自动驾驶

Foundation Models for Trajectory Planning in Autonomous Driving: A Review of Progress and Open Challenges

自动驾驶轨迹规划中的基础模型：进展与开放挑战综述

Kemal Oksuz, Alexandru Buburuzan, Anthony Knittel, Yuhan Yao, Puneet K. Dokania

机构 * Five AI Ltd.（Five AI有限公司） ； Robert Bosch GmbH（罗伯特·博世有限公司） ； United Kingdom（英国） 纠错

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

AI总结 本文综述了自动驾驶中基于基础模型的轨迹规划方法，分析了其架构设计、方法优势及局限性，并评估了37种最新方法的代码和数据集开放性。

Comments Accepted to TMLR (Survey Certification)

Fusing Driver Perceived and Physical Risk for Safety Critical Scenario Screening in Autonomous Driving

融合驾驶员感知与物理风险用于自动驾驶安全关键场景筛选

Chen Xiong, Ziwen Wang, Deqi Wang, Cheng Wang, Yiyang Chen, He Zhang, Chao Gou

机构 * Guangdong Provincial Key Laboratory of Intelligent Transportation System, School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（广东省智能交通系统重点实验室，智能系统工程学院，中山大学深圳校区） ； school of Transportation and Logistics, Southwest Jiaotong University（交通运输与物流学院，西南交通大学） 纠错

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

AI总结 本文提出一种融合驾驶员风险的危险场景筛选方法，通过改进的驾驶员风险场和动态成本模型生成高质量风险监督信号，提升自动驾驶中安全关键场景的筛选效率与准确性。

RTD-RAX: Fast, Safe Trajectory Planning for Systems under Unknown Disturbances

RTD-RAX：在未知扰动下快速安全的轨迹规划

Evanns Morales-Cuadrado, Long Kiu Chung, Shreyas Kousik, Samuel Coogan

机构 * Georgia Institute of Technology（佐治亚理工学院） ； School of Electrical and Computer Engineering（电子与计算机工程学院） ； School of Mechanical Engineering（机械工程学院） ； School of Civil and Environmental Engineering（土木与环境工程学院） 纠错

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

AI总结 RTD-RAX通过非保守的RTD方法快速生成目标导向候选轨迹，并利用混合单调可达性实现快速扰动感知在线安全认证，确保在实时不确定环境下轨迹安全。

Implicit Maximum Likelihood Estimation for Real-time Generative Model Predictive Control

隐式最大似然估计用于实时生成模型预测控制

Grayson Lee, Minh Bui, Shuzi Zhou, Yankai Li, Mo Chen, Ke Li

机构 * School of Computing Science, Simon Fraser University（计算科学系，西蒙弗雷泽大学） 纠错

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

AI总结 本文提出隐式最大似然估计（IMLE）作为生成模型的替代方法，实现快速推理和强模式覆盖，适用于实时MPC任务。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026

DexDrummer: In-Hand, Contact-Rich, and Long-Horizon Dexterous Robot Drumming

DexDrummer: 手持式、接触密集且长周期的灵巧机器人敲击

Hung-Chieh Fang, Amber Xie, Jennifer Grannen, Kenneth Llontop, Dorsa Sadigh

机构 * Stanford University（斯坦福大学） ； National Taiwan University（国立台湾大学） 纠错

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

AI总结 本文提出DexDrummer，通过模拟训练实现多手灵巧敲击，解决手持、接触密集和长周期操控难题，展示在模拟和现实中的优越性能。

Comments Website: https://dexdrummer.github.io/

Feasibility of Augmented Reality-Guided Robotic Ultrasound with Cone-Beam CT Integration for Spine Procedures

增强现实引导的机器人超声与锥束CT整合在脊柱手术中的可行性

Tianyu Song, Felix Pabst, Feng Li, Yordanka Velikova, Miruna-Alexandra Gafencu, Yuan Bi, Ulrich Eck, Nassir Navab

机构 * Chair for Computer Aided Medical Procedures(CAMP), Technical University of Munich(TUM)（计算机辅助医疗程序系（CAMP），慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

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

AI总结 本文提出一种基于光学透视增强现实的机器人系统，结合锥束CT与超声成像，提升脊柱手术中针具定位的准确性和效率，降低认知负荷。

Comments 8 pages, 7 figures

Spatio-Temporal Attention Enhanced Multi-Agent DRL for UAV-Assisted Wireless Networks with Limited Communications

