自动驾驶

G-MAPP: GPU-accelerated Multi-Agent Planning and Perception for Reactive Motion Generation

G-MAPP: 基于GPU加速的多智能体规划与感知用于反应式运动生成

Tanmay Bishnoi, Riddhiman Laha, Tobias Löw, Jose Alex Chandy, Luis F. C. Figueredo, Sami Haddadin

机构 * Department of Electrical, Computer, and Biomedical Engineering, Toronto Metropolitan University（多伦多都会大学电气、计算机与生物医学工程系） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)（慕尼黑工业大学慕尼黑机器人与机器智能研究所） ； Institute for Experiential Robotics, Northeastern University（东北大学体验式机器人研究所） ； Idiap Research Institute（Idiap 研究所） ； EPFL（瑞士联邦理工学院洛桑） ； CHART Group at the School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院 CHART 小组） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO

AI总结 提出GPU加速的框架，通过并行状态探索和紧密耦合感知-动作循环，实现非结构化环境中的实时反应式运动生成，在7自由度机器人上达到5倍加速并成功避障。

Comments The implementation is available at: https://github.com/chart-research/g-mapp

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7516-7523, June 2026

Performance Analysis of YOLOv11 and YOLOv8 for Mixed Traffic Object Detection under Adverse Weather Conditions in Developing Countries

YOLOv11与YOLOv8在发展中国家恶劣天气下混合交通目标检测的性能分析

Quoc Thuan Nguyen, Ha Anh Vu, Ngo Dang Thanh Ngan, Minh Phuc Hoang Ngoc

机构 * FPT University（FPT大学） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV

AI总结 针对发展中国家恶劣天气下的混合交通场景，评估YOLOv11n与YOLOv8n在融合数据集上的性能，YOLOv11n在精度提升3.2%的同时计算量减少22%，实现精度与效率的优化平衡。

A Modular Dual-Camera Pipeline for Micro-Inspection Using Aerial Robots

一种用于空中机器人微检测的模块化双相机流水线

S. H. Mirtajadini, N. Rublein, R. M. Ramakrishnan, G. ter Maat, M. Aldibaja, A. Y. Mersha

机构 * Netherlands Organization for Scientific Research (NWO)（荷兰科学研究组织） ； Saxion University of Applied Sciences（萨克逊应用科学大学） 纠错

专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO

AI总结 提出一种模块化双相机空中微检测流水线，通过变焦云台相机和广角立体导航相机协同工作，结合视觉反馈回路，实现对树木和温室粘虫板等非结构目标的鲁棒微检测。

Resource-aware Computation-Communication Overlap for multi-GPU ML Workloads

面向多GPU机器学习工作负载的资源感知计算-通信重叠

Minyu Cui, Miquel Pericas

机构 * Chalmers University of Technology and University of Gothenburg（查尔姆斯理工大学和哥德堡大学） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 针对多GPU训练中通信瓶颈，提出通过共享内存占用整形和通信流优先级提升实现计算与通信重叠，在多种GPU上减少执行时间达25.5%。

Comments To appear at the AI on HPC Workshop at ISC 2026, held in conjunction with ISC 2026

Ground-Truth-Aware Stress Testing of a Closed-Loop Smart-Building Digital Twin Under Sensor Drift and Missing Data

传感器漂移与缺失数据下闭环智能建筑数字孪生的真值感知压力测试

Lyes Saad Saoud

专题命中 感知 ：occupancy(abstract)

AI总结 本文提出真值感知仿真框架，针对传感器漂移与缺失数据场景测试智能建筑数字孪生的闭环控制，发现传感器误差、决策不一致与结果退化相关但有区别，贡献为方法论层面。

MoE Expert Execution in Disaggregated LLM Serving with a High-Bandwidth ReRAM Near-Memory Architecture

采用高带宽ReRAM近内存架构的分散式大语言模型（LLM）服务中的MoE专家执行

Kunming Shao, Ming Zeng, Xin Yuan, Binbin Liao, Yangming Zhang, Wei Wang, Tim Kwang-Ting Cheng, Chi-Ying Tsui

专题命中 感知 ：occupancy(abstract)

AI总结 本文针对分散式LLM服务中MoE专家执行的资源效率问题，提出ReRAM近内存架构，通过优化池化、放置与取数策略提升资源占用率，在实测中大幅降低延迟与能耗。

AutoGrable: What Is a Good Graph for a Table?

