自动驾驶

BC-NMPC: Battery-Constrained NMPC with Propulsion Prediction and Replanning for High-Speed Flight

BC-NMPC：用于高速飞行的具有推进预测和重新规划的电池约束非线性模型预测控制

Parakh M. Gupta, Matej Mihulka, Matej Novosad, Robert Penicka, Martin Saska

机构 * Czech Technical University in Prague（捷克技术大学（布拉格）） 纠错

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

AI总结 针对高速飞行中无人机因电池问题致轨迹跟踪性能下降的问题，提出将电池和推进系统模型集成到NMPC框架的方法，能实时预测相关参数，通过轨迹规划算法提高性能，实验验证了模型准确性和算法有效性。

Comments [Submitted to Elsevier RAS]

Kernel-SDF: An Open-Source Library for Real-Time Signed Distance Function Estimation using Kernel Regression

基于核回归的SDF库：利用核回归进行实时符号距离函数估计的开源库

Zhirui Dai, Tianxing Fan, Mani Amani, Jaemin Seo, Ki Myung Brian Lee, Hyondong Oh, Nikolay Atanasov

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

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

AI总结 本文提出Kernel-SDF开源库，通过核回归实时估计带不确定性的符号距离函数，提供高精度SDF、梯度和网格构造，适用于机器人应用。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L) 2026; code: https://github.com/ExistentialRobotics/kernel_sdf

Low-Latency Quasi-Static Modeling of UAV Tether Aerodynamics

无人机缆线气动学的实时准静态建模

Max Beffert, Andreas Zell

机构 * Cognitive Systems Group, University of Tübingen（图宾根大学认知系统组） 纠错

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

AI总结 本文提出两种互补方法用于实时准静态缆线建模，分析法基于悬链线理论，计算速度快；数值法将缆线分段并离散化，通过CasADi和IPOPT求解平衡方程，实现实时性能，适用于离线优化和在线任务。

Comments Accepted at ICUAS2026

Journal ref 2026 International Conference on Unmanned Aircraft Systems (ICUAS) 1231-1238

Explainable Reinforcement Learning for assisting Air Traffic Controllers

用于协助空中交通管制员的可解释强化学习

Anduel Mehmeti, Gabriella Gigante, Salvatore Venticinque

机构 * Department of Engineering, University of Campania "Luigi Vanvitelli"（工程学院，坎帕尼亚"路易吉·范维蒂利"大学） ； CIRA（CIRA研究院） 纠错

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

AI总结 探索可解释性技术在强化学习算法中的应用，以协助空中交通管制员。用强化学习算法在简化ATC环境训练智能体决策避禁飞区路线，采用显著性图作为初步可解释性方法，为智能体决策提供关键输入特征见解。

Comments 11 pages (10-page paper plus 1 cover/citation page), 4 figures, 1 table; published in AINA 2025

Journal ref In: L. Barolli (ed.), Advanced Information Networking and Applications (AINA 2025), Lecture Notes on Data Engineering and Communications Technologies, vol. 250, pp. 148-157, Springer, Cham (2025)

DeepUrban: Interaction-Aware Trajectory Prediction and Planning for Automated Driving by Aerial Imagery

DeepUrban: 基于无人机影像的自动驾驶交互感知轨迹预测与规划

Constantin Selzer, Fabian B. Flohr

机构 * Department of Electrical Engineering and Information Technology, Intelligent Vehicles Lab (IVL), Munich University of Applied Science（电气工程与信息学院，智能车辆实验室（IVL），慕尼黑应用技术大学） 纠错

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

AI总结 DeepUrban通过无人机影像提供密集城市环境下的轨迹预测与规划数据集，提升自动驾驶系统在复杂交互场景中的预测精度。

Journal ref 2024 IEEE 27th International Conference on Intelligent Transportation Systems (ITSC), Edmonton, AB, Canada, 2024, pp. 221-227

Deep Reinforcement-Learning-Guided Model Predictive Control for Preventing Overtakes in Autonomous Racing

深度强化学习引导的模型预测控制在自主赛车中防止超车的应用

Yufei Xi, Yijie Liao, Tulga Ersal

机构 * University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 研究自主赛车防御性阻挡问题，通过分层强化学习引导的模型预测控制框架，将防御转化为空间占用调节问题。在仿真中提升平均超车时间，减少对手前进距离，使车辆有效利用轮胎力，且求解时间短，支持实时高速对抗。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 7 figures

