自动驾驶

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