AutoGrable：什么是适合表格的图？

Tamara Cucumides, Floris Geerts

机构 * University of Antwerp（安特卫普大学） 纠错

专题命中 感知 ：occupancy(abstract)

AI总结 AutoGrable是一种无需训练图模型的表格到图构造方法，通过标签对齐风险打分选择最优列子集，在受控和真实任务中性能优于对比方法，还可在图无用时弃权构建。

Comments 28 pages, 4 figures

TideRL: Boosting Agentic RL Goodput with Readiness-Aware Scheduling

TideRL：通过就绪感知调度提升智能体强化学习的有效吞吐量

Yanyu Ren, Xizheng Wang, Xiao Liu, Bowen Lv, Hanchen Zhang, Shudan Zhang, Hanyu Lai, Shuai Wang, Li Chen, Dan Li, Jie Tang

机构 * Tsinghua University（清华大学） ； Zhongguancun Laboratory（中关村实验室） 纠错

专题命中 感知 ：occupancy(abstract)

AI总结 TideRL是一种就绪感知弹性RL系统，通过CTB、RA²P和ERS技术，在多轮智能体工作负载上大幅提升RL训练有效吞吐量，同时优化KV缓存命中率、训练时间和等待时间。

Boundary-Seeking Policy Gradient for Safe Reinforcement Learning

面向安全强化学习的边界搜寻策略梯度算法

Chenhua Fan, Jiahui Zhu, Yuhang Zhang, Honghao Wei

机构 * School of EECS, Washington State University（华盛顿州立大学电子工程与计算机科学学院） 纠错

专题命中 感知 ：occupancy(abstract)

AI总结 本文提出BSPG算法，针对安全强化学习中标准梯度法易收敛到可行域内部的问题，结合切向与法向分量，在Safety-Gymnasium导航任务中实现更高奖励与更紧密的边界跟踪。

Comments CDC 2026

PSP: Low-Overhead Packet-Level Load Balancing for Stale-State and Bandwidth-Asymmetric Networks

PSP：面向 stale 状态与带宽非对称网络的低开销报文级负载均衡

Jiaqi Liu, Chunyang Zhang, Heng Pan, Yanbiao Li

专题命中 感知 ：occupancy(abstract)

AI总结 针对数据中心网络微突发与高并发问题，提出概率状态比例（PSP）报文级负载均衡算法，其性能优于 JSQ、随机调度，与 Top-k 相当且硬件成本更低，实现性能、稳定性与开销的平衡。

Comments 12 pages, 10 figures, 5 tables. Accepted by IEEE LCN 2026

Finite Constant Frontiers and Auditable Regret Certificates for Average-Reward Reinforcement Learning

平均奖励强化学习的有限常数前沿与可审计后悔证书

Ibne Farabi Shihab, Abu Sa-Adat Mohamed Moon-Im Al Ahsan, Md Najmus Swaqeeb

机构 * Iowa State University（爱荷华州立大学） ； BRAC University（BRAC大学） 纠错

专题命中 感知 ：occupancy(abstract)

AI总结 本文针对平均奖励强化学习，提出感知常数的比较协议，推导通信MDP的有限下界证书，改进已发表系数，给出跨度约束乐观学习者的可审计组合规则，完成相关形式化与诊断测试。

MEC-Patch: Visible-Infrared Cross-Modal Adversarial Attack Driven by Intrinsic Material Emissivity Laws

