自动驾驶

Full-Body Dynamic Safety for Robot Manipulators: 3D Poisson Safety Functions for CBF-Based Safety Filters

机器人机械臂的全身动态安全性：基于CBF的安全过滤器中的3D泊松安全函数

Meg Wilkinson, Gilbert Bahati, Ryan M. Bena, Emily Fourney, Joel W. Burdick, Aaron D. Ames

机构 * Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） ； Mechanical and Civil Engineering, California Institute of Technology（加州理工学院机械与土木工程系） 纠错

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

AI总结 本文提出利用3D泊松安全函数实现机器人机械臂在动态环境中的全身避障，通过求解泊松方程生成全局平滑的CBF，确保任务空间的安全约束。

SpanVLA: Efficient Action Bridging and Learning from Negative-Recovery Samples for Vision-Language-Action Model

SpanVLA: 一种高效的视觉-语言-动作模型，通过负样本恢复学习实现动作桥接与学习

Zewei Zhou, Ruining Yang, Xuewei, Qi, Yiluan Guo, Sherry X. Chen, Tao Feng, Kateryna Pistunova, Yishan Shen, Lili Su, Jiaqi Ma

机构 * University of California, Los Angeles, USA（加州大学洛杉矶分校） ； Motional, USA（Motional公司） ； Northeastern University, USA（东北大学） 纠错

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

AI总结 本文提出SpanVLA，一种端到端自动驾驶框架，结合自回归推理与流匹配动作专家，通过高效桥接和负样本恢复学习提升推理效率和鲁棒性。

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

Time-Division Multiplexing Actuation in Tendon-Driven Arms: Lightweight Design and Fault Tolerance

tendon驱动臂的时间分割多路复用驱动：轻量化设计与容错性

Shoujie Li, Changqing Guo, Jianle Xu, Hong Luo, Xueqian Wang, Wenbo Ding, Bin Liang

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； Department of Automation, Tsinghua University（清华大学自动化系） 纠错

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

AI总结 本文提出了一种时间分割多路复用驱动方法，用于腱驱动机器人，实现轻量化设计和高容错性，通过垂直堆叠的旋转选择结构和双编码系统，使MuxArm在部分伺服故障下仍能保持1%的末端精度。

Comments 11 pages

Journal ref IEEE T-MECH Under review 2026

Goal-based Neural Physics Vehicle Trajectory Prediction Model

基于目标的神经物理车辆轨迹预测模型

Rui Gan, Haotian Shi, Pei Li, Keshu Wu, Bocheng An, Linheng Li, Junyi Ma, Chengyuan Ma, Bin Ran

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Southeast University（东南大学） 纠错

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

AI总结 本文提出GNP模型，通过两阶段预测车辆目标和轨迹，提升长短期预测精度与可解释性。

Representations Before Pixels: Semantics-Guided Hierarchical Video Prediction

在像素之前：基于语义的分层视频预测

Efstathios Karypidis, Spyros Gidaris, Nikos Komodakis

机构 * Archimedes Athena Research Center（雅典娜研究中心） ； National Technical University of Athens（雅典国家技术大学） ； University of Crete（克里特大学） ； IACM-Forth（希腊研究与技术基金会-应用与计算数学研究所） 纠错

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

AI总结 本文提出Re2Pix框架，通过先预测语义表示再生成视觉内容，提升动态环境视频预测的语义一致性和视觉质量。

Explainable Planning for Hybrid Systems

混合系统的可解释规划

Mir Md Sajid Sarwar

机构 * School of Mathematical and Computational Sciences, Indian Association for the Cultivation of Science, Kolkata（印度科学培育协会数学与计算科学学院，加尔各答） 纠错

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

AI总结 研究针对混合系统中的可解释人工智能规划，探讨生成AI系统解释的方法，以应对自动化规划在复杂安全领域中的应用需求。

Comments PhD thesis

Act or Escalate? Evaluating Escalation Behavior in Automation with Language Models

行动或升级？基于语言模型评估自动化中的升级行为

Matthew DosSantos DiSorbo, Harang Ju

机构 * Harvard Business School（哈佛商学院） ； Johns Hopkins Carey Business School（约翰霍普金斯大学凯瑞商学院） 纠错

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

AI总结 本文研究了语言模型在自动化决策中如何平衡行动与升级，发现模型在成本权衡上的隐含阈值存在显著差异，且自我评估存在偏差，通过干预测试发现链式思维训练能产生稳健的策略。

ShelfGaussian: Shelf-Supervised Open-Vocabulary Gaussian-based 3D Scene Understanding

ShelfGaussian：基于货架的开放词汇高斯3D场景理解

Lingjun Zhao, Yandong Luo, James Hays, Lu Gan

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出ShelfGaussian框架，利用货架监督学习方法，结合多模态高斯变换，提升3D场景理解的开放词汇能力，实验显示其在零样本语义占用预测中表现优异。