Stochastic Multi-Objective Kinodynamic Planning Against Adversaries

针对对手的随机多目标运动动力学规划

Thomas Marshall Vielmetti, Daniel Cherenson, Dimitra Panagou

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 研究在含随机混合对手环境下的多目标运动动力学规划，核心方法是将规划空间转移到闭环策略序列，通过蒙特卡洛粒子展开评估风险，引入SMO-RRT和SMO-SST算法，推导有限样本界，实现概率安全规划。

Comments 8 pages, 1 figure, accepted to CDC 2026

STL-GCS: A Planner-Controller Framework for Signal Temporal Logic via Graphs of Time-varying Convex Sets

STL-GCS：一种基于时变凸集图的信号时序逻辑规划器-控制器框架

Nicola De Carli, Gregorio Marchesini, Dimos V. Dimarogonas

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

AI总结 提出用于满足凸谓词上STL规范的统一轨迹规划与控制框架，规划层将任务编码为时变凸集，结合GCS框架并由B样条参数化轨迹，控制层据此设计反馈控制器，通过仿真和实际实验验证了该方法。

CR-Solver: GPU-Accelerated Kinematics Solver for Tendon-driven Continuum Robots

CR-Solver：用于腱驱动连续体机器人的GPU加速运动学求解器

Heqing Yang, Yang Yi, Linqing Zhong, Linjiang Huang, Si Liu

机构 * Beihang University（北京航空航天大学） 纠错

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

AI总结 针对连续体机器人运动规划问题，提出CR-Solver求解器，它基于优化框架统一逆运动学等，利用GPU加速并行优化，在三项任务验证中比传统CPU求解器显著加速，成功率超95%精度达毫米级，且用纯Python实现，为高性能运动规划提供基础。

Comments IROS 2026

Vessel Trajectory Prediction using COLREGs-aware Optimal Planning

使用COLREGs感知最优规划的船舶轨迹预测

David Kaikkonen, Fredrik Ljungberg, Erik Frisk

机构 * ABB Corporate Research（ABB企业研究部） ； Department of Electrical Engineering, Linköping University（Linköping大学电气工程系） 纠错

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

AI总结 研究船舶轨迹预测问题，核心方法是先利用A*搜索生成初始轨迹，再用数值优化器确保符合COLREG，以船舶当前位置、速度和目的地为输入，基于AIS数据验证，比基于学习的方法预测更快。

Comments 6 pages, 11 figures. This work has been accepted to IFAC2026 for publication under a Creative Commons Licence CC-BY-NC-ND

Dichotomous Diffusion Policy Optimization

二元扩散策略优化

Ruiming Liang, Yinan Zheng, Kexin Zheng, Tianyi Tan, Jianxiong Li, Liyuan Mao, Zhihao Wang, Guang Chen, Hangjun Ye, Jingjing Liu, Jinqiao Wang, Xianyuan Zhan

机构 * Fundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（基础模型研究中心，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Xiaomi EV（小米电动车） 纠错

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

AI总结 DIPOLE是一种新的RL算法，通过二元策略分解实现稳定可控的扩散策略优化，适用于复杂现实应用。

A Hybrid Sampling-Based Trajectory Planner with Game-Theoretic Guidance for Autonomous Racing

一种基于混合采样的具有博弈论引导的自主赛车轨迹规划器

Alexander Langmann, Frederico Pita de Araujo, Mattia Piccinini, Johannes Betz

机构 * Professorship of Autonomous Vehicle Systems, TUM School of Engineering and Design, Technical University of Munich（慕尼黑工业大学工程与设计学院自动驾驶车辆系统教授组） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） 纠错

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

AI总结 针对自主赛车在多智能体场景下的规划问题，提出将博弈论推理集成到基于采样的运动规划器的混合架构，利用离线学习势函数和在线梯度优化生成交互参考路径，在模拟环境中验证该方法能诱导防御行为且无计算负担。