MEC-Patch：基于本征材料发射率定律的可见-红外跨模态对抗攻击

Zhixiang Huang, Xinbo Nie, Wenxuan Wang, Lu Yang, Xin Li, Xuelin Qian, Peng Wang

专题命中 感知 ：autonomous driving(abstract)

AI总结 本文提出基于斯特藩-玻尔兹曼定律的MEC-Patch跨模态对抗攻击框架，结合NSGA-II与DAR策略，可欺骗多模态检测器并提升环境鲁棒性，为多模态感知系统安全评估提供新思路。

Comments Accepted by the 34th ACM International Conference on Multimedia (MM '26). Includes supplementary material

Toward Blockage-Resilient 6G-V2X Connectivity: Semi-Distributed Bandit with Dynamic Arm Set for mmWave HetNets

面向抗阻塞的6G车万物联网（V2X）连接：面向毫米波异构车联网的具有动态臂集的半分布式多臂老虎机算法

Weiqi Chi, Bo Qian, Hanlin Wu, Donghui Li, Haibo Zhou, Manabu Tsukada

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对毫米波异构车联网的阻塞与信道波动问题，提出BAND及半分布式S-BAND算法，结合TAK区域与KIF度量，在10%-50%阻塞率下较集中式MAB基线实现34.9%-59.4%的遗憾降低，TAK区域性能优于K-means聚类。

Tail-Calibrated Soft-Output GRAND for Finite-Memory Noise-Effect Posteriors

面向有限记忆噪声效应后验的尾端校准软输出GRAND

Behrooz Razeghi

专题命中 感知 ：occupancy(abstract)

AI总结 针对有限记忆噪声效应后验，提出尾端校准软输出GRAND算法，实现后验权重等估计并给出相关理论界，可提供逐块APP估计等解码输出。

Dynamics-matched Physical Reservoir Computing for Undersensed Traffic Prediction

动力学匹配物理储备池计算用于欠感知交通预测

Michael McCreesh, Rohit Gupta, Stephen L. Smith

专题命中 感知 ：autonomous driving(abstract)

AI总结 本研究提出将交通网络作为储备池的IIDM-RC方法，用于欠感知交通预测，在预测准确性和训练时间上优于ESNs与LSTM网络。

Comments 16 pages, 4 figures. Has been submitted for journal publication

Integrated Eco-Driving and Powertrain Optimization for Hybrid Vehicles in Complex Urban Traffic

复杂城市交通中混合动力汽车的集成生态驾驶与动力总成优化

Milad Hasanzadeh, Amin Kargarian, Mehdi Farasat

专题命中 感知 ：occupancy(abstract)

AI总结 针对城市混合动力汽车，提出集成有限时域生态驾驶规划框架，联合优化交通行为与动力总成运行，同时建模多方面驾驶行为及动力总成运行，模拟研究表明该方法能在维持合规驾驶计划时改善能源性能。

GLST: Defending Confidence-Driven V2X Collaborative Perception Against Stealthy Multi-Attacker Feature Injection

GLST：抵御针对置信驱动的V2X协同感知的隐秘多攻击者特征注入

Ji He, Ying Wang, Lijie Zheng, Xinghui Zhu, Yulong Shen, Xiaohong Jiang

专题命中 感知 ：driving perception(abstract)

AI总结 研究针对置信驱动的V2X协同感知的安全问题，提出伪装良性攻击利用空间置信机制降低检测性能。发现现有基于信任的防御弱点，进而提出GLST通过多视角评估协作者可靠性，实验表明其在多攻击者场景下鲁棒性强，对多种攻击有效。

Update the Unseen Only: Minimizing AoI for Collaborative Perception through Online Learning

