自动驾驶

PoseDriver: A Unified Approach to Multi-Category Skeleton Detection for Autonomous Driving

PoseDriver: 多类别骨架检测的统一方法用于自动驾驶

Yasamin Borhani, Taylor Mordan, Yihan Wang, Reyhaneh Hosseininejad, Javad Khoramdel, Alexandre Alahi

机构 * Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院） 纠错

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

AI总结 本文提出PoseDriver框架，通过统一多任务学习实现多类别骨架检测，展示了在车道检测和自行车骨架检测中的高性能表现。

DarkDriving: A Real-World Day and Night Aligned Dataset for Autonomous Driving in the Dark Environment

DarkDriving: 一个用于黑暗环境自动驾驶的真实世界白天和夜晚对齐数据集

Wuqi Wang, Haochen Yang, Baolu Li, Jiaqi Sun, Xiangmo Zhao, Zhigang Xu, Qing Guo, Haigen Min, Tianyun Zhang, Hongkai Yu

机构 * Chang’an University（长安大学） ； Cleveland State University（克利夫兰州立大学） ； A*STAR 纠错

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

AI总结 本文提出DarkDriving数据集，通过自动日夜间轨迹跟踪基于姿态匹配方法，在真实世界封闭测试场收集了9538对精准对齐的图像，用于研究低光照增强技术及自动驾驶检测任务。

Comments 8 pages, 8 figures. Accepted to ICRA 2026

Rotor-Failure-Aware Quadrotors Flight in Unknown Environments

具有旋转故障意识的四旋翼在未知环境中的飞行

Xiaobin Zhou, Miao Wang, Chengao Li, Can Cui, Ruibin Zhang, Yongchao Wang, Chao Xu, Fei Gao

机构 * School of Robotics and Automation, Nanjing University（南京大学机器人与自动化学院） ； Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制系统研究所） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（香港理工大学航空工程系） ； School of Aeronautic Science and Engineering, Beihang University（北航航空科学与工程学院） 纠错

专题命中 感知 ：LiDAR(abstract)；trajectory planning(abstract)；分类 cs.RO

AI总结 本文提出一种具有旋转故障意识的四旋翼导航系统，通过复合故障检测与诊断非线性模型预测控制器和LiDAR平台，在未知复杂环境中实现旋转故障的快速检测与飞行稳定。

VERIA: Verification-Centric Multimodal Instance Augmentation for Long-Tailed 3D Object Detection

VERIA：面向长尾3D目标检测的验证导向多模态实例增强

Jumin Lee, Siyeong Lee, Namil Kim, Sung-Eui Yoon

机构 * KAIST（韩国科学技术院） ； Naver Labs（Naver实验室） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 VERIA通过多模态实例增强方法提升长尾分布下3D目标检测性能，利用基础模型生成同步RGB-LiDAR实例并进行语义与几何验证，改进稀有类别的检测效果。

Towards Stealthy and Effective Backdoor Attacks on Lane Detection: A Naturalistic Data Poisoning Approach

面向车道检测的隐蔽且有效的后门攻击：一种自然数据污染方法

Yifan Liao, Yuxin Cao, Yedi Zhang, Wentao He, Yan Xiao, Xianglong Du, Zhiyong Huang, Jin Song Dong

专题命中 感知 ：autonomous driving(abstract)

AI总结 本文提出DBALD框架，通过自然触发器生成提升车道检测模型的攻击成功率和隐蔽性，实验显示其在四个主流模型上的平均成功率提升10.87%。

Comments Accepted in CVPR'26

Dynamic Neural Potential Field: Online Trajectory Optimization in the Presence of Moving Obstacles

动态神经势场：在移动障碍物存在下的在线轨迹优化

Aleksei Staroverov, Muhammad Alhaddad, Aditya Narendra, Konstantin Mironov, Aleksandr Panov

