自动驾驶

Towards Safe Mobility: A Unified Transportation Foundation Model enabled by Open-Ended Vision-Language Dataset

迈向安全的移动性：由开放-ended视觉-语言数据集驱动的统一运输基础模型

Wenhui Huang, Songyan Zhang, Collister Chua, Yang Liang, Zhiqi Mao, Heng Yang, Chen Lv

机构 * Nanyang Technological University（南洋理工大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出Land Transportation Dataset数据集和UniVLT模型，通过开放-ended视觉问答和多任务学习，提升城市交通环境下的安全推理能力，实现微观自动驾驶与宏观交通分析的统一。

Transferable Physical-World Adversarial Patches Against Pedestrian Detection Models

可迁移的物理世界对抗性补丁对抗行人检测模型

Shihui Yan, Ziqi Zhou, Yufei Song, Yifan Hu, Minghui Li, Shengshan Hu

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

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

AI总结 本文提出TriPatch方法，结合多阶段协同攻击与物理多样性下的鲁棒性增强，解决现有物理攻击在多阶段决策管道系统中缺乏系统性干扰和复杂物理变化建模不足的问题。

V-STC: A Time-Efficient Multi-Vehicle Coordinated Trajectory Planning Approach

V-STC：一种时间高效的多车辆协同轨迹规划方法

Pengfei Liu, Jialing Zhou, Yuezu Lv, Guanghui Wen, Tingwen Huang

机构 * School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； State Key Laboratory of CNS/ATM, Beijing Institute of Technology（北京理工大学国家空管委/民航委重点实验室） ； Beijing Key Laboratory of Lightweight Intelligent System, Beijing Institute of Technology（北京理工大学轻量化智能系统重点实验室） ； School of Automation, Southeast University（东南大学自动化学院） ； Faculty of Computer Science and Control Engineering, Shenzhen University of Advanced Technology（深圳先进技术大学计算机科学与控制工程学院） 纠错

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

AI总结 本文提出V-STC方法，通过优化模型构建每个车辆的时空走廊，以提高多车辆协同的时间效率，同时保持时空域内的无碰撞分离。

Comments 12 pages, 23 figures

SANDO: Safe Autonomous Trajectory Planning for Dynamic Unknown Environments

SANDO：动态未知环境中的安全自主轨迹规划

Kota Kondo, Jesús Tordesillas, Jonathan P. How

机构 * Departments of Aeronautics and Astronautics, and Mechanical Engineering, Massachusetts Institute of Technology（航空工程与机械工程系，麻省理工学院） ； Department of Electronics, Automation, and Communications, Comillas ICAI（电子、自动化与通讯系，Comillas ICAI） 纠错

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

AI总结 SANDO通过热图A*全局规划器、混合整数二次规划和形式安全分析，在动态未知环境中实现安全轨迹规划，提升计算效率和安全性。

Comments 20 pages, 17 figures

Cross-Stage Coherence in Hierarchical Driving VQA: Explicit Baselines and Learned Gated Context Projectors

层次驾驶视觉问答中的跨阶段一致性：显式基线与学习门控上下文投影

Gautam Kumar Jain, Carsten Markgraf, Julian Stähler

机构 * Technische Hochschule Augsburg（亚琛工业大学） 纠错

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

AI总结 本文研究了驾驶场景中跨阶段上下文传递的两种方法，显式基线通过无额外训练的4B VLM减少矛盾，隐式基线通过门控投影提升规划阶段语义一致性，两者共同探讨了领域适应在全谱改进中的潜力。

Comments 16 pages, 8 figures, 8 tables, preprint

Recent Advances in Multi-Agent Human Trajectory Prediction: A Comprehensive Review

多智能体人类轨迹预测的最新进展：综合性综述

Céline Finet, Stephane Da Silva Martins, Jean-Bernard Hayet, Ioannis Karamouzas, Javad Amirian, Sylvie Le Hégarat-Mascle, Julien Pettré, Emanuel Aldea

机构 * INRIA Rennes（INRIA里昂） ； SATIE - CNRS Université Paris-Saclay（SATIE-CNRS巴黎-萨克莱大学） ； Centro de Investigación en Matemáticas Guanajuato, México（瓜尼亚托数学研究所，墨西哥） ； University of California, Riverside（加州大学河滨分校） ； Sorbonne Université, Paris（索邦大学，巴黎） ； Department of Computer Science（计算机科学系） 纠错

