自动驾驶

NRSeg: Noise-Resilient Learning for BEV Semantic Segmentation via Driving World Models

NRSeg: 通过驾驶世界模型实现噪声鲁棒的BEV语义分割学习

Siyu Li, Fei Teng, Yihong Cao, Kailun Yang, Zhiyong Li, Yaonan Wang

机构 * School of Artificial Intelligence and Robotics and the National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（人工智能与机器人学院和机器人视觉感知与控制技术国家工程研究中心，湖南大学） 纠错

专题命中 感知 ：BEV(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV、eess.IV

AI总结 NRSeg通过驾驶世界模型生成的合成数据增强BEV语义分割学习，提出PGCM、BiDPP和HLSE模块以提升模型鲁棒性和分割性能。

Comments Accepted to IEEE Transactions on Image Processing (TIP). The source code will be made publicly available at https://github.com/lynn-yu/NRSeg

An Efficient LiDAR-Camera Fusion Network for Multi-Class 3D Dynamic Object Detection and Trajectory Prediction

一种高效的激光雷达-摄像头融合网络用于多类3D动态物体检测和轨迹预测

Yushen He, Lei Zhao, Tianchen Deng, Zipeng Fang, Weidong Chen

机构 * Institute of Medical Robotics and Department of Automation, Shanghai Jiao Tong University, Key Laboratory of System Control and Information Processing, Ministry of Education（医学机器人研究所和自动化系，上海交通大学，系统控制与信息处理重点实验室，教育部） 纠错

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出了一种高效的激光雷达-摄像头融合网络，用于多类3D动态物体检测与轨迹预测，通过UniMT和RTMCT模型实现高精度检测与多样化轨迹预测。

All-Optical Segmentation via Diffractive Neural Networks for Autonomous Driving

全光学分割 via 光学神经网络用于自动驾驶

Yingjie Li, Daniel Robinson, Weilu Gao, Cunxi Yu

机构 * Simon Fraser University（西蒙·弗雷泽大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Utah（犹他大学） ； University of Maryland, College Park（马里兰大学学院公园分校） 纠错

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

AI总结 本文提出了一种全光学计算框架，利用衍射光学神经网络实现自动驾驶中的图像分割和车道检测，展示了其在CityScapes数据集和模拟场景中的有效性及泛化能力。

Boosting Instance Awareness via Cross-View Correlation with 4D Radar and Camera for 3D Object Detection

通过4D雷达和相机的跨视图相关性提升实例意识

Xiaokai Bai, Lianqing Zheng, Si-Yuan Cao, Xiaohan Zhang, Zhe Wu, Beinan Yu, Fang Wang, Jie Bai, Hui-Liang Shen

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； School of Automotive Studies, Tongji University（同济大学汽车学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Jinhua Institute of Zhejiang University（浙江大学金华研究院） ； School of Information and Electrical Engineering, Hangzhou City University（杭州城市学院信息与电气工程学院） ； Hangzhou City University Binjiang Innovation Center（杭州城市学院滨江创新中心） 纠错

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

AI总结 SIFormer通过结合4D雷达和相机的跨视图相关性，提升3D目标检测中的实例意识，结合两种融合范式的优点，提高检测精度。

Comments 14 pages, 10 figures, 13 tables

VGGDrive: Empowering Vision-Language Models with Cross-View Geometric Grounding for Autonomous Driving

VGGDrive: 通过跨视角几何 grounding 为自动驾驶赋能 Vision-Language 模型

Jie Wang, Guang Li, Zhijian Huang, Chenxu Dang, Hangjun Ye, Yahong Han, Long Chen

机构 * College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学） ； Xiaomi EV（小米汽车） 纠错

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

AI总结 VGGDrive通过引入跨视角几何 grounding 机制，提升Vision-Language模型在自动驾驶任务中的性能表现。

Comments CVPR 2026

Interaction-Aware Model Predictive Decision-Making for Socially-Compliant Autonomous Driving in Mixed Urban Traffic Scenarios

