视觉与机器人
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
自动驾驶中的数据集安全：要求、风险与保证
机构 * Qualcomm Inc（高通公司）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.AI
AI总结 本文提出了一种结构化框架，用于开发符合ISO/PAS 8800指南的安全生产数据集，通过AI感知系统案例，介绍AI数据飞轮和数据集生命周期，涵盖数据收集、标注、整理与维护，并定义安全要求和验证策略以确保符合安全标准。
RACF：一种具有物体距离校正的鲁棒自动驾驶框架
机构 * Department of Electrical and Computer Engineering, University of Arizona, Tucson, AZ, USA（电气与计算机工程系，亚利桑那大学，图森，亚利桑那州，美国） ； Department of Aerospace and Mechanical Engineering, University of Arizona, Tucson, AZ, USA（航空航天与机械工程系，亚利桑那大学，图森，亚利桑那州，美国）
专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出RACF框架，通过多传感器冗余和多样性提升自动驾驶感知鲁棒性，实验表明其在强干扰下可降低35%的RMSE，提升停车合规性和制动延迟。
Comments 8 pages, 9 figures, 5 tables. Submitted manuscript to IROS 2026
在风切变流中学习步级动态滑翔
机构 * J.C.Wu Center for Aerodynamics, School of Aeronautics and Astronautics, Shanghai Jiao Tong University（J.C.Wu 动力学中心，航空与航天学院，上海交通大学）
专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO
AI总结 本文通过深度强化学习展示在无风切变流中无需显式轨迹规划，仅通过局部感知即可实现稳健的全方位导航，揭示了动态滑翔的反馈控制结构。
在adhoc ICAS网络中使用双阶段Kuramoto方法实现同步与定位
专题命中 感知 ：self-driving(abstract)
AI总结 本文提出一种分布式同步与定位方案，适用于车联网中的ICAS通信，通过双阶段Kuramoto方法实现频率和相位同步，并缓解有限采样频率对性能的影响。
Comments 6 pages, conference
改进的粒子群优化算法：多目标轨迹优化用于群无人机
专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出PE-PSO算法，通过引入持久探索机制和熵基参数调整策略，提升群无人机在动态环境中的实时轨迹规划能力，实验表明其在轨迹质量、能耗效率等方面优于传统方法。
Comments New experiments have revealed systematic errors in the original data
一种用于强化学习的双时间尺度对偶框架：通过在线对偶变量引导
机构 * Department of Computer Science University of Konstanz（康斯坦茨大学计算机科学系） ； Department of Economics University of St.Gallen（圣加尔登大学经济学系）
专题命中 规划控制 ：occupancy(abstract)
AI总结 本文提出PGDA-RL算法，结合正则化线性规划与随机逼近理论，解决正则化马尔可夫决策过程，实现双时间尺度分解与在线策略更新，证明其收敛性与有限时间保证。
Comments 68 pages, 1 figure; 2nd Revised version with additional corollary
潜在链式思维世界建模用于端到端驾驶
机构 * UT Austin（得克萨斯大学奥斯汀分校） ； NVIDIA（英伟达） ； Stanford University（斯坦福大学）
专题命中 端到端驾驶 ：end-to-end driving(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出Latent-CoT-Drive模型，通过潜在语言整合链式思维推理与决策，提升驾驶性能与安全性，实现更快推理和更优轨迹质量。
Comments Accepted to CVPR 2026
揭示端到端自动驾驶中导航理解的惊人效能
机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Didi Chuxing（滴滴出行） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI
AI总结 本文提出SNG框架，通过真实导航模式高效表示全局导航信息，结合导航路径与分步信息，提升自动驾驶的全局与局部规划能力，实现无需辅助损失函数的高精度导航建模。
Comments 8 pages, 6 figures. ICRA 2026. Code available at https://fudan-magic-lab.github.io/SNG-VLA-web
MVAdapt：端到端自动驾驶的零样本多车辆适应
机构 * Interdisciplinary Program in AI, Seoul National University（人工智能交叉学科项目，首尔国立大学）
专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI
AI总结 MVAdapt通过结合冻结的TransFuser++场景编码器和轻量级物理编码器，提出了一种基于物理条件的多车辆端到端自动驾驶适应框架，实现了对不同车辆的零样本转移和少量样本校准。
SparseWorld-TC: 基于轨迹的稀疏占用世界模型
机构 * Tongji University（同济大学） ； Li Auto Inc（力汽车公司）
