视觉与机器人
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
DriveAnchor: 用于自动驾驶规划的渐进式基于锚点的流学习
机构 * Meituan Autonomous Driving（美团自动驾驶） ； Xi’an Jiaotong University（西安交通大学） ； Beijing Institute of Technology（北京理工大学）
专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 提出三阶段框架DriveAnchor，通过示范流预训练、引导流后训练和奖励精炼流微调，实现行为多样性、可控性和安全性，在200万场景中近距碰撞率降低89%，平均奖励提升32%。
LAP：面向自动驾驶的快速潜在扩散规划器
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 提出LAP框架，在VAE学习的潜在空间中进行规划，通过单步去噪实现高质量规划，在nuPlan基准上达到学习型规划方法的最优闭环性能，推理速度提升高达10倍。
ActMVS：基于单目多视图立体的主动场景重建
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所）
专题命中 规划控制 ：occupancy(abstract)；trajectory planning(abstract)；分类 cs.RO、cs.CV
AI总结 提出ActMVS框架，通过视图因子图构建和全局深度优化，实现单目相机在线生成高质量、全局一致的密集深度图，支持机器人/UAV的主动场景重建与安全轨迹规划。
Comments ICRA 2026
DiffCrossGait：基于潜在扩散的2D-3D跨模态步态识别轨迹级对齐
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 规划控制 ：LiDAR(abstract,abstract_cn)；分类 cs.CV、cs.AI
AI总结 针对2D-3D跨模态步态识别中的域差异问题，提出DiffCrossGait，通过潜在扩散空间中的轨迹级对齐实现连续模态对齐，并引入三阶段对齐策略确保身份锚定、动态一致性和跨模态结构可恢复性，在SUSTech1K和FreeGait基准上达到最优性能。
Comments Accepted by ICML2026
从线索到视野：轨迹预测的动态风险视界剖面
机构 * Department of Civil and Urban Engineering, New York University（纽约大学土木与城市工程系） ； Department of Civil Engineering Technology and Environmental Management Safety, Rochester Institute of Technology（罗切斯特理工学院土木工程技术与环境安全管理系）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO、cs.AI
AI总结 提出风险视界剖面（RHP）模块，通过连续可学习的势场模型对未来风险分布进行建模，以提升轨迹预测的准确性，在highD和SHRP2数据集上分别降低5秒RMSE 25.0%和5秒minFDE 29.1%。
Comments 11 pages, 7 figures, submitted to IEEE Transactions on Intelligent Transportation Systems (T-ITS)
基于扩散建模与多智能体强化学习引导的生成式多机器人运动规划
机构 * School of Manufacturing Systems and Networks, Arizona State University, Mesa, AZ（1制造系统与网络学院，亚利桑那州立大学，梅萨，AZ） ； Michael W. Hall School of Mechanical Engineering, Mississippi State University, Starkville, MS（2迈克尔·W·霍尔机械工程学院，密西西比州立大学，斯塔克维尔，MS）
专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO
AI总结 提出一种结合扩散模型与多智能体强化学习的框架，通过值函数引导反向扩散过程实现交互感知的轨迹生成，降低多机器人冲突率。
Comments 11 pages, 6 figures, 1 table. This paper has been accepted for publication in the proceedings of ASME IDETC-CIE 2026
MUSCLE-NET：面向行人轨迹预测的预测多尺度感知网络
机构 * Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology, School of Automation and Intelligent Manufacturing, Southern University of Science and Technology (SUSTech), Shenzhen（广东省全主动系统控制理论与技术重点实验室，自动化与智能制造学院，南方科技大学（SUSTech），深圳） ； Department of Mechanical Engineering, City University of Hong Kong, Hong Kong SAR, China（香港城市大学机械工程系，香港特别行政区，中国）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV
AI总结 提出MUSCLE-NET，通过多尺度多模态特征提取和尺度自适应预测机制，解决现有方法对观测信息利用不足及忽视未来运动尺度依赖的问题，在JAAD和PIE数据集上取得竞争性能。
Comments This manuscript has been accepted to the IEEE Transactions on Intelligent Transportation Systems as a regular paper
基于AI的未来6G网络KPI预测方法：综述
专题命中 规划控制 ：autonomous driving(abstract)
AI总结 本文系统综述了面向未来6G网络的数据驱动KPI预测方法，提出了多维分类法，分析了从经典统计模型到深度学习和强化学习的代表性方法，并讨论了部署挑战和未来研究方向。
Comments Submitted to IEEE Communications Surveys and Tutorials, 30 pages
观察而非预测：面向智能体服务的对话级解耦调度
机构 * Anonymous Authors（匿名作者）
专题命中 规划控制 ：occupancy(abstract)
AI总结 提出将调度单元从单轮提升至整个对话，利用对话中首轮计算密集与后续内存密集的两阶段可观察特性，实现无需预测的解耦调度，显著降低延迟并提升能效。
均场扩散器：将离线多智能体强化学习扩展到数千个智能体
机构 * Tongji University（同济大学） ； East China Normal University（华东师范大学）
专题命中 规划控制 ：trajectory planning(abstract)
AI总结 提出MF-Diffuser框架，通过将轨迹规划提升到轨迹分布的Wasserstein空间，并利用混沌传播和分层粗到细策略，将离线多智能体强化学习扩展到数千个智能体，理论证明均场近似误差为$O(H^2/\sqrt{N})$且离线分布偏移不随群体规模增长，实验在三个均场RL基准上取得最佳回报。
Comments 62 pages, 15 figures, 16 tables
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