆斯特丹大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 研究用于智能体任务的在线策略蒸馏，提出重放前缀在线策略蒸馏方法，复用预收集教师轨迹作重放前缀，解决多轮在线策略蒸馏的前缀陷阱问题，提高效率且保持或提升精度。

Defining AI-Native Systems: Autonomy as Revision Authority

定义 AI 原生系统：自主性作为修订权

Cheng Tan

机构 * Northeastern University（东北大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 本文提出了一种定义 AI 原生系统的标准，基于自主权而非 AI 模型能力，通过修订权阶梯和验证机制界定 AI 自主重写系统的能力。

LoRFT: Benchmarking Long-Range Vehicle Trajectory Reconstruction from Fixed Highway Cameras

LoRFT：基于固定高速公路摄像头的长距离车辆轨迹重建基准测试

Yufan Zhu, Kefu Yi, Xueju Zhang, Yunyang Tian, Long Chen, Zixuan Xiao

机构 * School of Transportation, Changsha University of Science and Technology（长沙理工大学交通运输工程学院） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV

AI总结 研究针对从固定高速公路摄像头恢复长距离车辆轨迹的难题，提出Map-RSTNet模型，引入LoRFT基准测试。实验表明该模型能有效降低误差，证明道路几何感知重建的有效性，为长距离车辆轨迹重建提供了可重复测试平台。

Comments 17 pages, 5 figures. Code and processed annotations: https://github.com/YvfanZhu/LoRFT

Lifelong Localization in Dynamic Indoor Environments Combining Odometry with Sparse Distance Sampling

结合里程计与稀疏距离采样的动态室内环境终身定位

Michael M. Bilevich, Tomer Buber, Dan Halperin

机构 * Blavatnik School of Computer Science and Artificial Intelligence, Tel-Aviv University（特拉维夫大学布拉瓦尼克计算机科学与人工智能学院） 纠错

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO

AI总结 研究动态室内环境中机器人定位问题，提出结合里程计与稀疏距离采样的终身定位框架，能实时解决绑架机器人问题，在静态和动态环境中均收敛到真实姿态，少量距离样本即可实现与SLAM相当的定位，具多方面优势。

Comments Appeared in the 2026 IEEE International Conference on Robotics and Automation (ICRA)

Panache: One-Pass Motif Discovery at Every Window Length

Panache：在每个窗口长度下进行单遍基序发现

Tej Sanibh Ranade

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 研究针对时间序列基序发现中模式持续时间未知的问题，提出单遍流算法Panache。通过滑动DFT递归等维护频谱状态，利用Parseval定理在哈希目录中让相似子序列碰撞，自行计算依赖数据的参数，在多个数据集上表现出色，速度远超基线方法。

Comments 23 pages, 4 figures, 19 tables

Map as a Prompt: Learning Multi-Modal Spatial-Signal Foundation Models for Cross-scenario Wireless Localization

地图作为提示：学习用于跨场景无线定位的多模态空间信号基础模型

Yong Chu, Xun Zhou, Zenglin Xu, Hui Wang, Yue Yu

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.AI

AI总结 针对无线定位在不同环境中面临的挑战及现有方法的局限，提出多模态基础模型SigMap，通过循环自适应掩码策略和“地图即提示”框架学习无线表示并实现跨场景适应，实验证明其性能领先且零样本泛化能力强。

Comments 17pages, 9 figures, poster in International Conference on Learning Representations (ICLR), 2026

On inferring cumulative constraints

关于推断累积约束

Konstantin Sidorov

机构 * Faculty of Electrical Engineering, Mathematics & Computer Science（电气工程、数学与计算机科学系） ； Delft University of Technology（代尔夫特理工大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 该研究提出了一种预处理方法，通过推断额外的累积约束来捕捉多资源交互，从而提高调度问题的搜索性能和目标界限精度。

Comments 17 pages, 6 figures, 4 tables; submitted to the 32nd International Conference on Principles and Practice of Constraint Programming (CP 2026)

ContactFusion: Stochastic Poisson Surface Maps from Visual and Contact Sensing

ContactFusion：基于视觉和接触传感的随机泊松曲面地图

Aditya Kamireddypalli, Joao Moura, Russell Buchanan, Matias Mattamala, Sethu Vijayakumar, Subramanian Ramamoorthy

