自动驾驶

Towards a Systematic Risk Assessment of Deep Neural Network Limitations in Autonomous Driving Perception

面向自动驾驶感知中深度神经网络局限性的系统性风险评估

Svetlana Pavlitska, Christopher Gerking, J. Marius Zöllner

机构 * FZI Research Center for Information Technology, Germany（德国弗劳恩霍夫信息技术研究所） ； Karlsruhe Institute of Technology, Germany（德国卡尔斯鲁厄理工学院） 纠错

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

AI总结 本文提出结合ISO 26262和ISO/SAE 21434标准的风险评估流程，系统分析深度神经网络在自动驾驶感知中的固有局限性带来的风险。

Comments Accepted for publication at the SECAI workshop at ESORICS 2025

Human Presence Detection via Wi-Fi Range-Filtered Doppler Spectrum on Commodity Laptops

通过Wi-Fi范围过滤多普勒频谱进行人类存在检测

Jessica Sanson, Rahul C. Shah, Valerio Frascolla

机构 * Intel Deutschland GmbH（德国英特尔公司） ； Intel Corp.（英特尔公司） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出了一种基于单站Wi-Fi传感的人类存在检测方法，利用设备内置Wi-Fi硬件实现用户位置检测，无需外部设备或传感器，具有低复杂度和高稳定性。

Comments 6 pages, Conference

Journal ref Percom 2026

Ufil: A Unified Framework for Infrastructure-based Localization

Ufil：基于基础设施的定位统一框架

Simon Schäfer, Lucas Hegerath, Marius Molz, Massimo Marcon, Bassam Alrifaee

机构 * Chair of Embedded Software, RWTH Aachen University（嵌入式软件研究所，亚琛工业大学） ； Department of Aerospace Engineering, University of the Bundeswehr Munich（国防军械大学慕尼黑航空航天工程系） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 Ufil提供标准化对象模型和可重用多目标跟踪组件，通过集成异构数据源实现高精度车道定位，验证了其跨平台执行能力与高效实时性能。

Comments 8 pages, 6 figures, this work was submitted to IEEE International Conference on Intelligent Transportation Systems (ITSC) 2026

Reasoning About Traversability: Language-Guided Off-Road 3D Trajectory Planning

轨迹可 traversability 的推理：语言引导的越野3D轨迹规划

Byounggun Park, Soonmin Hwang

机构 * Department of Automotive Engineering, Hanyang University, Seoul, Republic of Korea（韩雅大学汽车工程系，首尔，大韩民国） 纠错

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

AI总结 本文提出语言精修框架与偏好优化策略，通过动作对齐监督和地形感知优化，提升越野3D轨迹规划的合规性与地形一致性。

MISTY: High-Throughput Motion Planning via Mixer-based Single-step Drifting

MISTY：基于混合器的单步漂移高吞吐量运动规划

Yining Xing, Zehong Ke, Yiqian Tu, Zhiyuan Liu, Wenhao Yu, Jianqiang Wang

机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（清华大学智能绿色车辆与移动系统国家重点实验室） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO、cs.AI

AI总结 MISTY通过混合器单步漂移方法实现高吞吐量运动规划，利用变分自编码器和轻量级MLP-Mixer解码器，结合隐空间漂移损失，提升轨迹生成效率与鲁棒性。

Comments 8 pages, 4 figures, 3 tables. Submitted to IEEE Robotics and Automation Letters (RA-L)

Full-Body Dynamic Safety for Robot Manipulators: 3D Poisson Safety Functions for CBF-Based Safety Filters

机器人机械臂的全身动态安全性：基于CBF的安全过滤器中的3D泊松安全函数

Meg Wilkinson, Gilbert Bahati, Ryan M. Bena, Emily Fourney, Joel W. Burdick, Aaron D. Ames

机构 * Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） ； Mechanical and Civil Engineering, California Institute of Technology（加州理工学院机械与土木工程系） 纠错

专题命中 规划控制 ：occupancy(abstract)；分类 cs.RO

AI总结 本文提出利用3D泊松安全函数实现机器人机械臂在动态环境中的全身避障，通过求解泊松方程生成全局平滑的CBF，确保任务空间的安全约束。

Enabling Mixed criticality applications for the Versal AI-Engines

使Versal AI-Engines支持混合关键性应用

Vincent Sprave, Martin Wilhelm, Daniele Passaretti, Alberto Garcia-Ortiz, Thilo Pionteck

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文提出动态任务调度架构，使Versal AI-Engines在运行时支持不同关键性任务的动态分配，通过并行处理能力提升混合关键性系统性能，降低延迟并提高吞吐量。

Low Cost, High Efficiency: LiDAR Place Recognition in Vineyards with Matryoshka Representation Learning

低成本、高效率：利用Matryoshka表示学习的葡萄园LiDAR位姿识别

Judith Vilella-Cantos, Mauro Martini, Marcello Chiaberge, Mónica Ballesta, David Valiente

机构 * University Institute for Engineering Research, Miguel Hernández University（工程研究院，米格尔·赫尔内亚大学） ； Department of Electronics and Communications, Politecnico di Torino（电子与通信系，托里诺理工学院） 纠错

专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出MinkUNeXt-VINE方法，通过预处理和Matryoshka表示学习多损失策略，在葡萄园环境中实现高效低成本的LiDAR位姿识别，验证了在低成本输入数据上的鲁棒性。

Journal ref Ecological Informatics, Volume 95, 2026, 103780, ISSN 1574-9541

Spira: Exploiting Voxel Data Structural Properties for Efficient Sparse Convolution in Point Cloud Networks

Spira: 利用体素数据的结构特性实现点云网络中的高效稀疏卷积

Dionysios Adamopoulos, Anastasia Poulopoulou, Georgios Goumas, Christina Giannoula

机构 * SPIN-Research-Group（SPIN研究组） 纠错

专题命中 激光雷达 ：autonomous driving(abstract)

AI总结 Spira通过利用体素坐标整数性、空间范围限制和几何连续性等特性，设计了高效的稀疏卷积引擎，显著提升了点云网络的推理效率和层间执行性能。