自动驾驶

Diverse and Adaptive Behavior Curriculum for Autonomous Driving: A Student-Teacher Framework with Multi-Agent RL

多样化和适应性行为课程：用于自动驾驶的Student-Teacher框架与多智能体强化学习

Ahmed Abouelazm, Johannes Ratz, Philip Schörner, J. Marius Zöllner

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

专题命中 感知 ：autonomous driving(title,abstract)；end-to-end driving(abstract)；分类 cs.RO

AI总结 本文提出了一种学生-教师框架，通过自适应课程学习生成多样化交通行为，提升自动驾驶的鲁棒性和泛化能力。

Comments First and Second authors contributed equally; Paper accepted in IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025)

Temporal Misalignment Attacks against Multimodal Perception in Autonomous Driving

针对自动驾驶多模态感知的时序错位攻击

Md Hasan Shahriar, Md Mohaimin Al Barat, Harshavardhan Sundar, Ning Zhang, Naren Ramakrishnan, Y. Thomas Hou, Wenjing Lou

机构 * Amazon.com, Inc.（亚马逊公司） ； Washington University in St. Louis（华盛顿大学） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；LiDAR(abstract)

AI总结 本文提出DejaVu攻击，通过制造时序错位破坏自动驾驶多模态感知，导致目标检测和跟踪性能显著下降。

Comments 19 pages, 18 Figures

Modeling and Measuring Redundancy in Multisource Multimodal Data for Autonomous Driving

多源多模态数据中冗余建模与测量用于自动驾驶

Yuhan Zhou, Mehri Sattari, Haihua Chen, Kewei Sha

机构 * Dept. of Information Science University of North Texas Denton, Texas, USA（信息科学系 诺克斯维尔大学 德顿, 德克萨斯州, 美国） ； Dept. of Data Science University of North Texas Denton, Texas, USA（数据科学系 诺克斯维尔大学 德顿, 德克萨斯州, 美国） 纠错

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

AI总结 本文研究了自动驾驶中多源多模态数据的冗余问题，通过实验展示了删除冗余标签对目标检测性能的提升作用，并揭示了数据质量与性能之间的直接联系。

Comments This paper has been accepted by the Fourth IEEE International Conference on Mobility: Operations, Services, and Technologies (MOST) 2026

OD-RASE: Ontology-Driven Risk Assessment and Safety Enhancement for Autonomous Driving

基于本体的风险评估与安全增强：面向自动驾驶

Kota Shimomura, Masaki Nambata, Atsuya Ishikawa, Ryota Mimura, Takayuki Kawabuchi, Takayoshi Yamashita, Koki Inoue

机构 * Chubu University（楚鸟大学） ； Elith Inc.（Elith公司） ； Honda R&D Co., Ltd.（本田研发公司） 纠错

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

AI总结 OD-RASE通过本体驱动的数据过滤和视觉语言模型生成，提升自动驾驶系统对事故诱因道路结构的预测和改进能力，增强交通环境的安全性。

Comments Accepted ICCV2025

Post Fusion Bird's Eye View Feature Stabilization for Robust Multimodal 3D Detection

融合后鸟瞰图特征稳定化用于鲁棒多模态3D检测

Trung Tien Dong, Dev Thakkar, Arman Sargolzaei, Xiaomin Lin

机构 * Department of Electrical Engineering, University of South Florida（佛罗里达州立大学电气工程系） ； Department of Mechanical Engineering, University of South Florida（佛罗里达州立大学机械工程系） 纠错

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

AI总结 本文提出了一种轻量级模块PFS，通过稳定特征统计、抑制传感器退化区域和残差校正，提升多模态3D检测在域转移和传感器故障下的鲁棒性。

OmniDP: Beyond-FOV Large-Workspace Humanoid Manipulation with Omnidirectional 3D Perception

OmniDP: 在超广角大工作空间中实现人形机器人的全方位3D感知

Pei Qu, Zheng Li, Yufei Jia, Ziyun Liu, Liang Zhu, Haoang Li, Jinni Zhou, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 OmniDP通过360度全景点云感知和时间感知注意力池化机制，实现人形机器人在大工作空间中的稳健操作，优于传统深度相机方法。

Comments 8 pages, 6 figures

Beyond Flat Unknown Labels in Open-World Object Detection

超越开放世界中模糊未知标签的物体检测

Yuchen Zhang, Yao Lu, Johannes Betz

机构 * AVS Lab, Technical University of Munich（慕尼黑技术大学avs实验室） 纠错

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

AI总结 本文提出BOUND，一种开放世界物体检测器，通过推断未知物体的粗粒度类别提升检测性能，同时实现结构化的层次分类。

Comments 8 pages, 3 figures

TaPD: Temporal-adaptive Progressive Distillation for Observation-Adaptive Trajectory Forecasting in Autonomous Driving