仅更新未见过的信息：通过在线学习最小化协作感知中的信息年龄

Yanan Ma, Zhuoyi Zhao, Zhengru Fang, Haonan An, Xianhao Chen, Yuguang Fang

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对协作感知中因带宽有限致数据过时问题，提出移动感知AoI最小化框架，推导闭式表达式，开发LocMW算法，性能保证其优于基准，仿真显示该算法能大幅降低AoI并提高检测精度。

Comments 15 pages, 8 figures

Roomie: Interference-Aware Colocation for Efficient Model Serving

Roomie：用于高效模型服务的干扰感知共置

Youssouph Faye, Francescomaria Faticanti, Shubham Jain, Francesco Bronzino

专题命中 感知 ：occupancy(abstract)

AI总结 针对DNN推理中GPU容量供不应求需共置模型的情况，Roomie架构通过解耦离线内核分析与在线干扰预测，用基于占用的模型预测干扰，经启发式算法和在线放置算法，有效降低推理延迟，提升吞吐量。

Compositional Semantic Communication for Physical AI: Category Theory Meets Game Theory

用于物理人工智能的组合语义通信：范畴论与博弈论相遇

Christo Kurisummoottil Thomas, Walid Saad, Emilio Calvanese Strinati

专题命中 感知 ：autonomous driving(abstract)

AI总结 研究物理人工智能系统中传输原始传感器数据的问题，提出组合语义通信框架，利用范畴论度量、格罗滕迪克拓扑等，将多设备协调表述为斯塔克尔伯格博弈，用ADMM算法计算策略，实现带宽减少和延迟降低，保持推理准确率。

M3F-UAV: A Missing-Modality Multimodal Foundation Model for Low-Altitude Wireless Sensing

M3F-UAV：一种用于低空无线传感的缺失模态多模态基础模型

Pengxuan Gao, Kai Ying, Botao Wu, Jianhua Mo, Qingsong Wen

专题命中 感知 ：LiDAR(abstract)

AI总结 针对复杂环境下单模态模型可靠性低的问题，提出M3F-UAV模型，通过特定模态预训练特征提取器、跨模态融合及缺失模态感知预训练，从多观测中学习统一表示，在LAMBDA数据集实验中性能优于单模态基线且在缺失模态下稳健。

Securing Autonomous Vehicle Systems via Twin-Aware Federated Reinforcement Learning

通过双感知联邦强化学习保障自动驾驶车辆系统安全

Zifan Zhang, Minghong Fang, Dianwei Chen, Zhuqing Liu, Prashant Khanduri, Xianfeng Yang, Anupam Das, Yuchen Liu

机构 * North Carolina State University（北卡罗来纳州立大学） ； University of Louisville（路易斯维尔大学） ； University of Maryland（马里兰大学） ； University of North Texas（北德克萨斯大学） ； Wayne State University（韦恩州立大学） 纠错

专题命中 感知 ：autonomous driving(abstract)

AI总结 研究自动驾驶车辆系统安全问题，提出\alg防御框架，通过集成数字孪生、利用历史参数和中心梯度，确保仅聚合良性数据，增强FRL系统鲁棒性，有理论保证且经数字孪生模型验证有效性。

Comments Submitted to IEEE for potential publication

Edge-Inference Governors Need Memory-Clock State

超越CPU-GPU频率：内存时钟和尾部效应对边缘推理延迟估计的影响

Jaehoon Kang

专题命中 感知 ：occupancy(abstract)

AI总结 通过测量NVIDIA Jetson Orin Nano，发现内存时钟是缺失的维度、聚合丢失率隐藏突发性、频率切换存在延迟，这些现象超出传统频率感知延迟模型的范围。

Comments 23 pages, 15 figures, 23 tables. Code and data: https://github.com/dankang21/jetson-latency-lab ; traces: https://zenodo.org/records/21236659

Quality-Aware Personalized AI Service Provisioning in UAV-Assisted 6G Networks

无人机辅助6G网络中质量感知的个性化人工智能服务供应

Mohammad Farhoudi, Masoud Shokrnezhad, Tarik Taleb

专题命中 感知 ：trajectory planning(abstract)

