自动驾驶

PRAM-R: A Perception-Reasoning-Action-Memory Framework with LLM-Guided Modality Routing for Adaptive Autonomous Driving

PRAM-R：一种具有LLM引导模态路由的感知-推理-行动-记忆框架，用于自适应自动驾驶

Yi Zhang, Xian Zhang, Saisi Zhao, Yinglei Song, Chengdong Wu, Nenad Petrovic, Alois Knoll

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

AI总结 PRAM-R通过LLM引导的模态路由和分层记忆模块，实现高效自适应的多模态感知，提升自动驾驶的稳定性和效率。

Extremely Simple Multimodal Outlier Synthesis for Out-of-Distribution Detection and Segmentation

极简多模态异常合成用于分布外检测与分割

Moru Liu, Hao Dong, Jessica Kelly, Olga Fink, Mario Trapp

机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zürich（苏黎世联邦理工学院） ； Fraunhofer IKS（弗劳恩霍夫研究所） ； EPFL（苏黎世联邦理工学院） 纠错

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

AI总结 本文提出极简多模态异常合成方法Feature Mixing，通过理论支持提升OOD检测性能，实验表明其在多个数据集上达到最优效果，速度提升显著。

Comments NeurIPS 2025

A Self-Supervised Learning Approach with Differentiable Optimization for UAV Trajectory Planning

一种结合可微优化的自监督学习方法用于无人机轨迹规划

Yufei Jiang, Yuanzhu Zhan, Harsh Vardhan Gupta, Chinmay Borde, Junyi Geng

机构 * Department of Aerospace Engineering, Pennsylvania State University（宾夕法尼亚州立大学航空航天工程系） ； Department of Engineering and Applied Science, University at Buffalo（布法罗大学工程与应用科学系） 纠错

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

AI总结 本文提出了一种结合可微优化的自监督学习方法，用于在三维环境中提升无人机轨迹规划的效率和鲁棒性。

Comments Accepted by ICRA 2026

TPK: Trustworthy Trajectory Prediction Integrating Prior Knowledge For Interpretability and Kinematic Feasibility

TPK: 通过整合先验知识实现可解释性和运动学可行性轨迹预测

Marius Baden, Ahmed Abouelazm, Christian Hubschneider, Yin Wu, Daniel Slieter, J. Marius Zöllner

机构 * FZI Research Center for Information Technology（弗赖堡信息科技研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； CARIAD SE 纠错

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

AI总结 TPK通过整合车辆、行人和自行车的交互和运动学先验知识，提高轨迹预测的可解释性和物理可行性。

Comments First and Second authors contributed equally; Accepted in the 36th IEEE Intelligent Vehicles Symposium (IV 2025) for oral presentation; Winner of the best paper award

Perception-Aware Time-Optimal Planning for Quadrotor Waypoint Flight

四旋翼航点飞行的感知感知时间最优规划

Chao Qin, Jiaxu Xing, Rudolf Reiter, Angel Romero, Yifan Lin, Hugh H. -T. Liu, Davide Scaramuzza

机构 * University of Toronto Institute for Aerospace Studies (UTIAS)（多伦多大学航空航天研究所在加拿大） ； Robotics and Perception Group（机器人与感知组） 纠错

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

AI总结 本文提出了一种感知意识时间最优轨迹优化框架，结合动力学、视觉约束和环境几何，提升四旋翼飞行的感知可靠性与效率。

AutoQD: Automatic Discovery of Diverse Behaviors with Quality-Diversity Optimization

AutoQD: 利用质量-多样性优化自动发现多样化行为

Saeed Hedayatian, Stefanos Nikolaidis

机构 * University of Southern California（南加州大学） ； Archimedes AI 纠错

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

AI总结 AutoQD通过自动生成行为描述符，利用随机傅里叶特征近似MMD，实现无需预定义描述符的多样化策略发现。

Comments Accepted to ICLR 2026

In vitro binding energies capture Klf4 occupancy across the human genome

体外结合能量捕捉Klf4在人类基因组中的占据情况

Anne Schwager, Jonas Neipel, Yahor Savich, Douglas Diehl, Frank Jülicher, Anthony A. Hyman, Stephan W. Grill

专题命中 BEV与占用 ：occupancy(title,abstract)

AI总结 该研究通过体外测量Klf4与DNA序列的结合能量，结合线性模型与Ising模型，揭示了Klf4在人类基因组中的结合模式及预测其占据情况。

Comments A.S., J.N., and Y.S. contributed equally to this work. Update 2025/03: correction of a few typos

Radar-based Pose Optimization for HD Map Generation from Noisy Multi-Drive Vehicle Fleet Data

基于雷达的姿态优化用于从噪声多车车队数据生成HD地图

Alexander Blumberg, Jonas Merkert, Christoph Stiller

机构 * Institute of Measurement and Control Systems, Karlsruhe Institute of Technology (KIT)（测量与控制系统研究所，卡尔斯鲁厄理工学院） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；occupancy(abstract)；分类 cs.RO

AI总结 本文提出基于雷达的姿态优化方法，用于从噪声多车车队数据生成高精度地图，通过姿态图优化提升地图精度和特征清晰度。

Comments Accepted for the 37th IEEE Intelligent Vehicles Symposium (IV 2026), 7 pages

