自动驾驶

FLIP: Real-Time and Resilient Formation Planning for Large-Scale DIstributed Swarms via Point Cloud Registration

FLIP：通过点云配准实现大规模分布式集群的实时弹性编队规划

Yuan Zhou, Guangtong Xu, Zhenyu Hou, Jialiang Hou, Fei Gao

机构 * Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院智能系统与控制研究所） ； Huzhou Institute, Zhejiang University（浙江大学湖州研究院） 纠错

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

AI总结 提出将最优编队位置序列计算转化为时空点云配准问题，利用带离群点剔除的PCR方法实现大规模分布式集群的弹性、高效轨迹规划。

Bridging Control with Neural Network Verifier alpha-beta-CROWN: A Tutorial

桥接控制与神经网络验证器 alpha-beta-CROWN：教程

Haoyu Li, Xiangru Zhong, Hao Cheng, Bin Hu, Huan Zhang

机构 * Department of Computer Science（计算机科学系） ； Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本教程提出一个统一框架，通过将控制问题与神经网络验证器 α,β-CROWN 桥接，实现控制器属性的可扩展形式验证。

Comments ACC 2026 Tutorial

Signal Temporal Logic Motion Planning via Graphs of Convex Sets

基于凸集图的信号时序逻辑运动规划

Yu Chen, Ancheng Hou, Mingyang Feng, Xiao Yu, Xiang Yin

机构 * School of Automation & Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） ； Institute of Artificial Intelligence, Xiamen University（人工智能研究院，厦门大学） 纠错

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

AI总结 提出一种结合时间自动机与凸集图的框架，将STL运动规划问题转化为凸集图上的最短路径问题，生成满足STL规范、平滑性和速度约束的贝塞尔样条轨迹。

Does Your Wildfire Prediction Model Actually Work, or Just Score Well?

你的野火预测模型真的有效，还是只是得分高？

Yangshuang Xu, Yuyang Dai, Liling Chang, Qi Wang, Yushun Dong

机构 * Florida State University（佛罗里达州立大学） ； Northeastern University（东北大学） 纠错

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

AI总结 针对现有地球基础模型不专门用于野火预测的问题，提出首个专门预训练的野火基础模型WILDFIRE-FM，并引入固定合约评估框架以解决评估设计对结论敏感性的问题。

Comments 25 pages

X-TRACK: Physics-Aware xLSTM for Realistic Vehicle Trajectory Prediction

X-TRACK: 物理感知的xLSTM用于真实车辆轨迹预测

Aanchal Rajesh Chugh, Marion Neumeier, Sebastian Dorn

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

AI总结 提出基于xLSTM的物理感知轨迹预测框架X-TRACK，通过集成车辆运动学约束生成真实可行的高速轨迹，在highD和NGSIM数据集上达到先进水平。

Branch-Stochastic Model Predictive Control for Motion Planning under Multi-Modal Uncertainty with Scenario Clustering

基于分支随机优化的运动规划在多模态不确定性下的场景聚类

Zekun Xing, Ramkrishna Chaudhari, Marion Leibold, Dirk Wollherr, Martin Buss

机构 * Chair of Automatic Control Engineering（自动控制工程教授会） 纠错

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

AI总结 本文提出一种结合随机模型预测控制与分支结构的方法，用于在多模态不确定性下进行运动规划，通过场景聚类提高实时计算性能并减少保守性。

Comments This work has been accepted for presentation at IFAC World Congress 2026

DriveMA: Rethinking Language Interfaces in Driving VLAs with One-Step Meta-Actions

DriveMA: 重新思考驾驶VLAs中的语言接口以单步元动作

Weicheng Zheng, Yixin Huang, Qiao Sun, Derun Li, Hang zhao

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

AI总结 本文提出DriveMA，通过单步元动作替代传统的自然语言推理，解决了驾驶VLAs中语言接口的三个瓶颈问题，实现了更高效的端到端规划。

Comments We withdraw this submission because the current version contains a mismatch between the paper title, conceptual framing, and the intended contribution of the work. To avoid potential misunderstanding by readers, the authors have decided to withdraw this version and substantially revise the title, organization, and presentation before any future submission

