自动驾驶

Random-Set Graph Neural Networks

随机集图神经网络

Tommy Woodley, Shireen Kudukkil Manchingal, Matteo Tolloso, Davide Bacciu, Fabio Cuzzolin

机构 * School of Engineering, Computing and Mathematics（工程、计算与数学学院） ； Oxford Brookes University（奥克斯福德布鲁克斯大学） ； Department of Computer Science（计算机科学系） ； University of Pisa（比萨大学） ； Oxford Brookes Institute for Artificial Intelligence, Data Analysis and Systems (AIDAS)（奥克斯福德布鲁克斯人工智能、数据分析与系统研究所（AIDAS）） 纠错

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

AI总结 本文提出了一种新的图神经网络框架，通过信念函数形式建模节点层面的epistemic不确定性，通过随机集头预测类别列表上的随机集，实现精确概率预测和epistemic不确定性度量。

Comments 23 pages, 6 figures

Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding

为大规模多智能体路径规划学习本地通信

Valeriy Vyaltsev, Alsu Sagirova, Anton Andreychuk, Oleg Bulichev, Yuri Kuratov, Konstantin Yakovlev, Aleksandr Panov, Alexey Skrynnik

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

AI总结 本文提出LC-MAPF，通过多轮本地通信提升多智能体协作，优于现有基于强化学习和模仿学习的MAPF求解器，且保持可扩展性。

PointForward: Feedforward Driving Reconstruction through Point-Aligned Representations

PointForward：通过点对齐表示实现馈送驾驶重建

Cheng Chi, Xianqi Wang, Hongcheng Luo, Mingfei Tu, Gangwei Xu, Zehan Zhang, Bing Wang, Guang Chen, Hangjun Ye, Sida Peng, Xin Yang, Haiyang Sun

机构 * Xiaomi EV（小米电动车） ； Huazhong University of Science and Technology（华中科技大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 PointForward通过点对齐表示实现驾驶场景重建，采用空间时间融合提升多视角一致性，引入场景图处理动态实例，实现高精度驾驶场景重建。

The DAWN of World-Action Interactive Models

世界-动作交互模型的黎明

Hongbo Lu, Liang Yao, Chenghao He, Haoyu Wang, Xiang Gu, Xianfei Li, Wenlong Liao, Tao He, Pai Peng

机构 * COWARobot Co. Ltd（COWARobot有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学） 纠错

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

AI总结 本文提出WAIMs，通过DAWN模型在语义潜在空间中实现世界预测与动作生成的交互，提升自动驾驶中的规划性能与安全性。

Integrating the Expected Future in Load Forecasts with Contextually Enhanced Transformer Models

将预期未来整合到负载预测中：基于上下文增强的Transformer模型

Raffael Theiler, Leandro Von Krannichfeldt, Giovanni Sansavini, Michael F. Howland, Olga Fink

机构 * Intelligent Maintenance and Operations Systems (IMOS)（智能维护与运营系统） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校） ； Department of Mechanical and Process Engineering（机械与过程工程系） ； Eidgenössische Technische Hochschule (ETH)（瑞士联邦理工学院（ETH）） ； Department of Civil and Environmental Engineering（土木与环境工程系） ； Massachusetts Institute of Technology (MIT)（麻省理工学院） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种结合预测与回归的任务，通过上下文增强的Transformer模型提升能源预测准确性，通过铁路和建筑能耗案例验证了方法的有效性，显著降低预测误差。

Comments 39 pages, 8 figures and tables, journal paper