面向混合城市交通场景中社会合规自动驾驶的交互感知模型预测决策

Balint Varga, Thomas Brand, Marcus Schmitz, Ehsan Hashemi

机构 * Institute of Control Systems, Karlsruhe Institute for Technology（控制系统研究所，卡尔斯鲁厄技术学院） ； Wuerzburg Institute for Traffic Sciences GmbH（魏玛交通科学研究所有限公司） ； Faculty of Engineering - Mechanical Engineering Dept, University of Alberta（工程学院-机械工程系，阿尔伯塔大学） 纠错

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

AI总结 本文提出交互感知模型预测决策框架，用于提升自动驾驶在混合城市交通场景中的社会合规性与安全性。

Comments Major Revision

SceMoS: Scene-Aware 3D Human Motion Synthesis by Planning with Geometry-Grounded Tokens

SceMoS：通过基于几何的令牌规划进行场景感知的3D人体运动合成

Anindita Ghosh, Vladislav Golyanik, Taku Komura, Philipp Slusallek, Christian Theobalt, Rishabh Dabral

机构 * DFKI（德累斯顿人工智能研究所） ； MPI for Informatics（信息研究所） ； Saarland Informatics Campus（萨尔州信息校园） ； University of Hong Kong（香港大学） 纠错

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

AI总结 SceMoS通过基于几何的令牌规划，利用2D场景表示实现高效且逼真的3D人体运动合成，减少50%以上可训练参数，提升物理真实性和接触精度。

Comments 13 pages, 6 figures, 4 tables

Efficient Hierarchical Any-Angle Path Planning on Multi-Resolution 3D Grids

高效多分辨率3D网格上的分层任意角度路径规划

Victor Reijgwart, Cesar Cadena, Roland Siegwart, Lionel Ott

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

AI总结 本文提出了一种基于多分辨率表示的高效任意角度路径规划方法，兼顾最优性和完备性，克服了传统搜索方法的计算瓶颈，实验表明其在真实和合成环境中的优越性能。

Comments 12 pages, 9 figures, 4 tables, accepted to RSS 2025, code is open-source: https://github.com/ethz-asl/wavestar

Journal ref Proceedings of Robotics: Science and Systems 2025

Robot Local Planner: A Periodic Sampling-Based Motion Planner with Minimal Waypoints for Home Environments

机器人局部规划器：一种基于周期采样的运动规划器，适用于家庭环境，且使用最少的路径点

Keisuke Takeshita, Takahiro Yamazaki, Tomohiro Ono, Takashi Yamamoto

机构 * Frontier Research Center, Toyota Motor Corporation（丰田汽车公司前沿研究中心） ； Department of Information Science, Faculty of Information Science, Aichi Institute of Technology（爱知技术大学信息科学系） 纠错

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

AI总结 本研究提出了一种基于周期采样的机器人局部规划器，通过减少路径点和提高鲁棒性，实现家庭环境中的高效安全运动规划。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2025. Project Page: https://toyotafrc.github.io/RobotLocalPlanner-Proj/

PegasusFlow: Parallel Rolling-Denoising Score Sampling for Robot Diffusion Planner Flow Matching

PegasusFlow: 并行滚动去噪分数采样用于机器人扩散规划流程匹配

Lei Ye, Haibo Gao, Peng Xu, Zhelin Zhang, Junqi Shan, Ao Zhang, Wei Zhang, Ruyi Zhou, Zongquan Deng, Liang Ding

机构 * State Key Laboratory of Robotics and Systems, Harbin Institute of Technology（机器人系统国家重点实验室，哈尔滨工业大学） 纠错

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

AI总结 PegasusFlow通过并行滚动去噪分数采样方法，实现了无需专家数据的机器人轨迹规划，显著提升了复杂地形中的导航性能。

Comments 8 pages, 7 figures, conference paper

$κ$-Explorer: A Unified Framework for Active Model Estimation in MDPs

$κ$-Explorer: 一个用于MDPs中主动模型估计的统一框架

Xihe Gu, Urbashi Mitra, Tara Javidi

专题命中 规划控制 ：occupancy(abstract)

