自动驾驶

EagleVision: A Multi-Task Benchmark for Cross-Domain Perception in High-Speed Autonomous Racing

EagleVision：面向高速自动驾驶赛事的多任务基准测试

Zakhar Yagudin, Murad Mebrahtu, Ren Jin, Jiaqi Huang, Yujia Yue, Dzmitry Tsetserukou, Jorge Dias, Majid Khonji

机构 * Skolkovo Institute of Science, Intelligent Space Robotics Laboratory, Center for Engineering Systems and Sciences（斯科尔科沃科学技术学院，智能空间机器人实验室，工程系统与科学中心） ； Khalifa University, KUCARS-KU Center for Autonomous Robotic Systems, Department of Computer Science（哈利法大学，KUCARS-KU自主机器人系统中心，计算机科学系） ； Beijing Institute of Technology, Beijing Key Laboratory of UAV Autonomous Control（北京理工大学，北京无人机自主控制重点实验室） 纠错

专题命中 仿真评测 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出EagleVision基准测试，用于研究高速自动驾驶赛事中跨领域感知问题，通过统一的LiDAR多任务基准，提供新标注的3D边界框数据及共同评估协议，验证了跨领域泛化能力。

LLM-based Realistic Safety-Critical Driving Video Generation

基于LLM的现实安全关键驾驶视频生成

Yongjie Fu, Ruijian Zha, Pei Tian, Xuan Di

机构 * Department of Civil Engineering and Engineering Mechanics, Columbia University（哥伦比亚大学土木工程与工程力学系） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） 纠错

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

AI总结 本文提出利用LLM生成少样本代码实现安全关键驾驶场景生成，结合CARLA模拟器与Cosmos-Transfer1和ControlNet生成真实驾驶视频，提升自动驾驶测试效率。

A Survey on Deep Learning Techniques for Action Anticipation

深度学习在动作预测中的技术综述

Zeyun Zhong, Manuel Martin, Michael Voit, Juergen Gall, Jürgen Beyerer

机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； Fraunhofer IOSB（弗劳恩霍夫光学、系统技术与图像处理研究所） ； University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习和人工智能研究所） 纠错

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

AI总结 本文综述了深度学习在日常生活中动作预测的最新进展，分类并总结了相关方法，探讨了评估指标和数据集，并提出了未来研究方向。

Comments If any relevant references are missing, please contact the authors for future inclusion

Spatio-Temporal Analysis of Public Transportation Undercrowding: Leveraging APC Data for a Comprehensive Evaluation of Usage Rates

公共交通拥挤度的时空分析：利用APC数据对使用率进行综合评估

Arianna Burzacchi, Valeria Maria Urbano, Marika Arena, Giovanni Azzone, Piercesare Secchi, Simone Vantini

专题命中 仿真评测 ：occupancy(abstract)

AI总结 本文提出利用APC数据和混合效应模型分析公共交通拥挤度，识别供需差距，探讨影响因素及时间分布。

Comments Pre-print version

Journal ref Public Transport 2026