AI总结 研究无人机辅助6G网络中质量感知的个性化AI服务供应问题，提出HyPE框架，集成移动感知预测、学习增强决策和启发式服务放置与路由，模拟实验显示其在覆盖范围、延迟、服务个性化等方面优于基线，突出预测学习增强供应的前景。

Hybrid pattern recognition for charged particle tracking: Hough transform and convolutional neural efficiency networks

用于带电粒子跟踪的混合模式识别：霍夫变换和卷积神经网络效率网络

Carlo Varni, Krzysztof Ciesla, Marcin Wolter, Radoslaw Karol Mienkowski, Noemi Calace, Tomasz Bold

专题命中 感知 ：occupancy(abstract)

AI总结 研究在硅探测器中重建带电粒子轨迹问题，核心方法是采用霍夫变换作数据准备，再输入神经网络抑制假候选轨迹。贡献是结合两者优势，提升效率与纯度，算法更简单高效。

Comments 17 pages, 11 figures

LAMBDA: A Low-Altitude Multimodal Base Dataset for UAV Sensing and Communication

LAMBDA：用于无人机传感与通信的低空多模态基础数据集

Lin Zhou, Peichuan Rao, Chenshuo Zhang, Jianhua Mo, Shu Sun, Zhiyong Chen, Meixia Tao

专题命中 感知 ：LiDAR(abstract)

AI总结 研究低空综合传感与通信需对齐多模态数据，为此引入LAMBDA数据集，通过高保真数字孪生管道生成，具有多种特性，涵盖多场景多条件，支持多种参数设置，经评估有可靠性与可用性。

Efficient Upper Mid-Band Spectrum Sensing with Multiple Signals

多信号高效上中频带频谱感知

Yongjun Kim, Ali Rasteh, Sundeep Rangan, Junil Choi

专题命中 感知 ：occupancy(abstract)

AI总结 研究上中频带频谱感知中主用户信号数量、带宽及信噪比均未知时的频域占用估计问题，通过广义似然比检验及结合二分搜索与动态规划的高效搜索程序，验证方法实用性。

ATS-ToDMA: Adaptive Token Selection and Token-Domain Multiple Access for Cross-Modal Semantic Communications

ATS-ToDMA：用于跨模态语义通信的自适应令牌选择和令牌域多址接入

Sachin Kadam, Dong In Kim

专题命中 感知 ：occupancy(abstract)

AI总结 针对语义通信系统效率问题，提出ATS-ToDMA框架，通过联合进行语义令牌选择、干扰感知调度和语义感知功率分配，引入SSINR指标，开发调度器，推导分析边界，相比基准有性能提升。

Comments 13 pages, 9 figures. Submitted to a journal, under review

Support of Teleoperated Driving with 5G Networks

基于5G网络的远程驾驶支持

M. Carmen Lucas-Estañ, Baldomero Coll-Perales, Mohammad Irfan Khan, Sergei S. Avedisov, Onur Altintas, Javier Gozalvez, Miguel Sepulcre

专题命中 感知 ：autonomous driving(abstract)

AI总结 研究5G网络支持远程驾驶的可行性，发现其依赖于带宽和TDD帧结构，且车辆数量增加需降低视频码率，集中式部署可能难以满足严苛延迟要求。

Journal ref Proceedings of the 2023 IEEE 98th Vehicular Technology Conference (VTC2023-Fall), 2023, pp. 1-5

Failure-Based Testing for Deep Reinforcement Learning Agents

基于失败的深度强化学习智能体测试方法

Weibin Lin, Jiangtao Meng, Zheng Zheng

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对深度强化学习智能体测试中奖励信号失效的问题，提出一种基于任务失败洞察的黑盒测试方法PRT，通过优先测试高难度任务来提升故障检测效率，在四个基准上测试成本降低超50%。

Comments 22 pages