自动驾驶

Driving risk emerges from the required two-dimensional joint evasive acceleration

驾驶风险源自所需二维联合规避加速度

Hao Cheng, Yanbo Jiang, Wenhao Yu, Rui Zhou, Jiang Bian, Keyu Chen, Zhiyuan Liu, Heye Huang, Hailun Zhang, Fang Zhang, Jianqiang Wang, Sifa Zheng

机构 * School of Vehicle and Mobility, Tsinghua University, Beijing 100084, China（车辆与移动系统学院，清华大学，北京100084，中国） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Beijing 100084, China（智能绿色车辆与移动国家重点实验室，北京100084，中国） ； School of Traffic & Transportation Engineering, Central South University, Changsha 410000, China（交通与运输工程学院，中南大学，长沙410000，中国） ； Singapore-MIT Alliance for Research and Technology (SMART), Massachusetts Institute of Technology, Singapore 138602, Singapore（新加坡-麻省理工联合研究技术联盟（SMART），麻省理工学院，新加坡138602，新加坡） ； School of Automotive Engineering, Chang’an University, Xi’an 710064, China（汽车工程学院，长安大学，西安710064，中国） 纠错

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

AI总结 本文提出二维规避加速度模型，用于更准确地量化碰撞风险，通过分析所有可能的规避方向，定义风险为所需最小相对加速度矢量的模，该方法在多个数据集上表现出更早的显著预警和更好的碰撞预测能力。

Comments 23 pages, 5 figures; supplementary information provided as an ancillary file

Perspective-Equivariant Fine-tuning for Multispectral Demosaicing without Ground Truth

视角等变微调用于无地面真实多光谱去马赛克

Andrew Wang, Mike Davies

机构 * School of Engineering（工程学院） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文提出PEFD框架，通过利用相机成像系统的投影几何，利用更丰富的群结构恢复更多空域信息，并通过微调预训练模型实现高效多光谱去马赛克，优于现有方法，接近监督学习性能。

Comments To appear in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026

M100: An Orchestrated Dataflow Architecture Powering General AI Computing

M100：一种赋能通用人工智能计算的协同数据流架构

Yan Xie, Changkui Mao, Changsong Wu, Chao Lu, Chao Suo, Cheng Qian, Chun Yang, Danyang Zhu, Hengchang Xiong, Hongzhan Lu, Hongzhen Liu, Jiafu Liu, Jie Chen, Jie Dai, Junfeng Tang, Kai Liu, Kun Li, Lipeng Ge, Meng Sun, Min Luo, Peng Chen, Peng Wang, Shaodong Yang, Shibin Tang, Shibo Chen, Weikang Zhang, Xiao Ling, Xiaobo Du, Xin Wu, Yang Liu, Yi Jiang, Yihua Jin, Yin Huang, Yuli Zhang, Zhen Yuan, Zhiyuan Man, Zhongxiao Yao

机构 * Li Auto 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 M100通过协同数据流架构提升自动驾驶、大语言模型等领域的AI计算效率与成本效益，采用编译器-架构协同设计优化数据传输，减少缓存依赖，提升系统性能。

Comments Accepted to appear at ISCA 2026 Industry Track. 12 pages, 16 figures