自动驾驶

Lightweight Low-SNR-Robust Semantic Communication System for Autonomous Driving

轻量级低信噪比鲁棒语义通信系统用于自动驾驶

Ruixing Ren, Minjie Wei, Junhui Zhao

专题命中 感知 ：autonomous driving(title,abstract)

AI总结 本文提出一种轻量级低信噪比鲁棒语义通信系统，通过结构剪枝和统一量化与M-QAM调制方案，提升自动驾驶车辆间协作感知的图像传输性能。

Comments 9 pages, 6 figures

OVPD: A Virtual-Physical Fusion Testing Dataset of OnSite Auton-omous Driving Challenge

OVPD：OnSite自动驾驶挑战赛的虚拟-物理融合测试数据集

Yuhang Zhang, Jiarui Zhang, Bowen Jian, Xin Zhou, Zhichao Lv, Peng Hang, Rongjie Yu, Ye Tian, Jian Sun

机构 * College of Transportation, Tongji University, Shanghai 201804, China（同济大学交通运输学院，上海201804，中国） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.RO

AI总结 OVPD数据集通过融合虚拟背景交通与车辆-基础设施感知，构建可控互动闭环测试环境，提供多模态数据用于长期规划与决策验证，支持安全、效率等多维度评估。

Comments 11 pages, 6 figures, 3 tables

High-Level Multi-Robot Trajectory Planning And Spurious Behavior Detection

高层多机器人轨迹规划与异常行为检测

Fernando Salanova, Jesús Roche, Cristian Mahulea, Eduardo Montijano

机构 * Spanish project PID2024-159284NB-I00 funded by MCIN/AEI/10.13039/501100011033（西班牙项目PID2024-159284NB-I00，由MCIN/AEI/10.13039/501100011033资助） ； ERDF A way of making Europe and by the European Union NextGenerationEU/PRTR（ERDF推动欧洲发展，以及欧洲联盟NextGenerationEU/PRTR） ； DGA T45-23R and T64-23R（DGA T45-23R和T64-23R） 纠错

专题命中 规划控制 ：trajectory planning(title)；分类 cs.RO

AI总结 本文提出基于Nets-within-Nets框架的多机器人轨迹规划方法，结合Transformer模型检测异常行为，实验表明在识别执行效率低下、核心任务违规和约束适应性异常方面具有高准确率。

Comments 6 pages,3 figures, Iberian Robotics Conference 2025

X-Cache: Cross-Chunk Block Caching for Few-Step Autoregressive World Models Inference

X-Cache：跨块块缓存用于少步自回归世界模型推理

Yixiao Zeng, Jianlei Zheng, Chaoda Zheng, Shijia Chen, Mingdian Liu, Tongping Liu, Tengwei Luo, Yu Zhang, Boyang Wang, Linkun Xu, Siyuan Lu, Bo Tian, Xianming Liu

机构 * AI Infra Team, XPeng Inc.（AI基础设施团队，小鹏汽车） 纠错

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

AI总结 本文提出X-Cache，一种无需训练的加速方法，通过跨连续生成块缓存而非去噪步骤来提升少步自回归世界模型的推理效率，实现71%的块跳过率和2.6倍的速度提升，同时保持最小的性能下降。

Comments Technical Report

Occupancy Reward Shaping: Improving Credit Assignment for Offline Goal-Conditioned Reinforcement Learning

占用奖励塑造：改进离线目标导向强化学习中的信用分配

Aravind Venugopal, Jiayu Chen, Xudong Wu, Chongyi Zheng, Benjamin Eysenbach, Jeff Schneider

机构 * Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学） ； INFIFORCE Intelligent Technology（INFIFORCE智能技术） ； Princeton University（普林斯顿大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO

AI总结 本文提出占用奖励塑造方法，通过提取世界模型中的时间信息，改进稀疏奖励下的信用分配问题，在13种长周期运动和操作任务中提升了2.2倍性能。

Comments ICLR 2026

Personalized electric vehicle energy consumption estimation framework that integrates driver behavior with map data

个性化电动汽车能耗估计框架：整合驾驶员行为与地图数据

Sreechakra Vasudeva Raju Rachavelpula, Sangwhan Cha

机构 * Department of Computer and Information Sciences, Harrisburg University of Science and Technology（计算机与信息科学系，哈里斯堡大学科学与技术学院） 纠错

专题命中 BEV与占用 ：BEV(abstract,abstract_cn)