Comments Accepted to IEEE ITSC 2026

Dynamical Vehicle Orienteering Problem for Multi-Rotor Unmanned Aerial Vehicles

多旋翼无人机的动态车辆定向问题

František Nekovář, Matej Novosad, Martin Saska, Robert Pěnička

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

AI总结 研究多旋翼无人机的动态车辆定向问题，提出结合非线性规划与混合整数线性规划的分支定界程序和大邻域搜索元启发式算法两种解决方案，实验表明改进显著，实际部署验证了所提质点模型解决方案轨迹。

Comments 28 pages, 10 figures, preprint submitted to European Journal of Operational Research

Model-Based Diffusion Optimal Control for Multi-Robot Motion Planning

基于模型的扩散最优控制用于多机器人运动规划

Zhilin He, Yorai Shaoul, Jiaoyang Li

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

AI总结 针对多机器人运动规划难题，介绍基于模型的扩散最优控制（MDOC），它不依赖数据，通过结合动力学模型与控制障碍函数约束投影，利用基于冲突搜索的安全机制，在模拟实验中展现出优于基线规划器的性能。

Adaptive Cross-Modal Fusion with Sparse Attention for Pedestrian Crossing Intention Prediction

基于稀疏注意力的自适应跨模态融合用于行人过街意图预测

Md Mahfuzur Rahman, Pengzhan Zhou, A F M Abdun Noor, Md Imam Ahasan, Kah Ong Michael Goh, S. M. Hasan Mahmud, Md Mustafizur Rahman, Kaixin Gao

机构 * Faculty of Information Science & Technology, Multimedia University（信息科学与技术学院，马来西亚多媒体大学） 纠错

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

AI总结 研究针对自动驾驶中行人过街意图预测问题，提出ADAPT多模态框架，通过五个模块联合建模视觉和运动信息，实验证明该方法优于现有技术，在准确率和实时性上取得平衡，为智能交通等应用提供有效方案。

Comments 17 pages, 5 figures, 4 tables. Under review at PeerJ Computer Science

Mosaic: An Extensible Framework for Composing Rule-Based and Learned Motion Planners

Mosaic：一种可扩展的用于规则基和学习型运动规划组合的框架

Nick Le Large, Marlon Steiner, Lingguang Wang, Willi Poh, Jan-Hendrik Pauls, Ömer Şahin Taş, Christoph Stiller

机构 * Institute of Measurement and Control Systems, Karlsruhe Institute of Technology (KIT)（测量与控制系统的研究所，卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（信息技术研究所以） 纠错

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

AI总结 Mosaic框架结合规则基和学习型运动规划方法，通过仲裁图实现结构化决策，提高自动驾驶的安全性和可解释性，实验表明其在多个基准测试中表现优异。

Comments accepted for presentation at 2026 IEEE/RSJ International Conference on Intelligent Robots & Systems, 8 pages, 7 figures, 5 tables

BucketKD: A Safety-Aware Bucket-Based Knowledge Distillation Framework for End-to-End Motion Planning

BucketKD：用于端到端运动规划的基于桶的安全感知知识蒸馏框架

Md Nahidul Islam, Mohd Hasan Ali, Dipankar Dasgupta, Myounggyu Won

机构 * University of Memphis（孟菲斯大学） 纠错

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

AI总结 针对端到端运动规划模型规模大难在资源受限平台部署的问题，提出BucketKD框架。该框架将关键环境变量离散化，并设计安全感知航路点注意力机制。实验表明，其在规划精度、安全性及压缩率方面表现出色，显著优于现有方法。

Replanning Human-Robot Collaborative Tasks with Vision-Language Models via Semantic and Physical Dual-Correction

通过语义和物理双校正利用视觉语言模型重新规划人机协作任务

Taichi Kato, Takuya Kiyokawa, Namiko Saito, Kensuke Harada

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

AI总结 本文提出一种通过语义和物理双校正机制提升人机协作任务中机器人重新规划能力的框架，结合视觉语言模型与物理反馈纠正，提高任务执行的成功率和可行性。

Comments 20 pages, 9 figures

OpenLongTail: Generative Scaling of Long-Tail Driving Data

OpenLongTail：长尾驾驶数据的生成式扩展

Lulin Liu, Nuo Chen, Yan Wang, Bangya Liu, Wenyan Cong, Hezhen Hu, Boris Ivanovic, Hao Wang, Ziyao Zeng, Xinyu Gong, Yang Zhou, Zixiang Xiong, Dilin Wang, Zhangyang Wang, Weisong Shi, Ruohan Zhang, Marco Pavone, Zhiwen Fan