Towards Multi-Object Nonprehensile Transportation via Shared Teleoperation: A Framework Based on Virtual Object Model Predictive Control

通过共享遥控实现多物体非抓取运输：基于虚拟物体模型预测控制的框架

Xinyang Fan, Zhaoyang Chen, Shu Xin, Yi Ren, Zainan Jiang, Fenglei Ni, Hong Liu

机构 * State Key Laboratory of Robotics and System, Harbin Institute of Technology（哈尔滨工业大学机器人技术与系统国家重点实验室） ； Advanced Manufacturing Laboratory, Huawei Technologies（华为技术有限公司先进制造实验室） 纠错

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

AI总结 本文提出一种基于虚拟物体模型预测控制的共享遥控框架，解决多物体非抓取运输中的轨迹跟踪和托盘姿态控制问题，通过动态约束分析和轨迹平滑算法实现稳定操作。

Not All Agents Matter: From Global Attention Dilution to Risk-Prioritized Game Planning

并非所有智能体都重要：从全局注意力稀释到风险优先的游戏规划

Kang Ding, Hongsong Wang, Jie Gui, Lei He

机构 * School of Cyberspace Security, Southeast University（东南大学网络空间安全学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Vehicle and Mobility School, Tsinghua University（清华大学车辆与运载学院） 纠错

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

AI总结 本文提出风险优先游戏规划方法，通过GameAD框架提升自动驾驶轨迹安全性，实验表明其在复杂环境中表现更优。

Comments 14 pages, 5 figures

SCP: Spatial Causal Prediction in Video

SCP：视频中的空间因果预测

Yanguang Zhao, Jie Yang, Shengqiong Wu, Shutong Hu, Hongbo Qiu, Yu Wang, Guijia Zhang, Tan Kai Ze, Hao Fei, Chia-Wen Lin, Mong-Li Lee, Wynne Hsu

机构 * National University of Singapore（新加坡国立大学） ； Shenzhen University（深圳大学） ； Sichuan University（四川大学） ； National Tsing Hua University（国立清华大学） 纠错

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

AI总结 本文提出SCP任务，挑战模型超越观察预测空间因果结果，并构建SCP-Bench基准测试，揭示人类与模型性能差距及因果推理局限。

Comments 30 pages, 21 figures, 17 tables, CVPR findings

Semantically Annotated Multimodal Dataset for RF Interpretation and Prediction

语义标注的多模态数据集用于射频解释与预测

Steve Blandino, Jelena Senic, Raied Caromi, Samuel Berweger, Anuraag Bodi, Camillo Gentile, Nada Golmie

机构 * National Institute of Standards and Technology (NIST)（美国国家标准与技术研究院） ； Prometheus Computing LLC（普罗米修斯计算有限责任公司） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.AI

AI总结 本文提出结合射频测量与视觉数据的多模态数据集，用于提升射频信号与物理环境的解释与预测能力。

Journal ref NeurIPS 2025 AI for Science Workshop

Learning Contextual Runtime Monitors for Safe AI-Based Autonomy

学习上下文感知的运行时监视器以实现安全的基于AI的自主性

Alejandro Luque-Cerpa, Mengyuan Wang, Emil Carlsson, Sanjit A. Seshia, Devdatt Dubhashi, Hazem Torfah

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； University of Gothenburg（哥德堡大学） ； University of California at Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出了一种学习上下文感知运行时监视器的新框架，用于安全的基于AI的控制集合。通过将监视学习转化为上下文学习任务，该方法在控制器选择中提供理论安全保证，并提高控制器多样性利用，通过自动驾驶模拟验证了其在安全性和性能上的显著改进。

Real Time Local Wind Inference for Robust Autonomous Navigation

实时局部风场推断用于稳健自主导航

Spencer Folk

机构 * University of Pennsylvania（宾夕法尼亚大学） ； NASA Ames Research Center（美国国家航空航天局艾姆斯研究中心） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文通过融合距离测量与稀疏实地风测数据，实现实时风场推断，解决密集城市环境中地形数据的充分性及学习风模型在运动规划中的应用，提升自主导航的能耗效率与避障能力。

Comments PhD Thesis, University of Pennsylvania, 2026. 152 pages

KnowDiffuser: A Knowledge-Guided Diffusion Planner with LLM Reasoning

KnowDiffuser: 一种基于知识的扩散规划器与大语言模型推理

Fan Ding, Xuewen Luo, Fengze Yang, Bo Yu, HwaHui Tew, Ganesh Krishnasamy, Junn Yong Loo