AI总结 $κ$-Explorer通过统一框架提升MDPs中主动模型估计的效率与精度

DriveMamba: Task-Centric Scalable State Space Model for Efficient End-to-End Autonomous Driving

DriveMamba: 以任务为中心的可扩展状态空间模型用于高效端到端自动驾驶

Haisheng Su, Wei Wu, Feixiang Song, Junjie Zhang, Zhenjie Yang, Junchi Yan

机构 * Sch. of Computer Science & Sch. of Artificial Intelligence, Shanghai Jiao Tong University（计算机学院与人工智能学院，上海交通大学） ； SenseAuto 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；BEV(abstract)；分类 cs.CV

AI总结 DriveMamba通过动态任务关系建模、隐式视角对应学习和长期时间融合，提升端到端自动驾驶的效率与可扩展性。

Comments Accepted to ICLR2026

Efficient and Explainable End-to-End Autonomous Driving via Masked Vision-Language-Action Diffusion

高效的端到端自动驾驶：通过掩码视觉-语言-动作扩散

Jiaru Zhang, Manav Gagvani, Can Cui, Juntong Peng, Ruqi Zhang, Ziran Wang

机构 * Institute for Physical Artificial Intelligence (IPAI), Purdue University（物理人工智能研究所（IPAI）、普渡大学） ； College of Engineering, Purdue University（工程学院、普渡大学） ； Department of Computer Science, Purdue University（计算机科学系、普渡大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 MVLAD-AD通过掩码视觉-语言-动作扩散模型，提升自动驾驶的效率与规划精度，实现高效且可解释的端到端自动驾驶。

Optimizing Occupancy Sensor Placement in Smart Environments

智能环境中的占用传感器布置优化

Hao Lu, Richard J. Radke

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 本文提出了一种基于整数线性规划的自动传感器布置方法，用于优化智能环境中的占用传感器布局，以提高区域计数精度并保护隐私。

Quantum Statistical Mechanics of Electronically Open Molecules: Reduced Density Operators

电子开放分子的量子统计力学：简化的密度算子

Jacob Pedersen, Bendik Støa Sannes, Ida-Marie Høyvik

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出了一种用于电子开放分子的简化的密度算子，解决了费米子偏迹的歧义性，并引入了广义化学势的概念。

An LLM-driven Scenario Generation Pipeline Using an Extended Scenic DSL for Autonomous Driving Safety Validation

基于扩展Scenic DSL的LLM驱动场景生成流水线用于自动驾驶安全验证

Fida Khandaker Safa, Yupeng Jiang, Xi Zheng

专题命中 仿真评测 ：autonomous driving(title,abstract)

AI总结 本文提出基于扩展Scenic DSL和LLM的场景生成流水线，实现高精度自动驾驶安全验证。

UFO: Unifying Feed-Forward and Optimization-based Methods for Large Driving Scene Modeling

UFO: 为大驾驶场景建模统一前馈和基于优化的方法

Kaiyuan Tan, Yingying Shen, Mingfei Tu, Haohui Zhu, Bing Wang, Guang Chen, Hangjun Ye, Haiyang Sun

机构 * Xiaomi EV（小米电动车） ； UIUC（伊利诺伊大学香槟分校） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 UFO通过结合优化和前馈方法，实现了高效长距离4D驾驶场景重建，能够在0.5秒内高质量重建16秒驾驶日志。

Towards Autonomous Driving of Personal Mobility with Small and Noisy Dataset using Tsallis-statistics-based Behavioral Cloning

基于Tsallis统计的行为克隆用于小噪声数据集的个人移动自主驾驶

Taisuke Kobayashi, Takahito Enomoto

机构 * Division of Information Science, Graduate School of Science and Technology, Nara Institute of Science and Technology（信息科学系，科学技术研究生院，奈良科学技术大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 本研究提出基于Tsallis统计的损失函数，用于在小噪声数据集上实现个人移动的自动驾驶，通过改进可视化技术验证驾驶员与控制器的感兴趣区域一致性，实验表明该方法能稳健应对误差并实现自动驾驶。

Comments 11 pages, 12 figures

Journal ref SII2024