机构 * School of Informatics, University of Edinburgh（信息学院，爱丁堡大学） ； Department of Mechanical and Mechatronics Engineering, University of Waterloo（机械与机电工程系，滑铁卢大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.RO

AI总结 研究针对机器人装配中场景理解噪声影响插入成功率的问题，提出ContactFusion方法，结合全局映射与局部接触信息，通过拒绝采样程序估计接触位置，将接触与视觉信息融合到SPSMap，验证了方法有效性并改善孔位估计。

Comments Version accepted to IROS2026

Context Adaptive Extended Chain Coding for Semantic Map Compression

上下文自适应扩展链编码用于语义地图压缩

Runyu Yang, Junqi Liao, Hyomin Choi, Fabien Racapé, Ivan V. Bajić

专题命中 BEV与占用 ：occupancy(abstract)；分类 eess.IV

AI总结 本文提出一种基于链编码的语义地图无损压缩方法，通过扩展链码和上下文自适应熵编码实现高效压缩，实验表明在比特率和运行时间上均有显著提升。

Comments 12 pages, 11 figures

2.5-D Decomposition for LLM-Based Spatial Construction

基于2.5-D分解的LLM空间构建

Paul Whitten, Li-Jen Chen, Sharath Baddam

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 本文提出了一种基于2.5-D分解的神经符号管道，通过让LLM在二维水平面上规划，同时确定性执行器计算垂直放置，从而消除一类错误，提升了空间构建的准确性。

On-Device Neural Architecture Search

设备上神经架构搜索

Andrea Mattia Garavagno, Edoardo Ragusa, Paolo Gastaldo, Antonio Frisoli, Claudio Loconsole

机构 * 1 Department of Electrical, Electronic, Telecommunication Engineering ； Naval Architecture, DITEN University of Genoa, Genoa 16145, Italy ； 2 Department of Excellence in Robotics \& AI, Scuola Superiore Sant’Anna, Piazza Martiri della Libertà 33, Pisa 56127, Italy ； 3 Institute of Mechanical Intelligence, Scuola Superiore Sant’Anna, Ghezzano, 56010 Pisa, Italy ； 4 Faculty of Technological 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 提出一种在部署设备上直接进行轻量级神经架构搜索的方法，以优化传感器实时数据分析，在人机接口中实现个性化适应，并在两个数据集上验证了其优于现有技术。

DVD: Discrete Voxel Diffusion for 3D Generation and Editing

DVD: 用于3D生成和编辑的离散体素扩散

Zhengrui Xiang, Jiaqi Wu, Fupeng Sun, Heliang Zheng, Yingzhen Li

机构 * Imperial College London（伦敦帝国学院） ； Math Magic ； Hitem3D 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.CV

AI总结 提出离散体素扩散框架（DVD），通过将体素占用视为离散变量，实现稀疏体素的生成、不确定性估计和编辑，避免连续到离散的阈值处理，并提供可解释的生成动态。

PathPainter: Transferring the Generalization Ability of Image Generation Models to Embodied Navigation

PathPainter：将图像生成模型的泛化能力迁移至具身导航

Yijin Wang, Yuru Tian, Xijie Huang, Weiqi Gai, Mo Zhu, Xin Zhou, Yuze Wu, Fei Gao

机构 * Tsinghua University（清华大学） 纠错

专题命中 BEV与占用 ：BEV(abstract)；分类 cs.RO

AI总结 提出利用鸟瞰图作为全局先验的导航系统，通过图像生成模型理解自然语言意图并生成可通行掩码，结合跨视图定位消除里程计漂移，在无人机平台上完成160米室外长距离导航。

Comments Work in the progress. 16 pages, 13 figures

Application of Algorithms in Energy-Efficient Design Platforms for Green Building

算法在绿色建筑节能设计平台中的应用

Na Yu, Fu Wenli, Guo Fei

机构 * First Highway Engineering Co., Ltd.（第一公路工程有限公司） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 提出一种结合BIM、传感器数据和进化多目标优化的算法平台，通过动态能耗仿真降低建筑能耗29.3%，并验证了其可扩展性和技术可行性。