专题命中 BEV与占用 ：BEV(summary_cn,abstract)；occupancy(title,abstract)；分类 cs.CV
AI总结 本文提出了一种基于轨迹的未来3D场景占用预测新架构，通过端到端方式直接从原始图像特征预测多帧占用，避免了离散token化和BEV表示的限制，实现了nuScenes基准上的1-3秒占用预测最优性能。
Comments Accepted by CVPR2026 as an oral
D-BDM：一种面向激光雷达的直接高效边界基于体素网格映射框架
机构 * Mechatronics and Robotic Systems (MaRS) Laboratory, Department of Mechanical Engineering, The University of Hong Kong（机电系统（MaRS）实验室，机械工程系，香港大学） ； Department of Robotics, Perception, and Learning, KTH Royal Institute of Technology（机器人、感知与学习系，皇家理工学院）
专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO
AI总结 本文提出D-BDM框架，通过高效更新方案和直接边界更新机制，降低激光雷达地图更新时间与内存消耗，提升未知环境下的自主机器人应用性能。
依赖压力-强度模型中的可靠性估计：Clayton copula与修改Weibull边缘
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文研究了在依赖框架下压力-强度可靠性模型，使用Clayton copula和修改Weibull分布，提出了一种灵活的七参数结构，并通过蒙特卡洛模拟评估了估计方法的性能。
Comments 23 pages, 4 figures,7 tables
鲁棒优化用于通过相关代理缓解奖励黑客问题
机构 * Department of Computer Science（计算机科学系）
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文提出通过鲁棒策略优化方法应对奖励黑客问题，基于r相关性代理奖励空间，改进代理优化并提升鲁棒性与透明度。
Comments ICLR 2026
HyperLiDAR: 一种基于超维度计算的自适应部署后激光雷达分割方法
机构 * UCSD（加州大学圣迭戈分校） ； UC Merced（加州大学默塞德分校） ； SDSU（南达科他州立大学） ； UMich（密歇根大学）
专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出HyperLiDAR，一种基于超维度计算的轻量级激光雷达分割框架，解决部署后适应性问题，通过缓冲区选择策略提升效率，实现实时适应与高效率重训练。
可靠性引导的深度融合用于抗眩光导航成本图
机构 * Intel（英特尔）
专题命中 多传感器融合 ：occupancy(abstract)；分类 cs.RO
AI总结 本文提出基于显式深度可靠性建模的抗眩光成本图构建方法，通过轻量级深度可靠性地图估计器和可靠性引导融合机制，减少眩光导致的假障碍物插入，提升自由空间保真度。
具有自主推理能力的LLM在空气敏感性锂卤化物尖晶石导体自驱动实验室中的应用
专题命中 其他自动驾驶 ：self-driving(title,abstract)
AI总结 本文提出A-Lab GPSS平台，通过整合代理AI框架，实现对空气敏感性材料的自主实验设计，探索锂卤化物尖晶石固态离子导体的广阔化学空间，提升离子导电性和相纯度。
大规模安全：大型模型和智能体安全的全面综述
机构 * Fudan University（复旦大学） ； The University of Melbourne（墨尔本大学） ； Singapore Management University（新加坡国立大学） ； Deakin University（德肯大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； City University of Hong Kong（香港城市大学） ； University of Oxford（牛津大学） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； The University of Sydney（悉尼大学） ； Griffith University（格里菲斯大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Sea AI Lab（Sea AI实验室） ； Tsinghua University（清华大学） ； Virginia Tech（弗吉尼亚理工大学） ； CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全部） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Purdue University（普渡大学） ； Duke University（杜克大学） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； RIKEN（理化学研究所） ； The University of Tokyo（东京大学）
专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 本文综述了大型模型和智能体的安全性，分析了各类攻击威胁及防御策略，指出安全评估、防御机制和数据实践的重要性，强调研究社区和国际合作的必要性。
Comments 706 papers, 60 pages, 3 figures, 14 tables; GitHub: https://github.com/xingjunm/Awesome-Large-Model-Safety
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