机构 * Cognitive AI Systems Lab（认知人工智能系统实验室） ； National University of Science and Technology MISIS（科学与技术国立大学MISIS） ； Moscow Independent Research Institute of Artificial Intelligence（莫斯科独立人工智能研究 institutes） ； Ufa University of Science and Technology（乌fa科学与技术大学） 纠错

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

AI总结 本文提出动态神经势场模型，结合传统优化与Transformer预测器，实现高效安全的轨迹优化，在动态环境中表现更优。

Off-Policy Safe Reinforcement Learning with Constrained Optimistic Exploration

基于约束乐观探索的非策略安全强化学习

Guopeng Li, Matthijs T. J. Spaan, Julian F. P. Kooij

机构 * Faculty of Mechanical Engineering（机械工程学院） ； Delft University of Technology（代尔夫特理工大学） ； Faculty of Electrical Engineering, Mathematics and Computer Science（电气工程、数学和计算机科学学院） 纠错

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

AI总结 本文提出COX-Q算法，通过约束乐观探索和保守离线分布价值学习，解决非策略安全强化学习中的约束违反问题，实现在安全关键应用中的高效样本利用和可控数据收集成本。

Comments 21 pages, 9 figures, accepted by ICLR 2026 poster

Robust valley-polarized excitonic Mott states and doublons enabled by stacking-controlled moiré geometry

具有堆叠控制莫尔几何的鲁棒谷极化激发电子Mott态和双子极子

Hao-Tien Chu, Shou-Chien Chiu, Meng-Che Yeh, Yu-Wei Hsieh, Jia-Sian Su, Xiao-Wei Zhang, Jie-Yong Zeng, Po-Chun Huang, Si-Jie Chang, Kenji Watanabe, Takashi Taniguchi, Yunbo Ou, Seth Ariel Tongay, Ting Cao, Chaw-Keong Yong

专题命中 规划控制 ：occupancy(abstract)

AI总结 通过调控堆叠的莫尔几何增强邻近莫尔单元间的激发子排斥作用，稳定了单位填充值的激发电子Mott态，并在低温下保持鲁棒性。

Relaxing Constraints in Anonymous Multi Agent Path Finding for Large Agents

在大尺寸代理中放宽匿名多智能体路径寻找的约束

Stepan Dergachev, Dmitry Avdeev

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

AI总结 本文针对匿名多智能体路径寻找问题，提出了一种在连续空间中放宽代理间最小分离约束的方法，将原本4倍半径的限制降低至2√3倍，同时保持路径安全性和无碰撞的理论性质。

Comments 14 pages, 6 figures

OrbCC: High-Throughput and Low-Latency Data Transport for LEO Satellite Networks

OrbCC：面向低轨卫星网络的高吞吐低时延数据传输

Aiden Valentine, Ian Wakeman, George Parisis

专题命中 规划控制 ：occupancy(abstract)

AI总结 针对低轨卫星网络动态性强、时延波动和丢包等问题，OrbCC通过节点内支持收集每跳拥塞信息，优化缓冲区占用、提升吞吐量并快速响应拥塞热点。

Comments 9 pages, 10 figures

Latent-WAM: Latent World Action Modeling for End-to-End Autonomous Driving

潜在世界动作建模：端到端自动驾驶的潜在世界建模

Linbo Wang, Yupeng Zheng, Qiang Chen, Shiwei Li, Yichen Zhang, Zebin Xing, Qichao Zhang, Xiang Li, Deheng Qian, Pengxuan Yang, Yihang Dong, Ce Hao, Xiaoqing Ye, Junyu han, Yifeng Pan, Dongbin Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Chongqing Chang’an Technology Co., Ltd（重庆长安科技有限公司） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 本文提出Latent-WAM框架，通过空间感知和动态感知的潜在世界表示实现高效端到端自动驾驶，实验显示在NAVSIM v2和HUGSIM上取得新的SOTA结果。

SERA-H: Beyond Native Sentinel Spatial Limits for High-Resolution Canopy Height Mapping