AI总结 本文提出一种整合地图上下文特征与驾驶员特定速度预测及物理能耗模型的个性化电动车能耗估计框架，通过结合路线选择、道路特征处理、规则参考速度生成器、基于PID控制器的车辆动力学模拟器和双向LSTM模型，实现准确的能耗和SOC轨迹预测。

Comments 28 pages, 19 figures

Stabilization of a non-superconducting, orthorhombic phase by over-hydrogenating LaFeSiH

通过过氢化使非超导正交相稳定

M. F. Hansen, C. Lepoittevin, J. -B. Vaney, P. Boullay, V. Nassif, A. Sulpice, H. Mayaffre, M. -H. Julien, S. Tencé, P. Toulemonde

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 通过高压热分解氢富集前驱体，实现了LaFeSi的过氢化，合成出具有单个氢位点的正方体超导LaFeSiH及结构畸变的正交相LaFeSiH1+x，揭示了正交相的半导体行为及其在100°C时转变为超导体的机制。

Spectral shadows of a single GaAs quantum dot

单个GaAs量子点的光谱影子

Kai Hühn, Lena Klar, Fei Ding, Arne Ludwig, Andreas D. Wieck, Jens Hübner, Michael Oestreich

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究通过时间分辨共振荧光测量揭示单个GaAs量子点在复杂杂质环境下的光谱影子，发现多个施特金移位共振，并通过非共振激光增强空穴占据，结合自旋噪声谱学验证结果。

Multi-FEAT: Multi-Feature Edge Alignment for Targetless Camera-LiDAR Calibration

多特征边缘对齐：无目标相机-激光雷达校准

Bichi Zhang, Holger Caesar, Raj Thilak Rajan

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 本文提出Multi-FEAT方法，通过将3D激光雷达点云投影到2D全景图，并利用多种激光雷达特征信息补充稀疏边界，结合相机边缘提取和特征匹配函数优化校准参数，实验表明其在KITTI数据集上优于现有无目标校准方法。

SoK: The Next Frontier in AV Security: Systematizing Perception Attacks and the Emerging Threat of Multi-Sensor Fusion

SoK：自动驾驶安全的下一个前沿：系统化感知攻击与多传感器融合的新兴威胁

Shahriar Rahman Khan, Tariqul Islam, Raiful Hasan

专题命中 多传感器融合 ：LiDAR(abstract)

AI总结 本文系统化分析了48篇关于自动驾驶感知层攻击的研究，揭示了从单传感器攻击到多传感器融合威胁的发展趋势，指出现有研究在现实测试、短期评估偏见及跨传感器一致性防御方面的不足，并提出融合感知安全的设计方向。

Comments 20 Pages, 3 figures

Toward Cooperative Driving in Mixed Traffic: An Adaptive Potential Game-Based Approach with Field Test Verification

迈向混合交通的协作驾驶：一种基于自适应势游戏的适应性方法与实地测试验证

Shiyu Fang, Xiaocong Zhao, Xuekai Liu, Peng Hang, Jianqiang Wang, Yunpeng Wang, Jian Sun

机构 * State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（智能绿色车辆与移动国家重点实验室，清华大学） ； State Key Lab of Intelligent Transportation System, School of Transportation Science and Engineering, Beihang University（智能交通运输系统实验室，北京航空航天大学交通科学与工程学院） 纠错

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

AI总结 本文提出自适应势游戏框架，通过建立系统效用函数、引入Shapley值和动态优化人类驾驶车辆偏好，提升混合交通中的协作安全与效率，实验证实其有效性。

AI Incident Monitoring through a Public Health Lens

通过公共卫生视角监控人工智能事件

Sophia Abraham, Taiye Chen, Cyril Chhun, Giovanna Jaramillo-Gutierrez, Simon Mylius, Sayash Raaj, Peter Slattery, Sean McGregor

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文提出通过公共卫生视角监控AI事件的框架，识别六个事件发展阶段，并通过自动驾驶和深度伪造案例展示如何结合专家知识和工具评估风险。

DRIV-EX: Counterfactual Explanations for Driving LLMs

DRIV-EX：用于驾驶LLM的反事实解释

Amaia Cardiel, Eloi Zablocki, Elias Ramzi, Eric Gaussier

机构 * Aptikal, Université Grenoble Alpes（Aptikal，格勒诺布尔大学） 纠错

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

AI总结 本文提出DRIV-EX方法，通过反事实解释研究驾驶LLM的决策过程，利用梯度优化生成语义变化的场景描述，提升解释的可理解性和鲁棒性。

Comments Accepted at ACL Findings 2026