机构 * Monash University Malaysia（莫纳什大学马来西亚校区） ； University of Utah（犹他大学） 纠错

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

AI总结 本文提出KnowDiffuser，结合大语言模型的语义理解和扩散模型的生成能力，有效解决自动驾驶中语义到物理的鸿沟问题，实验表明其在开放环和闭环评估中表现优异。

Comments 10pages, 1 figure

Context-Triggered Contingency Games for Strategic Multi-Agent Interaction

基于情境触发的应急游戏用于战略多智能体交互

Kilian Schweppe, Anne-Kathrin Schmuck

机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） 纠错

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

AI总结 本文提出基于时序逻辑规范的战略游戏与实时动态应急游戏结合的新型框架，通过双层架构和因子图求解器实现多智能体在不确定环境中的安全与进步。

Neuro-Cognitive Reward Modeling for Human-Centered Autonomous Vehicle Control

神经认知奖励建模用于以人为中心的自动驾驶控制

Zhuoli Zhuang, Yu-Cheng Chang, Yu-Kai Wang, Thomas Do, Chin-Teng Lin

机构 * University of Technology Sydney（悉尼科技大学） 纠错

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

AI总结 本文提出基于EEG的决策框架，将人类认知信息整合到强化学习中，提升自动驾驶的避障能力。

Energy-Aware Imitation Learning for Steering Prediction Using Events and Frames

面向能量效率的模仿学习用于转向预测的事件与帧结合

Hu Cao, Jiong Liu, Xingzhuo Yan, Rui Song, Yan Xia, Walter Zimmer, Guang Chen, Alois Knoll

机构 * Southeast University（东南大学） ； Technical University of Munich（慕尼黑工业大学） ； Tongji University（同济大学） 纠错

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

AI总结 本文提出一种面向能量效率的模仿学习框架，结合事件和帧数据进行转向预测，通过设计能量驱动的跨模态融合模块和能量感知解码器，提升预测的可靠性和安全性。

Comments Submitted to the journal

Safety Guardrails in the Sky: Realizing Control Barrier Functions on the VISTA F-16 Jet

天空中的安全护栏：在VISTA F-16喷气式飞机上实现控制障碍函数

Andrew W. Singletary, Max H. Cohen, Tamas G. Molnar, Aaron D. Ames

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

AI总结 本文提出Guardrails机制，通过结合人类或AI指令与安全控制动作，确保自主系统在边缘操作域安全运行，展示了其在F-16飞行测试中的有效性。

Declarative Scenario-based Testing with RoadLogic

基于RoadLogic的声明式场景测试

Ezio Bartocci, Alessio Gambi, Felix Gigler, Cristinel Mateis, Dejan Ničković

机构 * AIT Austrian Institute of Technology（AIT奥地利技术研究所） 纠错

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

AI总结 本文提出RoadLogic，通过答案集编程生成抽象计划，结合运动规划生成可行轨迹，并基于规范进行验证，实现声明式OS2规范与可执行模拟的桥梁，提升自动驾驶系统场景测试的系统性。

Comments Accepted at the 29th ACM International Conference on Hybrid Systems: Computation and Control (HSCC 2026). The final version will appear in the ACM Digital Library

VerseCrafter: Dynamic Realistic Video World Model with 4D Geometric Control

VerseCrafter：基于4D几何控制的动态真实视频世界模型

Sixiao Zheng, Minghao Yin, Wenbo Hu, Xiaoyu Li, Ying Shan, Yanwei Fu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； HKU（香港大学） ； ARC Lab, Tencent PCG（腾讯PCG ARC实验室） 纠错

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

AI总结 本文提出VerseCrafter，通过4D几何控制生成动态真实视频，相比传统方法更精确控制相机和多物体运动。

Comments Project Page: https://sixiaozheng.github.io/VerseCrafter_page/, Accepted by CVPR 2026

HMPDM: A Diffusion Model for Driving Video Prediction with Historical Motion Priors

HMPDM：一种利用历史运动先验的扩散模型用于驾驶视频预测

Ke Li, Tianjia Yang, Kaidi Liang, Xianbiao Hu, Ruwen Qin

机构 * Department of Civil Engineering, Stony Brook University（石溪大学土木工程系） 纠错

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

AI总结 本文提出HMPDM模型，通过引入历史运动先验提升驾驶视频预测的时序一致性与视觉质量，实验表明其在Cityscapes和KITTI基准上优于现有方法，FVD指标提升28.2%。

Autonomous overtaking trajectory optimization using reinforcement learning and opponent pose estimation

基于强化学习和对手姿态估计的自主超车轨迹优化

Matej Rene Cihlar, Luka Šiktar, Branimir Ćaran, Marko Švaco

机构 * University of Zagreb（萨格勒布大学） ； Faculty of Mechanical Engineering and Naval Architecture（机械工程与海军建筑学院） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出利用强化学习和传感器数据进行自主超车轨迹优化，通过融合LiDAR和深度相机数据提高对手姿态估计精度，实验证明在仿真和真实场景中均能有效执行超车动作。