机构 * Texas A&M University（德克萨斯农工大学） ； NVIDIA（英伟达） ； UW–Madison（威斯康星大学麦迪逊分校） ； UT Austin（德克萨斯大学奥斯汀分校） ； Yale University（耶鲁大学） ； Adobe（奥多比公司） ； Meta ； University of Delaware（特拉华大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 研究针对长尾驾驶数据稀缺影响策略扩展的问题，提出开源生成数据引擎OpenLongTail，通过姿态外推视图合成管道及普吕克射线几何增强，合成异构数据提升闭环驾驶稳健性，验证了其多方面有效性。

Comments Project page: https://openlongtail.github.io/

ECTraj: Enhanced Consistency Training for Multi-Agent Trajectory Prediction

增强多智能体轨迹预测的一致性模型

Alen Mrdovic, Qingze, Liu, Danrui Li, Mathew Schwartz, Kaidong Hu, Sejong Yoon, Mubbasir Kapadia, Vladimir Pavlovic

机构 * Rutgers University - New Brunswick（罗格斯大学-新不伦瑞克分校） ； New Jersey Institute of Technology（新泽西理工学院） ； The College of New Jersey（新泽西学院） 纠错

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

AI总结 本文提出ECTraj，通过改进训练和条件生成方法，提升多智能体轨迹预测的一致性模型性能，实现更快推理和更准确预测，建立新的基准。

A Convex Obstacle Avoidance Formulation

一种凸避障公式

Ricardo Tapia, Iman Soltani

机构 * Laboratory for AI, Robotics and Automation, University of California at Davis（人工智能、机器人与自动化实验室，加州大学戴维斯分校） 纠错

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

AI总结 提出首个通用凸避障公式，通过逻辑集成方法将避障融入凸MPC，相比非凸方法大幅提升计算效率，且障碍物在预测时域外仍有效，支持短时域实时部署。

Comments 17 pages, 12 figures, multimedia

SE(2) Navigation Mesh

SE(2)导航网格

Shuyang Shi, Kaixian Qu, Changan Chen, Ines Kast, Yuntao Ma, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室） 纠错

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

AI总结 提出SE(2)导航网格，通过编码偏航依赖的可通行性，支持非圆形机器人在复杂多层环境中的高效路径规划，并开发了A*-拉绳-A*分层路径搜索策略。

Comments Project page: https://se2-navmesh.github.io/

Early warning signals for loss of control

控制丧失的早期预警信号

Jasper J. van Beers, Marten Scheffer, Prashant Solanki, Ingrid A. van de Leemput, Egbert H. van Nes, Coen C. de Visser

机构 * Faculty of Aerospace Engineering, Delft University of Technology（代尔夫特理工大学航空航天工程学院） ； Aquatic Ecology and Water Quality Management group, Wageningen University and Research（瓦赫宁根大学与研究中心水生态与水质管理组） 纠错

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

AI总结 研究提出通过动态韧性指标监测反馈系统接近不稳定态，不依赖系统模型，适用于复杂非线性系统，为工程设备提供实时预警和韧性设计指导。

Energy-Optimal Spatial Iterative Learning within a Virtual Tube

虚拟管道内的能量最优空间迭代学习

Chen Min, Shuli Lv, Pengda Mao, Huixin Cao, Li Hong, Quan Quan

机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； Tianmushan Laboratory, Beihang University（北京航空航天大学天目山实验室） 纠错

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

AI总结 针对无人机续航受限问题，提出一种无模型在线迭代学习框架，通过O(n)复杂度的空间迭代优化降低能耗，在实验中比基于模型的IPOPT快50-60倍。

Comments 9 pages, 7 figures, submitted to RA-L

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 9, pp. 10210-10217, Sept. 2026

Priced Motion Through Optimal Faces: A Normal-Fan Geometry for Non-Stationary Adversarial MDPs