时空注意力增强的多智能体深度强化学习用于受限制通信的无人机辅助无线网络

Che Chen, Lanhua Li, Shimin Gong, Yu Zhao, Yuming Fang, Dusit Niyato

机构 * School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学智能系统工程学院深圳校区） ； Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai)（广东海洋工程科学实验室（珠海）） ； Department of Equipment Management and Unmanned Aerial Vehicle Engineering, Air Force Engineering University（空军工程大学装备管理与无人机工程系） ； School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） 纠错

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

AI总结 本文提出一种延迟容忍的多智能体深度强化学习算法，结合延迟惩罚奖励促进无人机间信息共享，并优化轨迹规划、网络形成和传输控制策略，同时采用时空注意力预测方法恢复丢失信息，提升网络容量和吞吐量。

GaussianSSC: Triplane-Guided Directional Gaussian Fields for 3D Semantic Completion

GaussianSSC：基于三平面的定向高斯场用于3D语义补全

Ruiqi Xian, Jing Liang, He Yin, Xuewei Qi, Dinesh Manocha

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

AI总结 本文提出GaussianSSC，一种两阶段、基于网格和三平面引导的语义场景补全方法，通过高斯场提升语义补全效果，改进单目占用估计并提升三平面特征精度。

Learning to Sample: Reinforcement Learning-Guided Sampling for Autonomous Vehicle Motion Planning

学习采样：强化学习引导的自主车辆运动规划采样

Korbinian Moller, Roland Stroop, Mattia Piccinini, Alexander Langmann, Johannes Betz

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

AI总结 本文提出一种结合强化学习的采样方法，用于提升自动驾驶车辆在复杂城市环境中的运动规划效率与可靠性。

Comments 8 pages, submitted to the IEEE for possible publication

AERO-MPPI: Anchor-Guided Ensemble Trajectory Optimization for Agile Mapless Drone Navigation

AERO-MPPI：基于锚点的轨迹优化用于无地图无人机敏捷导航

Xin Chen, Rui Huang, Longbin Tang, Lin Zhao

机构 * Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电子与计算机工程系） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出AERO-MPPI框架，通过GPU加速统一感知与规划，利用多分辨率LiDAR点云提取锚点，构建多项式轨迹引导，提升无人机在复杂环境中的敏捷导航能力。

Comments Accepted by ICRA 2026

High-Speed, All-Terrain Autonomy: Ensuring Safety at the Limits of Mobility

高速全地形自主性：在移动极限下的安全性保证

James R. Baxter, Bogdan I. Epureanu, Paramsothy Jayakumar, Tulga Ersal

机构 * Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系） ； U.S. Army Ground Vehicle Systems Center（美国陆军地面车辆系统中心） 纠错

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

AI总结 本文提出一种新型局部轨迹规划器，通过能量约束实现高速越野车辆在复杂地形中的安全行驶，通过仿真和实验证明其在极端场景下的有效性。

Comments 19 pages, 16 figures, submitted to IEEE Transactions on Robotics

DQN Based Joint UAV Trajectory and Association Planning in NTN Assisted Networks

基于DQN的NTN辅助网络中无人机轨迹与关联规划

Afsoon Alidadi Shamsabadi, Cosmas Mwaba, Thomas Nugent, Jie Gao, Pablo Madoery, Halim Yanikomeroglu, Subhadeep Pal

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 本文提出基于DQN的联合无人机轨迹与关联规划算法，旨在降低能耗、减少切换频率和断连问题，通过整合地球静止轨道网络架构实现无缝无人机连接。

Privacy-Preserving Formation Control for Networked Underactuated USVs: A Passivity-Based Approach

隐私保护的网络化欠驱动USV编队控制：基于被动性的方法

Jingyi Zhao, Wenxuan Wang, Weijun Zhou, Yongxin Wu, Yuhu Wu, Yann Le Gorrec

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 本文研究了在严格隐私要求下多无人水面舰艇的协同轨迹规划与跟踪控制，采用估计的舰队质心作为唯一共享变量，实现编队协调与隐私保护。基于此机制，为舰队生成编队轨迹，利用端口哈密顿系统建模集体动力学，并为每个USV设计基于被动性的跟踪控制器，通过实验验证了系统稳定性和有效编队跟踪。

Understanding Behavior Cloning with Action Quantization

通过动作量化理解行为克隆

Haoqun Cao, Tengyang Xie

机构 * Department of Computer Sciences, University of Wisconsin–Madison, Madison, WI, USA（威斯康星大学麦迪逊分校计算机科学系） 纠错

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文研究行为克隆中动作量化的影响，分析量化误差传播与统计样本复杂度的相互作用，证明量化行为克隆在稳定动态和概率光滑性条件下可达到最优样本复杂度，提出基于模型的增强方法以改进误差界。