Comments The paper is accepted and presented on the 35th International Conference on Robotics in Alpe-Adria-Danube Region, RAAD 2026, Bratislava, Slovakia

DTP-Attack: A decision-based black-box adversarial attack on trajectory prediction

DTP-Attack：一种基于决策的黑盒对抗攻击用于轨迹预测

Jiaxiang Li, Jun Yan, Daniel Watzenig, Huilin Yin

机构 * Tongji University（同济大学） ； Graz University of Technology（格拉茨技术大学） ； Virtual Vehicle Research（虚拟车辆研究院） 纠错

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

AI总结 本文提出DTP-Attack，一种针对轨迹预测系统的基于决策的黑盒对抗攻击方法，通过二进制决策输出实现高可控性和可靠性，有效提升攻击成功率并降低对模型内部信息的依赖。

Comments ICRA 2026

T-SKM-Net: Trainable Neural Network Framework for Linear Constraint Satisfaction via Sampling Kaczmarz-Motzkin Method

T-SKM-Net：基于采样Kaczmarz-Motzkin方法的可训练神经网络框架用于线性约束满足

Haoyu Zhu, Yao Zhang, Jiashen Ren, Qingchun Hou

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

AI总结 本文提出T-SKM-Net框架，通过将混合约束问题转化为纯不等式问题，并结合采样Kaczmarz-Motzkin方法进行迭代求解，实现神经网络在约束满足中的高效处理，同时保证了端到端的可训练性。

Chance-Constrained Iterative Linear-Quadratic Stochastic Games

机会约束迭代线性二次随机博弈

Hai Zhong, Yutaka Shimizu, Jianyu Chen

机构 * Institute for Interdisciplinary Sciences, Tsinghua University（清华大学交叉信息研究院） ； Tier IV, Inc.（Tier IV公司） ； Shanghai Qizhi Institute（上海期智研究院） 纠错

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

AI总结 本文提出CCILQGames算法，通过增广拉格朗日方法解决机会约束随机博弈问题，在自动驾驶场景中验证了其生成安全交互策略的能力。

Comments Updated version of the published IEEE RA-L paper. Assumption 1 and strategy space definition revised to make the information structure explicit. Theorem 1 assumptions are more explict. No changes to algorithm or experimental results

Off-Policy Safe Reinforcement Learning with Constrained Optimistic Exploration

基于约束乐观探索的非策略安全强化学习

Guopeng Li, Matthijs T. J. Spaan, Julian F. P. Kooij

机构 * Faculty of Mechanical Engineering（机械工程学院） ； Delft University of Technology（代尔夫特理工大学） ； Faculty of Electrical Engineering, Mathematics and Computer Science（电气工程、数学和计算机科学学院） 纠错

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

AI总结 本文提出COX-Q算法，通过约束乐观探索和保守离线分布价值学习，解决非策略安全强化学习中的约束违反问题，实现在安全关键应用中的高效样本利用和可控数据收集成本。

Comments 21 pages, 9 figures, accepted by ICLR 2026 poster

Rectify, Don't Regret: Avoiding Pitfalls of Differentiable Simulation in Trajectory Prediction

纠正，而非后悔：避免可微模拟在轨迹预测中的陷阱

Harsh Yadav, Christian Bohn, Tobias Meisen

机构 * University of Wuppertal（乌珀塔尔大学） 纠错

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

AI总结 本文提出一种非可微的递推滚动方法，通过切断计算图来避免可微模拟中的捷径学习，提升轨迹预测的鲁棒性和恢复能力。

Risk-Aware Obstacle Avoidance Algorithm for Real-Time Applications

面向实时应用的风险感知障碍避障算法

Ozan Kaya, Emir Cem Gezer, Roger Skjetne, Ingrid Bouwer Utne

机构 * Department of Marine Technology, Norwegian University of Science and Technology（挪威科学技术大学海洋技术系） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种混合风险感知导航架构，结合障碍物概率建模与平滑轨迹优化，提升自主水面 vessel 在动态环境中的安全性和自主性。

On the Road with 16 Neurons: Mental Imagery with Bio-inspired Deep Neural Networks

16个神经元的旅程：基于生物启发深度神经网络的视觉预测

Alice Plebe, Mauro Da Lio

机构 * Dept. of Information Engineering and Computer Science（信息工程与计算机科学系） ； Dept. of Industrial Engineering（工业工程系） ； University of Trento, Italy（意大利特伦托大学） 纠错

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

AI总结 本文提出了一种基于生物启发深度神经网络的视觉预测策略，通过构建具有层次结构的神经元集合来提取抽象概念，并在自动驾驶任务中实现高效表示学习。

Comments 18 pages, 10 figures