自动驾驶

Learning Sequential Mobility Choice: A Review of Route and Activity Choice through Inverse Reinforcement and Imitation Learning

学习序列出行选择：基于逆强化学习与模仿学习的路径与活动选择综述

Tien Mai

专题命中 规划控制 ：occupancy(abstract)

AI总结 本综述构建了将交通选择建模与IRL、IL结合的统一框架，综述多种相关学习方法，提出嵌入行为约束的混合模型可提升出行选择预测性能。

A Deep Learning Model for Spatially Clustered Data via Differentiable Cluster Assignment

基于可微聚类分配的空间聚类数据深度学习模型

Kexuan Li, Weidong Ma

专题命中 规划控制 ：occupancy(abstract)

AI总结 该研究针对空间域划分未知且响应与协变量关联随划分变化的非参数回归问题，提出联合学习划分与聚类回归函数的深度学习模型，经模拟和真实数据验证了其有效性。

KC-BFPRL: Knowledge-Guided Multi-UAV Collaboration for Grassland Restoration via Bilevel Formerpointer-Based Reinforcement Learning

KC-BFPRL：基于知识引导的多无人机草原修复协作方法——通过 bilevel Formerpointer 强化学习实现

Dongbin Jiao, Xianyi Wang, Yuchen Yuan, Weibo Yang, Peng Yang, Peng Zhao, Zhanhuan Shang, Shi Yan

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 KC-BFPRL 是一种知识引导的 bilevel Formerpointer 强化学习框架，可解决多无人机草原修复的 RAMP 问题，性能优于现有方法，适用于大规模自动化生态修复。

Floquet Green's functions for lattice electrons driven by Gaussian quantum light

高斯量子光驱动的格点电子的弗洛凯格林函数

Atsushi Ono

专题命中 规划控制 ：occupancy(abstract)

AI总结 该研究构建了高斯量子光驱动格点电子的弗洛凯格林函数理论框架，经数值计算发现量子光源可带来超出经典驱动的修正，为量子弗洛凯工程提供支撑。

Comments 35 pages, 14 figures

Indirect Geoeconomic Influence: A Switching Dynamical Systems Framework for Mechanism Design

间接地缘经济影响：一种用于机制设计的切换动力系统框架

Nikolos Gurney, Boxi Fu, Soham Hans, Volkan Ustun

专题命中 规划控制 ：occupancy(abstract)

AI总结 该研究提出切换动力系统框架分析间接地缘经济影响，通过操控政权过渡核设计机制，经模拟和盲审验证其用于生成高性能地缘经济影响机制的可行性。

Wasserstein Policy Gradient for Entropy-Regularized Linear-Quadratic Control

熵正则化线性二次控制的Wasserstein策略梯度

Zhaoyu Zhu, Rui Gao, Shuang Li

专题命中 规划控制 ：occupancy(abstract)

AI总结 该研究针对熵正则化线性二次控制问题，将Wasserstein策略梯度简化为有限维ODE并证明其指数收敛，明确了收敛指数在熵温度趋于0时的极限特性。

A Unified Analytical Framework for LYSO-SiPM Scintillation Pulse Dynamics

LYSO-SiPM 闪烁脉冲动力学的统一分析框架

Ao Qiu, Qingguo Xie

专题命中 规划控制 ：occupancy(abstract)

AI总结 该研究提出 LYSO-SiPM 闪烁探测器的统一分析框架，关联各过程并经实验验证，能预测波形与计时极限，加深对探测器响应的物理理解。

Expanding Protein Structure Prediction into Conformational State Space

将蛋白质结构预测扩展至构象状态空间

Devlina Chakravarty, Justin J. Miller, Da Teng, Yousuf O. Ramahi, Patrick Bryant, Camila Neira-Mahuzier, César A. Ramírez-Sarmiento, Sarah Rauscher, Gregory R. Bowman, Pratyush Tiwary, Lauren L. Porter

专题命中 规划控制 ：occupancy(abstract)

AI总结 该研究针对蛋白质结构预测仅关注单一构象的不足，提出将其扩展为构象状态空间推断问题，综述相关策略并勾勒出该方向的发展路线图。

A Group-Theoretical Framework for Local k-Space Topology and Berry Phase in 2D Photonic Systems

二维光子系统中局域k空间拓扑与贝里相位的群论框架

Xinyi Yuan, Grazia Salerno

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文构建了融入光子系统关键特征的群论框架，研究二维光子系统中局域k空间拓扑与贝里相位的对称性起源，分析结构设计与对称性扰动对拓扑特征的操控，相关分析可扩展至多类人工波晶体。