Parallel OctoMapping: A Scalable Framework for Enhanced Path Planning in Autonomous Navigation

并行八叉树映射：一种用于自主导航中路径规划增强的可扩展框架

Yihui Mao, Tian Tan, Xuehui Shen, Warren E. Dixon, Rushikesh Kamalapurkar

机构 * Department of Mechanical and Aerospace Engineering, University of Florida（佛罗里达大学机械与航空航天工程系） ； Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系） 纠错

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

AI总结 本文提出并行八叉树映射（POMP），一种高效的基于八叉树的映射技术，通过在固定占用网格分辨率下优化自由空间表示，提升路径规划效率和成功率，特别是在复杂环境中。

Benchmarking Empirical and Learning-Based Approaches for Feedforward Steering Control in Autonomous Racing

为自动驾驶赛车中的前馈转向控制评估经验方法和学习方法

Georg Jank, Mattia Piccinini, Sebastian Wenk, Phillip Pitschi, Johannes Betz, Boris Lohmann

机构 * Chair of Automatic Control, Department of Engineering Physics and Computation, Technical University of Munich（慕尼黑技术大学自动控制系） ； Professorship of Autonomous Vehicle Systems (AVS), Department of Mobility Systems Engineering, Technical University of Munich（慕尼黑技术大学移动系统工程系自动驾驶车辆系统教授职位） 纠错

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

AI总结 本文通过系统评估两种学习方法和两种经验方法的前馈转向控制器，发现学习方法在开环评估中预测误差最小，但在闭环测试中路径跟踪性能和圈速并不优于所提出的方法，表明在完整轨迹规划和控制软件栈中评估前馈策略的必要性。

Comments 8 pages, 12 figures, Accepted to be published as part of the 2026 IEEE International Conference on Intelligent Transportation Systems (ITSC 2026), Naples, Italy, September 15-18, 2026

AMAR: Lightweight Attention-Based Multi-User Activity Recognition from Wi-Fi CSI

AMAR: 基于注意力机制的轻量级多用户活动识别从Wi-Fi CSI

Amirhossein Mohammadi, Hina Tabassum

机构 * Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） 纠错

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

AI总结 本文提出了一种基于注意力机制的轻量级多用户活动识别框架AMAR，通过将活动识别转化为集合预测问题，利用Transformer架构和边缘-云混合架构，实现了在多用户环境下对并发活动的高精度识别，同时显著减少带宽使用和占用估计误差。

Comments 25 pages, 6 figures, 3 tables

KIO-planner: Attention-Guided Single-Stage Motion Planning with Dual Mapping for UAV Navigation

KIO-planner: 基于双映射的注意力引导单阶段运动规划用于无人机导航

Dexing Yao, Haochen Li, Junhao Wei, Yifu Zhao, Yanxiao Li, Jiahui Xu, Jinxuan Hu, Lele Tian, Baili Lu, Zikun Li, Xu Yang, Sio-Kei Im, Dingcheng Yang, Yapeng Wang

机构 * Faculty of Applied Sciences（应用科学学院） ； Macao Polytechnic University（澳门理工学院） ； College of Animal Science and Technology（动物科学与技术学院） ； Zhongkai University of Agriculture and Engineering（仲恺农业工程学院） ； School of Economics and Management（经济管理学院） ； South China Normal University（华南师范大学） ； Information Engineering School（信息工程学院） 纠错

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

AI总结 本文提出KIO-planner，一种基于注意力引导的单阶段轨迹规划框架，通过整合CBAM模块和双映射机制，实现了在密集障碍环境中低延迟、可靠的运动规划，提高了导航的敏捷性和安全性。

Comments Accepted by an IEEE Vehicular Technology Conference. 6 pages, 4 figures, 1 table

Guiding Neuro-Symbolic Scenario Generation with Spatio-Temporal Logic

用时空逻辑引导神经符号场景生成

Lorenzo Bonin, Francesco Giacomarra, Luca Bortolussi, Jyotirmoy V. Deshmukh, Francesca Cairoli