Comments 9 pages, 4 figures.2026 International Conference on Big Data Applications in Education and Engineering (ICBDAEE 2026)

Learning Neural Deformation Representation for 4D Dynamic Shape Generation

学习神经变形表示用于4D动态形状生成

Gyojin Han, Jiwan Hur, Jaehyun Choi, Junmo Kim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.CV

AI总结 提出一种新的神经变形表示，结合条件神经符号距离场，设计解耦运动与形状潜在空间的4D表示架构，通过扩散模型生成高质量、高时间一致性的4D动态形状。

Comments ECCV 2024

VolFill: Single-View Amodal 3D Scene Reconstruction with Volumetric Flow Matching

VolFill: 基于体素流匹配的单视图非模态3D场景重建

Tuan Duc Ngo, Chuang Gan, Evangelos Kalogerakis

机构 * UMass Amherst（马萨诸塞大学阿姆赫斯特分校） ； TU Crete（希腊技术大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.CV

AI总结 提出VolFill框架，利用混合3D VAE和潜在扩散Transformer从单张RGB图像生成完整3D场景结构，在SCRREAM和NRGB-D数据集上显著优于现有方法。

Inverse Reinforcement Learning without an Optimal Demonstrator: A Feasible Reward Set Approach

无最优演示者的逆强化学习：一种可行奖励集方法

Kihyun Kim, Shripad Deshmukh, Nikos Vlassis, Jiawei Zhang

机构 * MIT LIDS（麻省理工学院媒体实验室） ； University of Massachusetts, Amherst（马萨诸塞大学阿姆赫斯特分校） ； Adobe Research（Adobe研究院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 针对多个非最优演示者数据，提出可行奖励集框架，通过线性约束联合可行集单调收缩，并给出恢复保证与高维环境离线算法。

3D Gaussian Map with Open-Set Semantic Grouping for Vision-Language Navigation

面向视觉-语言导航的开放集语义分组3D高斯地图

Jianzhe Gao, Rui Liu, Wenguan Wang

机构 * The State Key Lab of Brain-Machine Intelligence（脑机智能国家重点实验室） 纠错

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.CV

AI总结 提出一种3D高斯地图表示环境，通过在线构建自中心场景地图和开放集语义分组操作增强几何与语义信息，并设计多层级动作预测策略，在三个公开基准上验证了有效性。

Finite-Particle Convergence Rates for Conservative and Non-Conservative Drifting Models

保守与非保守漂移模型的有限粒子收敛速率

Krishnakumar Balasubramanian

机构 * Department of Statistics, University of California, Davis（加州大学戴维斯分校统计系） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 针对一步生成建模，提出保守漂移方法（用核密度估计梯度速度替代位移速度）并证明连续时间有限粒子收敛界，同时分析非保守方法（Laplace核）的对应速率。

Bridging Structure and Language: Graph-Based Visual Reasoning for Autonomous Road Understanding

连接结构与语言：基于图的视觉推理用于自动驾驶道路理解

Lena Wild, Katie Z Luo, Marco Pavone

机构 * KTH Royal Institute of Technology（皇家理工学院） ； TRATON ； Stanford University（斯坦福大学） ； NVIDIA（英伟达） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出结合道路子基质（CRS）框架，通过图结构和开放词汇语义的联合执行，解决自动驾驶中道路结构理解的精度与语义灵活性之间的平衡问题。

RT-Splatting: Joint Reflection-Transmission Modeling with Gaussian Splatting

RT-Splatting：基于高斯点散布的联合反射-透射建模

Ji Shi, Xianghua Ying, Bowei Xing, Ruohao Guo, Wenzhen Yue

机构 * State Key Laboratory of General Artificial Intelligence（国家一般人工智能重点实验室） ； School of Intelligence Science and Technology（智能科学与技术学院） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.CV

AI总结 本文提出RT-Splatting方法，通过将高斯点的几何占用与光学不透明度分离，实现对半透明表面复杂反射和清晰透射的联合建模，从而在实时渲染中获得高质量的反射和透射效果。

Comments CVPR 2026 Highlight, Project Page: https://sjj118.github.io/RT-Splatting/

