自动驾驶

Better Safe Than Sorry: Enhancing Arbitration Graphs for Safe and Robust Autonomous Decision-Making

更安全的选择：增强仲裁图以实现安全和稳健的自主决策

Piotr Spieker, Nick Le Large, Martin Lauer

机构 * dotscene GmbH ； Institute of Measurement and Control Systems, Karlsruhe Institute of Technology (KIT)（测量与控制系统的研究所，卡尔斯鲁厄技术大学（KIT）） 纠错

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

AI总结 本文提出了一种扩展仲裁图框架的方法，通过引入验证步骤和结构化回退层，提高复杂动态环境中自主系统的安全性和鲁棒性，并在Pac-Man模拟和自动驾驶中验证了其有效性。

Comments 7 pages, 5 figures, Presented at 2025 IEEE International Conference on Systems, Man, and Cybernetics (SMC), source code available at github.com/KIT-MRT/arbitration_graphs, v2: Added paragraph discussing the differences between arbitration graphs and behavior trees, v3: Updated version as presented at SMC

GA-Drive: Geometry-Appearance Decoupled Modeling for Free-viewpoint Driving Scene Generation

GA-Drive：用于自由视角驾驶场景生成的几何-外观解耦建模

Hao Zhang, Lue Fan, Qitai Wang, Wenbo Li, Zehuan Wu, Lewei Lu, Zhaoxiang Zhang, Hongsheng Li

机构 * MMLab, CUHK（CUHK的MMLab） ； CASIA ； Shanghai Jiaotong University（上海交通大学） ； SenseTime Research（商汤科技研究院） 纠错

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

AI总结 GA-Drive通过几何-外观解耦和扩散生成技术，生成可编辑的高保真驾驶场景，提升自动驾驶训练和评估的效率与效果。