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

AI总结 综述近期深度学习在多智能体轨迹预测中的进展，聚焦2020-2025年研究，分类讨论架构设计、输入表示及预测策略，并强调ETH/UCY基准测试中的模型评估及未来研究方向。

Comments 40 pages

An Efficient Real-Time Planning Method for Swarm Robotics Based on an Optimal Virtual Tube

基于最优虚拟管的群体机器人高效实时规划方法

Pengda Mao, Shuli Lv, Chen Min, Zhaolong Shen, Quan Quan

机构 * School of Automation Science and Electrical Engineering, Beihang University（自动化科学与电气工程学院，北京航空航天大学） 纠错

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

AI总结 本文提出结合集中式最优虚拟管规划与分布式控制的群体机器人轨迹规划框架，实现低计算量高频率重规划，融合多步与反应式规划的优势。

Comments 18 pages, 21 figures

Forecasting the occupancy of satellite megaconstellations in SKA observations

预测SKA观测中卫星megaconstellations的占用情况

Nicolas Cerardi, Emma Tolley, Federico di Vruno

专题命中 BEV与占用 ：occupancy(title)

AI总结 本文预测SKA望远镜在观测过程中暴露于卫星的风险，分析了不同频率范围内的RFI干扰影响，并指出需改进RFI测量和引入新的缓解技术。

Comments 7 pages, 6 figures, Letter accepted in Astronomy & Astrophysics

Asymptotically good bosonic Fock state codes

渐近优良的玻色子费米子态编码

Dor Elimelech, Arda Aydin, Alexander Barg

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文研究了多模式费米子态编码在幅度阻尼噪声下的纠错特性，提出渐近优良的费米子态编码，通过随机经典码在离散单纯形中的应用，解决了传统编码在幅度阻尼噪声下的局限性。

Comments 44 pages, 1 figure

Robust Localization for Autonomous Vehicles in Highway Scenes

高速公路场景下自动驾驶车辆的鲁棒定位

Daqian Cheng, Xuchu Ding, Yujia Wu, Xiang Zhang, Lei Wang

机构 * Bot Auto 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种针对高速公路场景的鲁棒定位系统，通过双似然激光雷达前端分离3D几何结构和2D道路纹理线索，结合控制扩展卡尔曼滤波提升闭环性能，并利用自动化离线地图生成流程保持地图新鲜度，实现在复杂高速公路环境下的高精度定位。

Comments Accepted to 2026 IEEE International Conference on Robotics and Automation (ICRA)

DVGT-2: Vision-Geometry-Action Model for Autonomous Driving at Scale

DVGT-2：面向大规模自动驾驶的视觉-几何-动作模型

Sicheng Zuo, Zixun Xie, Wenzhao Zheng, Shaoqing Xu, Fang Li, Hanbing Li, Long Chen, Zhi-Xin Yang, Jiwen Lu

机构 * Tsinghua University（清华大学） ； Xiaomi EV（小米电动车） ； University of Macau（澳门大学） ； Peking University（北京大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；trajectory planning(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出VGA范式，通过密集3D几何信息提升自动驾驶决策，引入DVGT-2实现在线处理，结合时间因果注意力和滑动窗口策略，提升效率与重建性能。

Comments Code is available at https://github.com/wzzheng/DVGT

PSI: A Benchmark for Human Interpretation and Response in Traffic Interactions

PSI：用于交通互动中人类解释与响应的基准

Taotao Jing, Tina Chen, Renran Tian, Yaobin Chen, Joshua Domeyer, Heishiro Toyoda, Rini Sherony, Zhengming Ding

机构 * Tulane University（路易斯安那州立大学） ； Purdue University（普渡大学） ； North Carolina State University（北卡罗来纳州立大学） ； Toyota Motor North America（丰田美国公司） 纠错

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

AI总结 PSI基准通过捕捉行人过马路意图的动态变化，结合人类文本解释，为开发可解释且符合人类认知的自动驾驶系统提供支持。

Comments Published in NeurIPS 2025 datasets and benchmarks track

CrystalX: High-accuracy Crystal Structure Analysis Using Deep Learning

CrystalX：利用深度学习进行高精度晶体结构分析

Kaipeng Zheng, Weiran Huang, Wanli Ouyang, Han-Sen Zhong, Yuqiang Li

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文提出CrystalX，利用深度学习实现全自动原子级晶体结构分析，通过5万+X射线衍射数据验证，显著优于现有方法，能自动纠正同行评审中的错误，开启自动驾驶实验室的自动化新纪元。