Map-Agnostic And Interactive Safety-Critical Scenario Generation via Multi-Objective Tree Search

基于多目标树搜索的无地图交互式安全关键场景生成

Wenyun Li, Zejian Deng, Chen Sun

机构 * Department of Mathematics, The University of Hong Kong (HKU)（香港大学数学系） ； Department of Data and Systems Engineering, HKU（香港大学数据与系统工程系） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.RO

AI总结 本文提出一种基于多目标树搜索的无地图交互式安全关键场景生成方法，通过统一评估函数平衡探索与风险，生成真实且多样化的碰撞事件以提升自动驾驶系统的鲁棒性。

Efficient shortcuts-to-adiabaticity for loading an ultracold Fermi gas into higher orbital bands of one-dimensional optical lattice

高效实现费米冷原子气体加载到一维光晶格更高轨道带的捷径

Hang Yu, Haoyi Zhang, Bolong Jiao, Qinxuan Peng, Liao Sun, Jiaming Li, Le Luo

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究提出了一种高效方法，通过优化晶格相位和动量分布，提升费米冷原子气体在光晶格中加载到更高轨道带的效率。

Comments 9 pages, 8 figures

LiDAR Prompted Spatio-Temporal Multi-View Stereo for Autonomous Driving

LiDAR驱动的时空多视角立体摄影用于自动驾驶

Qihao Sun, Jiarun Liu, Ziqian Ni, Jianyun Xu, Tao Xie, Lijun Zhao, Ruifeng Li, Sheng Yang

机构 * Unmanned Vehicle Dept., CaiNiao Inc., Alibaba Group（无人车辆部门， Cainiao Inc.，阿里巴巴集团） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 激光雷达 ：autonomous driving(title,abstract)；LiDAR(title,abstract)；driving perception(abstract)；分类 cs.CV

AI总结 LiDAR驱动的时空多视角立体摄影框架DriveMVS通过几何提示和深度融合提升自动驾驶的度量精度和跨领域泛化能力。

GSeg3D: A High-Precision Grid-Based Algorithm for Safety-Critical Ground Segmentation in LiDAR Point Clouds

GSeg3D：一种高精度基于网格的算法，用于激光雷达点云中的安全关键地面分割

Muhammad Haider Khan Lodhi, Christoph Hertzberg

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） 纠错

专题命中 激光雷达 ：LiDAR(title)；autonomous driving(abstract)；分类 cs.RO

AI总结 GSeg3D提出了一种高精度基于网格的地面分割算法，以满足自动驾驶和机器人在安全关键场景中的高精度需求。

Fusion of Visual-Inertial Odometry with LiDAR Relative Localization for Cooperative Guidance of a Micro-Scale Aerial Vehicle

融合视觉惯性里程计与LiDAR相对定位以实现微尺度空中车辆的协同引导

Václav Pritzl, Matouš Vrba, Petr Štěpán, Martin Saska

机构 * Multi-robot Systems Group, Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague, Technick\'a 2, Prague, 166 27, Czech Republic 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO

AI总结 本文提出融合视觉惯性里程计与LiDAR相对定位的协同导航方法，用于引导微型无人机，实现高精度轨迹跟踪和漂移抑制。

Comments Accepted version

Journal ref IEEE Access, vol. 14, pp. 31269-31285, 2026

SaFeR: Safety-Critical Scenario Generation for Autonomous Driving Test via Feasibility-Constrained Token Resampling

SaFeR：通过可行性约束的令牌重采样实现自动驾驶测试的安全关键场景生成

Jinlong Cui, Fenghua Liang, Guo Yang, Chengcheng Tang, Jianxun Cui

机构 * School of Traffic and Transportation, Harbin Institute of Technology（哈尔滨工业大学交通学院） ； Chongqing Research Institute of HIT（哈尔滨工业大学重庆研究所） ； Chongqing Changan Automobile Company Ltd（重庆长安汽车有限公司） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

AI总结 SaFeR通过可行性约束的令牌重采样生成安全关键场景，提升自动驾驶测试的对抗性和现实性

Scriboora: Rethinking Human Pose Forecasting

Scriboora：重新思考人体姿态预测

Daniel Bermuth, Alexander Poeppel, Wolfgang Reif

机构 * University of Augsburg（奥尔堡大学） 纠错

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

AI总结 Scriboora通过类比语音理解任务，改进姿态预测性能，并引入噪声数据集评估模型鲁棒性。

A Review of Reward Functions for Reinforcement Learning in the context of Autonomous Driving

强化学习在自动驾驶领域的奖励函数综述

Ahmed Abouelazm, Jonas Michel, J. Marius Zoellner

机构 * FZI Research Center for Information Technology（弗劳恩霍夫研究所信息技术研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄大学） 纠错

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

AI总结 本文综述了强化学习在自动驾驶中奖励函数的设计，分析了不同方法的优缺点，并提出了未来研究方向，如奖励验证框架和情境感知奖励。

Comments Accepted at the 35th IEEE Intelligent Vehicles Symposium (IV 2024)