机构 * University of Trieste（特里埃斯特大学） ； University of Southern California（南加州大学） 纠错

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

AI总结 本研究提出STRELGen框架，结合扩散模型和时空逻辑规范，高效生成安全关键的多智能体驾驶场景，提升自动驾驶系统的鲁棒性验证能力。

REACT: Environment-Adaptive Architecture for Continuous Formation Navigation of Wheeled Mobile Robots

REACT：面向轮式移动机器人连续编队导航的环境自适应架构

Jianghong Dong, Yifeng Zhang, Jiawei Wang, Mengchi Cai, Keqiang Li, Guillaume Sartoretti

机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系） 纠错

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

AI总结 本文提出REACT架构，通过集中式编队生成和分布式编队维护相结合的方法，解决轮式移动机器人在复杂环境中编队导航的适应性问题，实现了无轨迹冲突的连续编队导航。

Constrained MPC-Based Motion Planning for Morphing Quadrotors in Ultra-Narrow Passages under Limited Perception

基于约束MPC的形态四旋翼运动规划在超狭窄通道中的应用

Harsh Modi, Xiao Liang, Minghui Zheng

机构 * Department of Civil & Environmental Engineering, Texas A&M University（土木与环境工程系，德克萨斯农工大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种运动规划框架，用于在极端受限环境中为变形四旋翼规划形态和轨迹。通过开发一种新颖的障碍物避障成本函数，使四旋翼能够在有限的2D激光雷达感知下导航通过极狭窄的缝隙。

Motion Planning for Autonomous Vehicles using Optimization over Graphs of Convex Sets

使用凸集图的优化进行自动驾驶车辆的运动规划

Matheus Wagner, Antônio Augusto Fröhlich

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

AI总结 本文研究了在自动驾驶中使用凸集图优化对非线性最优控制问题的近似能力，通过凸约束保持轨迹连续性，提升计算效率和鲁棒性。

DynoJEPP: Joint Estimation, Prediction and Planning in Dynamic Environments

DynoJEPP：动态环境中的联合估计、预测与规划

Mikolaj Kliniewski, Jesse Morris, Yiduo Wang, Ian R. Manchester, Viorela Ila

机构 * Australian Centre For Robotics (ACFR)（澳大利亚机器人中心） ； School of Aerospace, Mechanical and Mechatronic Engineering (AMME)（航空航天、机械与机电工程学院） 纠错

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

AI总结 DynoJEPP通过引入定向因子解决传统因子图方法中预测与规划对状态估计的干扰问题，确保在动态环境中安全运行。

Random-Set Graph Neural Networks

随机集图神经网络

Tommy Woodley, Shireen Kudukkil Manchingal, Matteo Tolloso, Davide Bacciu, Fabio Cuzzolin

机构 * School of Engineering, Computing and Mathematics（工程、计算与数学学院） ； Oxford Brookes University（奥克斯福德布鲁克斯大学） ； Department of Computer Science（计算机科学系） ； University of Pisa（比萨大学） ； Oxford Brookes Institute for Artificial Intelligence, Data Analysis and Systems (AIDAS)（奥克斯福德布鲁克斯人工智能、数据分析与系统研究所（AIDAS）） 纠错

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

AI总结 本文提出了一种新的图神经网络框架，通过信念函数形式建模节点层面的epistemic不确定性，通过随机集头预测类别列表上的随机集，实现精确概率预测和epistemic不确定性度量。

Comments 23 pages, 6 figures

Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding

为大规模多智能体路径规划学习本地通信

Valeriy Vyaltsev, Alsu Sagirova, Anton Andreychuk, Oleg Bulichev, Yuri Kuratov, Konstantin Yakovlev, Aleksandr Panov, Alexey Skrynnik

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

AI总结 本文提出LC-MAPF，通过多轮本地通信提升多智能体协作，优于现有基于强化学习和模仿学习的MAPF求解器，且保持可扩展性。

PointForward: Feedforward Driving Reconstruction through Point-Aligned Representations