TaPD: 基于时间自适应的渐进蒸馏用于自动驾驶中的观测自适应轨迹预测

Mingyu Fan, Yi Liu, Hao Zhou, Deheng Qian, Mohammad Haziq Khan, Matthias Raetsch

机构 * College of Information and Intelligent Science, Donghua University（信息与智能科学学院，东华大学） ； School of Computing and Information Technology, Great Bay Institute for Advanced Study/Great Bay University（计算与信息技术学院，大澳研究院/大澳大学） ； Chongqing Chang’an Technology Co., Ltd（重庆长安科技有限公司） ； ViSiR, Reutlingen University（ViSiR，鲁特大学） 纠错

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

AI总结 TaPD通过时间自适应渐进蒸馏方法，实现观测自适应的轨迹预测，提升短历史观测下的预测性能。

Multi-Robot Trajectory Planning via Constrained Bayesian Optimization and Local Cost Map Learning with STL-Based Conflict Resolution

多机器人轨迹规划通过约束贝叶斯优化与局部成本图学习及基于STL的冲突解决

Sourav Raxit, Abdullah Al Redwan Newaz, Jose Fuentes, Paulo Padrao, Ana Cavalcanti, Leonardo Bobadilla

机构 * Department of Computer Science, University of New Orleans（计算机科学系，新奥尔良大学） ； Knight Foundation School of Computing and Information Sciences, Florida International University（骑士基金会计算与信息科学学院，佛罗里达国际大学） ； Providence College, Department of Mathematics & Computer Science（普罗维登斯学院，数学与计算机科学系） 纠错

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

AI总结 本文提出一种结合约束贝叶斯优化与STL冲突解决的多机器人轨迹规划方法，提升轨迹效率和安全性。

Comments Accepted to ICRA 2026

RAG-Driver: Generalisable Driving Explanations with Retrieval-Augmented In-Context Learning in Multi-Modal Large Language Model

RAG-Driver: 多模态大语言模型中基于检索的可泛化驾驶解释

Jianhao Yuan, Shuyang Sun, Daniel Omeiza, Bo Zhao, Paul Newman, Lars Kunze, Matthew Gadd

机构 * University of Oxford（牛津大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

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

AI总结 RAG-Driver通过检索增强的上下文学习，实现高性能、可解释和可泛化的自动驾驶系统。

Comments 14 pages, 6 figures

Journal ref Robotics: Science and Systems (RSS) 2024

Safe Autonomous Lane Changing: Planning with Dynamic Risk Fields and Time-Varying Convex Space Generation

安全的自动驾驶变道：基于动态风险场和时间变化凸空间的规划

Yijun Lu, Zhihao Lin, Zhen Tian

机构 * Waseda University（早稻田大学） ； James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院） 纠错

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

AI总结 本文提出基于动态风险场和时间变化凸空间的轨迹规划方法，通过整合风险感知与碰撞避免，实现安全高效的自动驾驶变道。

Data-Driven Bed Capacity Planning Using $M_t/G_t/\infty$ Queueing Models with an Application to Neonatal Intensive Care Units

基于 $M_t/G_t/\infty$ 队列模型的数据驱动床容量规划及其在新生儿重症监护室的应用

Maryam Akbari-Moghaddam, Douglas G. Down, Na Li, Catherine Eastwood, Ayman Abou Mehrem, Alexandra Howlett

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出基于 $M_t/G_t/\infty$ 队列模型的数据驱动方法，用于ICU床位容量规划，通过分析LOS变化和时间波动，提升床位需求预测的准确性。

Comments This paper has been submitted to the Operations Research, Data Analytics and Logistics journal

FreeOcc: Training-free Panoptic Occupancy Prediction via Foundation Models

FreeOcc: 通过基础模型实现无训练的全景占用预测

Andrew Caunes, Thierry Chateau, Vincent Fremont

机构 * Logiroad, Nantes, France（法国南特Logiroad） ； LS2N - Ecole Centrale de Nantes, France（法国南特中央理工LS2N） 纠错

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

AI总结 FreeOcc通过基础模型实现无训练的全景占用预测，无需学习3D模型即可生成实例感知的3D场景表示。

Comments 14 pages

Nonlinear Terahertz Electroluminescence from Dirac Landau Polaritons

非线性太赫兹电发光来自狄拉克Landau极子

B. Benhamou-Bui, C. Consejo, S. S. Krishtopenko, S. Ruffenach, C. Bray, J. Torres, J. Dzian, F. Le Mardelé, A. Pagot, X. Baudry, S. V. Morozov, N. N. Mikhailov, S. A. Dvoretskii, B. Jouault, P. Ballet, M. Orlita, C. Ciuti, F. Teppe

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究通过太赫兹磁反射率光谱观测到狄拉克Landau极子，并发现其非线性电发光特性，揭示了极子在上分支的强耦合与高占率。

Comments Manuscript and Supplementary Materials

Journal ref Phys. Rev. Lett. 136, 096902 (2026)

Transforming Omnidirectional RGB-LiDAR data into 3D Gaussian Splatting

将全方位RGB-LiDAR数据转换为3D高斯散点

Semin Bae, Hansol Lim, Jongseong Brad Choi

机构 * Department of Computer Science, State University of New York（计算机科学系，纽约州立大学） ； Department of Mechanical Engineering, State University of New York（机械工程系，纽约州立大学） 纠错