通过最优面的定价运动：非平稳对抗MDP的法扇几何

Kai Hidajat

机构 * Komori Research（Komori研究） 纠错

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

AI总结 本文提出法扇几何框架，将非平稳对抗MDP中的动态遗憾分解为面穿越价格与面内选择误差，区分了有代价与无害的非平稳性。

TrajRS: Towards Certified Robustness in Pedestrian Trajectory Prediction

TrajRS：面向行人轨迹预测的可认证鲁棒性

Liang Zhang, Gaojie Jin, Yao Shi, Quanzhi Li, Cheng-Chao Huang, David N. Jansen, Lijun Zhang

机构 * Key Laboratory of System Software (Chinese Academy of Sciences) and State Key Laboratory of Computer Science, Institute of Software, Chinese Academy of Sciences, China（中国科学院系统软件重点实验室（中国科学院）和计算机科学国家重点实验室，软件研究所，中国） ； University of Chinese Academy of Sciences, China（中国科学院大学，中国） ； Nanjing Institute of Software Technology, Chinese Academy of Sciences, China（中国科学院南京软件技术研究所，中国） ； Hangzhou Institute for Advanced Study, UCAS, China（浙江大学杭州高等研究院，中国） 纠错

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

AI总结 针对轨迹预测模型易受对抗攻击的问题，提出TrajRS框架，将随机平滑扩展到轨迹预测领域，为平滑后的预测器提供认证鲁棒半径，并针对最优预测和所有可能预测两种鲁棒性定义进行优化。

Comments Accepted by 2026 IEEE International Conference on Acoustics, Speech and Signal Processing

OLiVia-Nav: An Online Lifelong Vision Language Approach for Mobile Robot Social Navigation

OLiVia-Nav: 一种面向移动机器人社交导航的在线终身视觉语言方法

Siddarth Narasimhan, Aaron Hao Tan, Daniel Choi, Goldie Nejat

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 OLiVia-Nav通过融合视觉语言模型与在线终身学习框架，实现机器人社交导航中的社会规范适应与动态轨迹规划，优于现有方法。

Long-Term Prediction of Local and Global Human Motion with Occlusion Recovery

局部与全局人体运动的长期预测及遮挡恢复

Qiaoyue Yang, Sven Heutger, Christopher Niemann, Magnus Jung, Ayoub Al-Hamadi, Sven Wachsmuth

机构 * Bielefeld University（比勒费尔德大学） ； Otto-von-Guericke-University Magdeburg（奥托·冯·格里克马格德堡大学） 纠错

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

AI总结 提出基于时空注意力的非自回归Transformer，同时预测局部姿态和全局运动，并训练模型恢复遮挡缺失关节，处理可变历史观测长度。

Comments Advances in Visual Computing (ISVC 2025)

Fine-Grained Behavior and Lane Constraints Guided Trajectory Prediction Method

细粒度行为与车道约束引导的轨迹预测方法

Wenyi Xiong, Jian Chen, Ziheng Qi

机构 * School of Mechanical Engineering, Zhejiang University（浙江大学机械工程学院） ； Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology, School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院广东省全驱系统控制理论与技术重点实验室） ； Leapmotor Technology（零跑科技） 纠错

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

AI总结 提出BLNet双流架构，通过并行注意力机制融合行为意图识别与车道约束建模，利用两阶段解码器生成轨迹，在nuScenes和Argoverse数据集上显著提升预测精度。

Comments This work has been submitted to the IEEE for possible publication

Visual-Language-Guided Task Planning for Horticultural Robots

面向园艺机器人的视觉-语言引导任务规划

Jose Cuaran, Kendall Koe, Aditya Potnis, Naveen Kumar Uppalapati, Girish Chowdhary

机构 * the Siebel School of Computing and Data Science（塞比尔计算与数据科学学院） ； the Department of Agricultural and Biological Engineering（农业与生物工程系） ； National Center for Supercomputing Applications（国家超级计算中心） 纠错

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

AI总结 提出一种模块化框架，利用视觉语言模型（VLM）主动查询异构数据源来引导机器人任务规划，在单作和混作环境中进行短期和长期作物监测任务基准测试，发现零样本VLM在短期任务中表现稳健（成功率87%），但长期多目标任务成功率低于10%，且依赖噪声语义地图时性能下降。

Comments 18 pages, 6 figures