SERA-H：超越原生Sentinel空间限制的高分辨率冠层高度制图

Thomas Boudras, Martin Schwartz, Rasmus Fensholt, Martin Brandt, Ibrahim Fayad, Jean-Pierre Wigneron, Gabriel Belouze, Fajwel Fogel, Philippe Ciais

机构 * organization= Laboratoire des Sciences du Climat et de l’Environnement (LSCE), CEA, CNRS, UVSQ, Université Paris-Saclay , city= Gif-sur-Yvette , country= France ； organization= CNRS \& Département d'Informatique, École Normale Supérieure -- PSL , addressline= 45 Rue d'Ulm , postcode= 75005 , city= Paris , country= France ； organization= Department of Geography ； Geology, University of Copenhagen , addressline= Øster Voldgade 10 , city= Copenhagen , postcode= DK-1350 , country= Denmark ； organization= INRAE, Bordeaux Aquitaine Center , addressline= 71 avenue E. Bourlaux, CS 20032 , postcode= 33882 , city= Villenave d'Ornon , country= France ； organization= Department of Information Systems, University of M\"unster , city= M\"unster , country= Germany 纠错

专题命中 端到端驾驶 ：LiDAR(abstract)；分类 cs.CV

AI总结 SERA-H结合超分辨率模块和时序注意力编码，利用高密度LiDAR生成的冠层高度模型，从Sentinel-1和Sentinel-2时间序列数据中生成2.5米分辨率的高精度冠层高度制图，性能优于传统Sentinel-1/2方法，接近甚至优于商业高分辨率影像方法。

Comments 17 pages, 8 figures, 3 tables

Attack Assessment and Augmented Identity Recognition for Human Skeleton Data

针对人体骨骼数据的攻击评估与增强身份识别

Joseph G. Zalameda, Megan A. Witherow, Alexander M. Glandon, Jose Aguilera, Khan M. Iftekharuddin

机构 * Dept. of ECE（电子工程系） ； Old Dominion University（旧 Dominion 大学） ； Dept. of Computer Science（计算机科学系） ； Amherst College（阿默斯特学院） ； Hampshire County, MA, USA（马萨诸塞州汉普郡县） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出Attack-AAIRS框架，利用真实与合成数据提升HCN-ID模型对未知对抗攻击的鲁棒性，通过生成对抗样本增强模型防御能力，实验显示模型在保持真实数据测试性能的同时提高了对抗攻击的鲁棒性。

Comments 8 pages, 9 figures, 3 tables

Journal ref J. G. Zalameda, M. A. Witherow, A. M. Glandon, J. Aguilera and K. M. Iftekharuddin, "Attack Assessment and Augmented Identity Recognition for Human Skeleton Data," 2023 IJCNN, Gold Coast, Australia, 2023, pp. 1-8

Sensing-Assisted Adaptive Beam Probing with Calibrated Multimodal Priors and Uncertainty-Aware Scheduling

基于校准多模态先验和不确定性感知调度的传感辅助自适应波束探测

Abidemi Orimogunje, Vukan Ninkovic, Ognjen Kundacina, Hyunwoo Park, Sunwoo Kim, Dejan Vukobratovic, Evariste Twahirwa, Gaspard Gashema

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 本文提出一种传感辅助自适应探测策略，利用多模态传感数据校准波束先验，通过深度Q-集合预测波束奖励并结合置信度调度，减少训练开销并提高可靠性。

Comments 5 pages

DIDLM: A SLAM Dataset for Difficult Scenarios Featuring Infrared, Depth Cameras, LIDAR, 4D Radar, and Others under Adverse Weather, Low Light Conditions, and Rough Roads

DIDLM：一种针对困难场景的SLAM数据集，包含红外、深度相机、LIDAR、4D雷达等，在恶劣天气、低光条件和粗糙路面下

Weisheng Gong, Chen He, Kaijie Su, Qingyong Li, Tong Wu, Z. Jane Wang

机构 * School of Information Science and Technology, Northwest University（信息科学与技术学院，西北大学） ； Department of Electrical and Computer Engineering, The University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） 纠错

