自动驾驶

From Particles to Perils: SVGD-Based Hazardous Scenario Generation for Autonomous Driving Systems Testing

从粒子到危险：基于SVGD的危险场景生成用于自动驾驶系统测试

Linfeng Liang, Xiao Cheng, Tsong Yueh Chen, Xi Zheng

机构 * Macquarie University（麦考瑞大学） ； Swinburne University of Technology（斯威本理工大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)

AI总结 本文提出PtoP框架，结合自适应随机种子生成与Stein Variational Gradient Descent，生成多样化的初始条件以发现自动驾驶系统中的故障场景，提升测试安全性与场景多样性。

Journal ref Proceedings of the ACM on Software Engineering, Vol. 3, FSE, Article FSE146, July 2026. Article FSE146 (July 2026),

Unposed-to-3D: Learning Simulation-Ready Vehicles from Real-World Images

未置姿到3D：从真实世界图像学习仿真准备的车辆

Hongyuan Liu, Bochao Zou, Qiankun Liu, Haochen Yu, Qi Mei, Jianfei Jiang, Chen Liu, Cheng Bi, Zhao Wang, Xueyang Zhang, Yifei Zhan, Jiansheng Chen, Huimin Ma

机构 * University of Science and Technology Beijing（北京科技大学） ； Li Auto Inc（利汽车公司） 纠错

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

AI总结 本文提出Unposed-to-3D框架，通过图像-only监督从真实驾驶图像重建3D车辆，解决现有方法在真实世界分布上的领域差距问题，实现姿态一致且符合仿真的3D模型生成。

Comments Accepted by CVPR 2026