自动驾驶

RECTOR: Priority-Aware Rule-Based Reranking for Compliance-Aware Autonomous Driving Trajectory Selection

RECTOR: 基于优先级规则的合规感知自动驾驶轨迹选择重排序

Hadi Hajieghrary, Benedikt Walter, Chaitanya Shinde, Paul Schmitt, Miguel Hurtado

机构 * TORC Robotics LLC（TORC机器人公司） ； Daimler Truck AG（戴姆勒卡车集团） ； Reynolds & Moore（雷诺兹与摩尔公司） ； MassRobotics（马斯机器人） 纠错

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

AI总结 提出RECTOR，一种后生成重排序层，通过差异化代理和场景条件适用性机制，基于分层规则手册（安全>法律>道路>舒适）对候选轨迹进行评分，并采用确定性ε-词典序规则选择，在无需重新训练预测器的情况下，将安全与法律违规率从28.58%降至20.42%。

DPNet: Doppler LiDAR Motion Planning for Highly-Dynamic Environments

DPNet: 面向高动态环境的多普勒激光雷达运动规划

Wei Zuo, Zeyi Ren, Chengyang Li, Yikun Wang, Mingle Zhao, Shuai Wang, Wei Sui, Fei Gao, Yik-Chung Wu, Chengzhong Xu

机构 * The University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； University of Macau（澳门大学） ； D-Robotics ； Zhejiang University（浙江大学） 纠错

专题命中 规划控制 ：LiDAR(title)；分类 cs.RO

AI总结 提出DPNet，通过多普勒卡尔曼神经网络跟踪快速障碍物并利用多普勒调谐模型预测控制实现高动态环境下的高频高精度运动规划。

Comments Accepted to IEEE Robotics and Automation Letters in April, 2026

SEIDM: A Safe and Efficient Intelligent Driver Model for Autonomous Driving Behavior

SEIDM：一种用于自动驾驶行为的安全高效智能驾驶员模型

Yuyang Yao, Shaocheng Luo

机构 * Department of Information and Communication Engineering, Tongji University（信息与通信工程系，同济大学） ； Department of Electrical and Computer Engineering, Duke University（电气与计算机工程系，杜克大学） 纠错

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

AI总结 提出SEIDM模型，通过引入自适应安全因子动态调整安全减速项的影响，在保证安全的前提下提高交通流效率。

Comments To appear in IEEE IV 2026

ESIA: An Energy-Based Spatiotemporal Interaction-Aware Framework for Pedestrian Intention Prediction

ESIA：基于能量的时空交互感知框架用于行人意图预测

Yanping Wu, Meiting Dang, Lin Wu, Edmond S. L. Ho, Zhenghua Chen, Chongfeng Wei

机构 * James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院） 纠错

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

AI总结 提出ESIA框架，利用条件随机场和能量函数建模时空交互，通过结构一致性约束和模拟退火算法实现行人意图预测，在标准基准上达到最先进性能并提升可解释性。

Comments 13 pages, 6 figures, 3 tables

PEDESTRIANQA: A Benchmark for Vision-Language Models on Pedestrian Intention and Trajectory Prediction

PEDESTRIANQA: 面向行人意图与轨迹预测的视觉-语言模型基准

Naman Mishra, Shankar Gangisetty, C. V. Jawahar

机构 * CVIT, IIIT-Hyderabad, India（IIIT-海得拉巴计算机视觉与智能技术研究所，印度） 纠错

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

AI总结 提出大规模视频数据集PedestrianQA，将行人意图和轨迹预测转化为带结构化理由的问答任务，通过微调视觉-语言模型显著提升预测准确性与可解释性。

Justice-informed Planning of Intermodal Autonomous Mobility-on-Demand Systems under Operational Constraints

运营约束下多模式自主出行系统的公正知情规划

Giacomo Ganassoli, Francesco Mazzeo, Cecilia Pasquale, Silvia Siri, Mauro Salazar

专题命中 规划控制 ：self-driving(abstract)

AI总结 本文提出一种考虑用户预算、安全限制和基础设施容量约束的公正知情优化模型，用于多模式自主出行系统（AMoD）的运营规划，并在纽约曼哈顿案例中验证了免费公共交通政策能接近完全免费AMoD系统的公正水平且不牺牲效率。

Comments Accepted for presentation at conference IEEE ITSC 2026. This is the preprint version

Simulation-Driven Ensemble Machine Learning for Robust and Generalizable Path Loss Prediction

基于仿真驱动的集成机器学习实现鲁棒且泛化的路径损耗预测

Ahmed P. Mohamed, Byunghyun Lee, Yaguang Zhang, Christopher R. Anderson, David J. Love, James V. Krogmeier

专题命中 规划控制 ：LiDAR(abstract)

AI总结 提出一种集成机器学习框架，结合激光雷达仿真数据和SMOTE数据增强技术，解决测量数据稀缺下的路径损耗预测问题，在跨环境泛化中平均绝对误差降低高达50%。

Comments Preprint submitted to IEEE Transactions on Wireless Communications