专题命中 多传感器融合 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出DIDLM数据集，包含红外、深度相机、LIDAR、4D雷达等多传感器数据，用于解决恶劣天气、低光和粗糙路面下的SLAM问题，提供GPS/INS地面真实数据，支持自动驾驶和地面机器人应用。

HortiMulti: A Multi-Sensor Dataset for Localisation and Mapping in Horticultural Polytunnels

HortiMulti：一种用于温室局部化与建图的多传感器数据集

Shuoyuan Xu, Zhipeng Zhong, Tiago Barros, Matthew Coombes, Cristiano Premebida, Hao Wu, Cunjia Liu

机构 * Department of Aeronautical and Automotive Engineering, Loughborough University（航空航天与汽车工程系，洛桑大学） ； Department of Electrical and Computer Engineering, Institute of Systems and Robotics, University of Coimbra（电气与计算机工程系，系统与机器人研究所，科英布拉大学） ； Antobot Ltd, Arise Innovation Hub（Antobot公司，Arise创新中心） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出HortiMulti数据集，用于解决温室环境中局部化与建图的挑战，通过多传感器数据验证现有方法的不足，为农业机器人提供可靠资源。

DriveXQA: Cross-modal Visual Question Answering for Adverse Driving Scene Understanding

DriveXQA: 多模态视觉问答用于恶劣驾驶场景理解

Mingzhe Tao, Ruiping Liu, Junwei Zheng, Yufan Chen, Kedi Ying, M. Saquib Sarfraz, Kailun Yang, Jiaming Zhang, Rainer Stiefelhagen

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Hunan University（湖南大学） ； Mercedes-Benz Tech Innovation（梅赛德斯-奔驰技术创新） 纠错

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

AI总结 本文提出DriveXQA多模态数据集，用于自主驾驶场景中的视觉问答，通过融合多传感器信息提升对异常驾驶场景的理解能力。

Comments Accepted to CVPR DriveX Workshop. Dataset and Code: https://github.com/jtjmd/DRIVEXQA

ROMAN: Reward-Orchestrated Multi-Head Attention Network for Autonomous Driving System Testing

ROMAN：基于奖励协调的多头注意力网络用于自动驾驶系统测试

Jianlei Chi, Yuzhen Wu, Jiaxuan Hou, Xiaodong Zhang, Ming Fan, Suhui Sun, Weijun Dai, Bo Li, Jianguo Sun, Jun Sun

机构 * IEEE Publication Technology Group（IEEE出版技术组） ； Hangzhou Institute of Technology, Xidian University（杭州科技学院，西安电子科技大学） ； Qingdao Port International Co., Ltd.（青岛港口国际有限公司） ； Shandong Port Qingdao Port Group Co., Ltd.（山东港口青岛港集团有限公司） ； University of Science and Technology of China（中国科学技术大学） ； Xi’an Jiaotong University（西安交通大学） ； Singapore Management University（新加坡管理大学） 纠错

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

AI总结 ROMAN通过结合多头注意力网络与交通法规加权机制，生成高风险违规场景，提升自动驾驶系统测试的全面性与针对性。

Comments The manuscript includes 13 pages, 8 tables, and 7 figures

Learning collision risk proactively from naturalistic driving data at scale

从大规模自然驾驶数据中主动学习碰撞风险

Yiru Jiao, Simeon C. Calvert, Sander van Cranenburgh, Hans van Lint

机构 * Department of Transport & Planning（交通与规划系） ； Department of Engineering Systems and Services（工程系统与服务系） ； CityAI lab, Delft University of Technology（代尔夫特理工大学CityAI实验室） 纠错

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

AI总结 本文提出GSSM方法，通过自然驾驶数据主动学习碰撞风险，无需碰撞或风险标签，实现高精度和及时性预警，提升自动驾驶安全。

Comments Officially published in Nature Machine Intelligence. Equation (15) in the previous versions was wrong, which has been corrected since v4