PointForward：通过点对齐表示实现馈送驾驶重建

Cheng Chi, Xianqi Wang, Hongcheng Luo, Mingfei Tu, Gangwei Xu, Zehan Zhang, Bing Wang, Guang Chen, Hangjun Ye, Sida Peng, Xin Yang, Haiyang Sun

机构 * Xiaomi EV（小米电动车） ； Huazhong University of Science and Technology（华中科技大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 PointForward通过点对齐表示实现驾驶场景重建，采用空间时间融合提升多视角一致性，引入场景图处理动态实例，实现高精度驾驶场景重建。

The DAWN of World-Action Interactive Models

世界-动作交互模型的黎明

Hongbo Lu, Liang Yao, Chenghao He, Haoyu Wang, Xiang Gu, Xianfei Li, Wenlong Liao, Tao He, Pai Peng

机构 * COWARobot Co. Ltd（COWARobot有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学） 纠错

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

AI总结 本文提出WAIMs，通过DAWN模型在语义潜在空间中实现世界预测与动作生成的交互，提升自动驾驶中的规划性能与安全性。

Hierarchical Causal Abduction: A Foundation Framework for Explainable Model Predictive Control

层次因果反推：可解释模型预测控制的基础框架

Ramesh Arvind Naagarajan, Zühal Wagner, Stefan Streif

机构 * System Dynamics, Chemnitz University of Technology, Chemnitz, Germany（化学特伦茨大学系统动力学系） ； Department of Bioresources, Fraunhofer Institute for Molecular Biology and Applied Ecology（弗劳恩霍夫分子生物学与应用生态学研究所生物资源系） 纠错

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

AI总结 本文提出层次因果反推框架，结合领域知识图、KKT乘子证据和PCMCI算法，提升非线性MPC控制动作的可解释性，实验显示在温室气候、建筑HVAC和化工过程应用中，解释准确率比LIME高53%。

One World, Dual Timeline: Decoupled Spatio-Temporal Gaussian Scene Graph for 4D Cooperative Driving Reconstruction

一个世界，双时间线：解耦的空间-时间高斯场景图用于4D协同驾驶重建

Yulong Chen, Xiaoyun Dong, Haoyu Zhang, Zongxian Yang, Lewei Xie, Xinke Li, Yifan Zhang, Kai Wang, Jianping Wang

机构 * City University of Hong Kong (Dongguan)（香港城市大学（东莞）） ； City University of Hong Kong（香港城市大学） ； SLAI 纠错

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

AI总结 本文提出DUST解耦空间-时间高斯场景图，解决车辆与基础设施相机时间不同步导致的动态场景重建问题，通过解耦姿态轨迹和静态锚点校正提升重建精度与鲁棒性。

Latency Analysis and Optimization of Alpamayo 1 via Efficient Trajectory Generation

通过高效轨迹生成分析和优化Alpamayo 1的延迟

Yunseong Jeon, Namcheol Lee, Yoonsu Lee, Jangwoon Park, Sol Ahn, Jong-Chan Kim, Seongsoo Hong

机构 * Graduate School of Automobile and Mobility（汽车与移动研究生院） ； Kookmin University（韩国釜山大学） ； Department of Electrical and Computer Engineering（电子与计算机工程系） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 本文通过将Alpamayo 1从多推理改为单推理系统，减少推理延迟并保持轨迹多样性，同时通过消除不必要的复制操作和低效内核执行提升扩散动作生成效率，实现了69.23%的延迟降低。

Comments Submitted to IEEE RTCSA on March 26, 2026 (KST) Accepted on May 4, 2026 (KST)

SnareNet: Flexible Repair Layers for Neural Networks with Hard Constraints

SnareNet：带有硬约束的神经网络灵活修复层

Ya-Chi Chu, Alkiviades Boukas, Madeleine Udell

机构 * Department of Mathematics, Stanford University（斯坦福大学数学系） ； Institute for Computational and Mathematical Engineering, Stanford University（斯坦福大学计算与数学工程研究所） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系） 纠错