Characterizing Warp Divergence from Pascal to Blackwell

从帕斯卡到布莱克威尔架构的 warp 发散特性研究

Alpin Dale

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究从帕斯卡到布莱克威尔架构的 warp 发散特性，通过多种测试方法区分稳定行为与架构变化，发现发散路径线性序列化，执行效率与路径数量有关，不同架构重新收敛机制有变化，新屏障类无明显运行时效果，发散性能成本稳定可预测。

Comments 6 pages, 4 figures

CAPS: Fine-Tuning CCA Timing

CAPS：微调 CCA 定时

Raphael Zailer, Isaac Keslassy

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究数据中心拥塞控制，提出 CAPS 轻量级分布式调度层，通过将发送方传输与 ACK 时钟瓶颈时隙锁相及每流校正补偿异构 RTT，刻画多种拓扑稳态并验证，能降低队列占用率且不损失吞吐量。

Scalable Multi-Controller Coordination in Periplus via Border-Switch Forwarding Graphs

通过边界交换转发图在Periplus中实现可扩展的多控制器协调

E. M. Castro Barbero, P. de las Heras Quirós, F. J. Simó Reigadas

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究带内SDN控制平面中多控制器协调问题，提出Periplus的多控制器协调平面，通过C-Adv消息发现邻居、构建路由，评估基于Ryu在Mininet中的实现，结果显示其可扩展性好、收敛快且无需修改交换机固件。

Comments 22 pages, 10 figures, 2 algorithms

Predictive RTO for CoAP using Lightweight Support Vector Regression in Internet of Things

物联网中使用轻量级支持向量回归的CoAP预测性重传超时

Tobias Hansson, Praveen Kumar Donta

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究物联网中CoAP拥塞控制问题，提出prCoAP方法，用线性支持向量回归集成预测RTO，结合校准随机森林丢弃分类器，经实验验证该方法在分组交付率和系统效率上表现良好。

Comments Submitted to WFIoT 2026 regular track

SpeechGuard: Online Defense against Backdoor Attacks on Speech Recognition Models

SpeechGuard：针对语音识别模型后门攻击的在线防御

Jinwen Xin, Xixiang Lv

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 研究针对语音识别模型运行时的后门攻击，提出SpeechGuard在线防御管道，改进STRIP方法为S-STRIP检测过滤中毒样本，利用时频掩蔽等净化样本，经实验验证其能有效减轻后门威胁并维持预测准确率。

Comments 8 pages

Journal ref 2024 International Joint Conference on Neural Networks (IJCNN), pp. 1-8, 2024

PriEco-DRL: Joint Optimization of Electric-Bus Eco-Driving and Transit-Priority Adaptive Signals via Deep Reinforcement Learning

PriEco-DRL：基于深度强化学习的电动公交生态驾驶与公交优先自适应信号联合优化

Dingshan Sun, Ang Li, Chaopeng Tan, Zicheng Su, Wanjing Ma, Marco Rinaldi

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出PriEco-DRL框架，运用深度强化学习将电动公交生态驾驶与公交优先自适应信号控制相结合，采用优先级加权最大压力控制器及结构化奖励，经集中训练和分散执行，实验表明其能降低电动公交能耗，实现能量-时间权衡。

Design and Implementation of a Microservice-Architecture Master Control System for AIMS

用于AIMS的微服务架构主控制系统的设计与实现

Li-Yue Tong, Jia-Ben Lin, Jun-Feng Hou, Yuan-Yong Deng, Dong-Guang Wang, Guang-Qian Liu, Song-Bo Xu, Shang-Jie Ren, Lian-Wei Zhao, Zhi-Wei Feng, Wei Duan, Ming-Fu Shao, Hui Wang, Chen Yang

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 针对中红外太阳磁场望远镜AIMS，提出受自动驾驶标准启发的分类，构建基于微服务架构的三层系统框架，采用自动指向跟踪等关键技术，经三台望远镜验证，证明了该架构对望远镜渐进自动化的可行性与稳定性。

Comments 19 pages, 14 figures

A Practical Implementation of Day-3 Cooperative Intersection with Automated Connected Mini-Cars

一种基于自动化联网迷你车的第三天协作交叉口的实际实现

Lorenzo Farina, Vittorio Todisco, Federico Gavioli, Salvatore Iandolo, Francesco Moretti, Giuseppe Perrone, Matteo Piccoli, Francesco Raviglione, Marco Rapelli, Antonio Solida, Claudio Casetti, Paolo Burgio, Carlo Augusto Grazia, Alessandro Bazzi