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

AI总结 本文提出了一种将全方位RGB-LiDAR数据转换为3D高斯散点的重用管道，解决数据处理中的非线性失真和计算开销问题，提升复杂场景的渲染保真度。

Comments This work has been submitted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) for possible publication

Spatial Calibration of Diffuse LiDARs

扩散式时间飞行激光雷达的空间校准

Nikhil Behari, Ramesh Raskar

机构 * MIT（麻省理工学院） 纠错

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

AI总结 本文提出了一种扩散式时间飞行激光雷达的空间校准方法，通过恢复每像素响应图实现激光雷达与 RGB 的跨模态对齐与融合。

Indoor Space Authentication by ISS-based Keypoint Extraction from 3D Point Clouds

基于3D点云的内在形状特征提取的室内空间认证

Yuki Yamada, Daisuke Kotani, Kota Tsubouchi, Hidehito Gomi, Yasuo Okabe

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 ISS-RegAuth通过稀疏关键点提取实现轻量级室内空间认证，降低误差率和数据传输量，提升隐私保护与边缘部署能力。

Comments Accepted in IEEE PerCom 2026 as a Work-in-Progress paper

CFEAR-Teach-and-Repeat: Fast and Accurate Radar-only Localization

CFEAR-Teach-and-Repeat：快速且准确的仅雷达定位

Maximilian Hilger, Daniel Adolfsson, Ralf Becker, Henrik Andreasson, Achim J. Lilienthal

机构 * Chair of Perception for Intelligent Systems, Munich Institute of Robotics and Machine Intelligence, Technical University of Munich（感知智能系统教授团，慕尼黑机器人与机器智能研究所，慕尼黑技术大学） ； Robot Navigation and Perception Lab of the AASS Research Center, Örebro University（AASS研究中心机器人导航与感知实验室，奥雷布罗大学） ； Bosch Rexroth, Germany（德国博世· Rexroth公司） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO

AI总结 CFEAR-TR利用单个雷达实现快速且准确的仅雷达定位，精度达0.117米和0.096度，比先前方法提升63%，在恶劣天气下表现优异。

Comments This paper has been accepted for publication in the IEEE International Conference on Robotics and Automation (ICRA), 2026

Rethinking the Mixture of Vision Encoders Paradigm for Enhanced Visual Understanding in Multimodal LLMs

重新思考多模态大语言模型中视觉编码器混合范式以提升视觉理解

Mozhgan Nasr Azadani, James Riddell, Sean Sedwards, Krzysztof Czarnecki

机构 * University of Waterloo（滑铁卢大学） 纠错

专题命中 多传感器融合 ：autonomous driving(abstract)；分类 cs.CV

AI总结 LEO通过轻量级融合设计提升多模态大语言模型的视觉理解能力，并在自动驾驶领域展现良好泛化性能。

Comments Accepted by TMLR

CAPS: Context-Aware Priority Sampling for Enhanced Imitation Learning in Autonomous Driving

CAPS：基于上下文的优先级采样以增强自动驾驶中的模仿学习

Hamidreza Mirkhani, Behzad Khamidehi, Ehsan Ahmadi, Mohammed Elmahgiubi, Weize Zhang, Fazel Arasteh, Umar Rajguru, Kasra Rezaee, Dongfeng Bai

机构 * Noah’s Ark Lab, Huawei Technologies Canada（华为加拿大技术有限公司诺亚实验室） 纠错

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

AI总结 CAPS通过上下文感知优先级采样提升自动驾驶模仿学习的数据效率，通过聚类重新平衡数据集以提高模型泛化能力。

Comments Accepted at IEEE International Conference on Robotics & Automation (ICRA 2026)

Bridging Simulation and Usability: A User-Friendly Framework for Scenario Generation in CARLA

连接仿真与可用性：一种用户友好的场景生成框架

Ahmed Abouelazm, Mohammad Mahmoud, Conrad Walter, Oleksandr Shchetsura, Erne Hussong, Helen Gremmelmaier, J. Marius Zöllner

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（卡尔斯鲁厄理工学院） 纠错

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

AI总结 本文提出一种用户友好的无代码场景生成框架，通过图形界面降低门槛，支持手动和自动场景生成，提升自动驾驶系统验证的效率和可访问性。

Comments Paper is accepted in IEEE International Automated Vehicle Validation Conference (IAVVC 2025)

Chemical Reaction Engineering and Catalysis: AI/ML Workflows and Self-Driving Laboratories

化学反应工程与催化：AI/ML工作流程与自动驾驶实验室

Rigoberto Advincula, Jihua Chen

专题命中 其他自动驾驶 ：self-driving(title,abstract)

AI总结 本文提出利用AI/ML工作流程和自动驾驶实验室，推动催化科学与化学反应工程的智能化发展。

Comments 29 pages, 9 figures