自动驾驶

VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning

VADv2：通过概率规划实现端到端向量自主驾驶

Bo Jiang, Shaoyu Chen, Hao Gao, Bencheng Liao, Qian Zhang, Wenyu Liu, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Horizon Robotics 纠错

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

AI总结 本文提出VADv2，一种基于概率规划的端到端自主驾驶模型，通过概率场函数建模动作空间到概率分布的映射，利用大规模驾驶演示提升闭合回路性能，优于现有方法。

Comments Accepted to ICLR 2026. Code is available at https://github.com/hustvl/VAD

Fuzzy Encoding-Decoding to Improve Spiking Q-Learning Performance in Autonomous Driving

模糊编码-解码以提升自动驾驶中的脉冲Q学习性能

Aref Ghoreishee, Abhishek Mishra, Lifeng Zhou, John Walsh, Anup Das, Nagarajan Kandasamy

机构 * Electrical and Computer Engineering Department（电气与计算机工程系） ； Drexel University（德雷塞尔大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)

AI总结 本文提出模糊编码-解码架构，通过改进视觉多模态深度脉冲Q网络，解决脉冲强化学习中的信息丢失和表征能力不足问题，提升自动驾驶决策精度。