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文通过联网自动驾驶迷你车平台，实时演示了协作交叉口管理，集成自动驾驶、无线通信和协作控制，验证了未来智能交通系统的可行性。

Comments The work is relevant for research on connected autonomous vehicles, cooperative intelligent transportation systems, smart intersections, vehicle coordination, CAV testbeds, and future urban mobility

CKM-Driven Communication-Aware UAV Intelligent Trajectory Optimization for Urban Inspection

CKM驱动的城市巡检通信感知无人机智能轨迹优化

Yang Xiaomeng, Jia Ziye, Zhu Qiuming, Wu Qihui

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 针对城市巡检中通信可靠性的挑战，提出基于信道知识图（CKM）的轨迹规划框架，利用扩散模型构建CKM并采用全局到局部图注意力网络软演员-评论家算法优化路径，提升轨迹效率与通信可靠性。

Towards Scalable Multi-Task Reinforcement Learning with Large Decision Models

迈向可扩展的多任务强化学习与大决策模型

Thibaut Kulak

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 提出LDM-v0，一个在大规模异构强化学习环境上离线预训练的Transformer策略，通过监督下一动作预测实现多任务学习，在约1000个环境中达到与独立训练策略相当的性能。

Systematic Cybersecurity Risk Analysis of European Rail Traffic Management System

欧洲铁路交通管理系统的系统性网络安全风险分析

Kacper Darowski, Sebastian N. Peters, Lukas Lautenschlager

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本研究系统建模ERTMS组件，分析其面临的安全威胁，发现遗留标准引入的漏洞在多种部署场景中持续存在，并指出全面转向ETCS 2级是提升网络安全的关键措施。

Comments Extended version of the paper accepted at ARES 2026 CPRA. First three authors contributed equally to this work

Interpolations: a linear algebra approach

插值：一种线性代数方法

Andronick Arutyunov, Nikolay Korgin

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 本文提出统一的线性代数框架处理插值问题，通过对偶空间表示插值条件，给出存在唯一性定理及基函数显式公式，并推广至三角插值及异质传感器场景。

Adaptive Deep Koopman Operator for Vehicle Dynamics Modeling: A Physics-Informed and Tire-Force-Driven Approach

自适应深度库普曼算子用于车辆动力学建模：一种物理信息与轮胎力驱动方法

Wenjie Wang, Hao Chen, Ran Shu, Solyeon Kwon, Kyoungseok Han, Hongyu Shu

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 针对深度库普曼算子在在线应用中因高维提升状态空间导致的秩亏问题，提出一种轮胎力驱动建模框架，通过嵌入7自由度动力学约束和物理信息变步长归一化最小均方算法，实现稳定在线更新，在CarSim和dSPACE硬件在环测试中验证了鲁棒精度与实时性。

A Comparative Study of Graph Neural Network Layer Selection for Interaction Modelling in Driving Trajectory Prediction

图神经网络层选择用于驾驶轨迹预测中交互建模的比较研究

George Daoud, Mohamed El-Darieby

机构 * Ontario Tech University（安大略理工大学） ； Assiut University（艾斯尤特大学） 纠错

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文比较了19种图神经网络层在轨迹预测中的空间和时间处理能力，发现ARMA、Chebyshev和拓扑感知层表现最佳，并总结了基于和聚合、多头注意力和不同跳距权重等设计原则。

Comments 6 pages, 1 figure

Journal ref The IEEE Intelligent Vehicles Symposium (IEEE IV 2026)

m6A-FORM: An m6A-focused Foundation Model for Decoding m6A Regulatory Function

m6A-FORM：解码N6-甲基腺苷生物学的基础模型

Ting-He Zhang, Sumin Jo, Shou-Jiang Gao, Yufei Huang

专题命中 规划控制 ：occupancy(abstract)

AI总结 提出基于Transformer的基础模型m6A-FORM，利用MeRIP-seq峰作为先验，预训练后微调实现m6A位点预测，性能优于现有方法，并支持调控因子结合位点预测和组织保守位点分析。

Distribution-Agnostic Robust Trajectory Optimization via Chance-Constrained Reinforcement Learning

基于机会约束强化学习的分布无关鲁棒轨迹优化

Yashdeep Chaudhary, Roberto Armellin, Harry Holt, Marco Sagliano

机构 * Auckland University（奥克兰大学） 纠错

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 提出一种分布无关的鲁棒轨迹优化框架，通过机会约束强化学习处理初始条件和过程噪声的不确定性，采用离线标称轨迹与在线仿射闭环校正，在两种不同轨迹设计问题上验证了概率可行性与燃料效率。

Comments Preprint. 39 pages, 16 figures