GSMap: 2D Gaussians for Online HD Mapping

GSMap：用于在线高精度地图的2D高斯

Zhenxuan Zeng, Lingxuan Wang, Sheng Yang, Yanan He, Mingxia Chen, Wei Suo, Peng Wang

机构 * School of Computer Science, Northwestern Polytechnical University, China（西北工业大学计算机学院） ； Unmanned Vehicle Dept, Cainiao Inc., Alibaba Group, China（菜鸟网络无人车部门） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV

AI总结 GSMap通过可学习的2D高斯表示统一了向量化和光栅化方法，提升高精度地图的几何与拓扑学习性能，实验表明其在nuScenes和Argoverse2上表现优异。

Comments Preprint

A cell-decomposition based path planner for 3D navigation in constrained workspaces

基于单元分解的3D导航路径规划器

João P. L. Morais, Luciano C. A. Pimenta, Marcelo A. Santos, Guilherme V. Raffo

机构 * Department of Management, Information and Production Engineering, University of Bergamo, Dalmine, BG, Italy（伯加莫大学管理、信息与生产工程系） ； Department of Electronic Engineering, Universidade Federal de Minas Gerais, Belo Horizonte, MG, Brazil（巴西米纳斯格拉斯联邦大学电子工程系） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.RO

AI总结 本文提出了一种基于单元分解的路径规划算法，用于在受限工作空间中实现3D导航。该方法通过简化框架验证路径可行性，并结合SOCP和MISOCP优化问题，提出KSP-SOCP方法以提升求解效率。

Comments Accepted for publication at the 23rd IFAC World Congress (Busan, Korea)

Market-Alignment Risk in Pricing Agents: Trace Diagnostics and Trace-Prior RL under Hidden Competitor State

定价代理中的市场对齐风险：轨迹诊断与隐藏竞争状态下的轨迹先验强化学习

Peiying Zhu, Sidi Chang

机构 * Blossom AI ； Blossom AI Labs（Blossom AI 实验室） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 本文研究了在部分可观测环境下，定价代理因无法观测竞争者状态导致的市场对齐失败，提出轨迹先验强化学习方法以修复此类问题。

Comments 7 pages

Map2World: Segment Map Conditioned Text to 3D World Generation

Map2World: 基于分段地图的3D世界生成

Jaeyoung Chung, Suyoung Lee, Jianfeng Xiang, Jiaolong Yang, Kyoung Mu Lee

机构 * Seoul National University（首尔国立大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出Map2World框架，通过用户定义的任意形状和尺度的分段地图生成一致且灵活的3D世界，并引入细节增强网络提升生成质量，实验证明其在可控性、一致性及内容连贯性上优于现有方法。

Comments project page: https://robot0321.github.io/Map2World/index.html

I-INR: Iterative Implicit Neural Representations

I-INR：迭代隐式神经表示

Ali Haider, Muhammad Salman Ali, Maryam Qamar, Tahir Khalil, Soo Ye Kim, Jihyong Oh, Enzo Tartaglione, Sung-Ho Bae

机构 * Kyung Hee University（韩国庆熙大学） ； Adobe Research（Adobe研究） ； Chung-Ang University（Chung-Ang大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.CV

AI总结 本文提出I-INR，通过迭代优化提升隐式神经表示在高频细节恢复、噪声鲁棒性和泛化能力，实验显示其在图像拟合、去噪和物体占用预测等任务中表现优异。

Comments Accepted at AAAI 2026

Attention-Augmented YOLOv8 with Ghost Convolution for Real-Time Vehicle Detection in Intelligent Transportation Systems

增强注意力的YOLOv8与Ghost卷积用于智能交通系统中的实时车辆检测

Syed Sajid Ullah, Muhammad Zunair Zamir, Ahsan Ishfaq, Salman Khan

机构 * School of Energy and Electrical Engineering, Chang’an University, Xi’an, China（能源与电气工程学院，长安大学，西安，中国） ； School of Information Engineering, Chang’an University, Xi’an, China（信息工程学院，长安大学，西安，中国） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出一种增强的YOLOv8n模型，结合Ghost模块、CBAM和DCNv2，提升车辆检测性能，实验显示在KITTI数据集上mAP@0.5达95.4%，优于基线模型8.97%。

Journal ref 10.32604/jai.2025.069008