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

AI总结 SnareNet通过引入可微修复层和自适应放松机制，实现神经网络输出满足输入依赖约束，提升了约束满足的精度和鲁棒性。

Sparse-to-Complete: From Sparse Image Captures to Complete 3D Scenes

稀疏到完整：从稀疏图像捕获到完整3D场景

Yiyang Shen, Yin Yang, Kun Zhou, Tianjia Shao

机构 * State Key Lab of CAD\&CG, Zhejiang University（浙江大学CAD与CG国家重点实验室） ； University of Utah（犹他大学） ； Hangzhou Research Institute of Holographic and AI Technology（杭州全息与人工智能技术研究院） 纠错

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

AI总结 本文提出S2C-3D框架，通过六到八张图像实现高保真完整场景重建，结合专用扩散模型、视图一致性条件采样和相机轨迹规划，提升3D重建质量与鲁棒性。

Journal ref SIGGRAPH 2026 Conf. Proc

Dynamics Distillation for Efficient and Transferable Control Learning

为高效且可迁移的控制学习设计的动力学蒸馏

Xunjiang Gu, Kashyap Chitta, Mahsa Golchoubian, Vladimir Suplin, Igor Gilitschenski

机构 * University of Toronto（多伦多大学） ； NVIDIA（NVIDIA公司） ； General Motors（通用汽车） ； Vector Institute（向量研究所） 纠错

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

AI总结 本文提出Sim2Sim2Sim框架，通过将高保真车辆模拟器动力学蒸馏为可并行学习的动力学模型，实现更高效的策略优化和可靠的迁移。

Comments 9 pages, 3 figures, under review

Frozen LLMs as Map-Aware Spatio-Temporal Reasoners for Vehicle Trajectory Prediction

冻结的大语言模型作为具有地图意识的时空推理器用于车辆轨迹预测

Yanjiao Liu, Jiawei Liu, Xun Gong, Zifei Nie

机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） 纠错

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

AI总结 本文提出利用冻结的大语言模型作为时空推理器，通过交通编码器提取轨迹特征并结合轻量CNN处理地图信息，评估LLM在动态交通代理行为和道路拓扑理解中的能力，提升轨迹预测的准确性与泛化性。

Comments Accepted for publication at IEEE Intelligent Vehicles Symposium 2026

LLM-Augmented Traffic Signal Control with LSTM-Based Traffic State Prediction and Safety-Constrained Decision Support

基于LSTM的交通信号控制与大语言模型增强的交通状态预测与安全约束决策支持

Jiazhao Shi

机构 * Tandon School of Engineering, New York University（纽约大学Tandon工程学院） 纠错

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

AI总结 本文提出一种结合LSTM交通状态预测和大语言模型的交通信号控制框架，通过预测信号相位和生成自然语言解释，提升交通效率并确保安全约束。

Risk-Aware Rulebooks for Multi-Objective Trajectory Evaluation under Uncertainty

考虑风险的多目标轨迹评估下的规则书

Tichakorn Wongpiromsarn

机构 * Department of Computer Science, Iowa State University（计算机科学系，爱荷华州立大学） 纠错

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

AI总结 本文提出一种考虑风险的正式主义，用于在系统与环境不确定交互下评估轨迹。通过建模轨迹对环境的影响，系统地处理复杂的关系，确保一致性并防止循环偏好。

An Efficient Real-Time Planning Method for Swarm Robotics Based on an Optimal Virtual Tube

基于最优虚拟管的群体机器人高效实时规划方法

Pengda Mao, Shuli Lv, Chen Min, Zhaolong Shen, Quan Quan

机构 * School of Automation Science and Electrical Engineering, Beihang University（自动化科学与电气工程学院，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 本文提出结合集中式最优虚拟管规划与分布式控制的群体机器人轨迹规划框架，实现低计算量高频率重规划，融合多步与反应式规划的优势。

Comments 18 pages, 21 figures