To Observe or Not to Observe: Queuing Game Framework for Urban Parking
观测还是不观测：用于城市停车的排队博弈框架
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文通过排队博弈框架分析城市停车问题，比较纳什均衡与社会最优均衡，探讨在无需完全信息的情况下如何提升社会福利。
视觉与机器人
自动驾驶
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
1. BEV与占用 15 篇
Randomized Assignment of Jobs to Servers in Heterogeneous Clusters of Shared Servers for Low Delay
在异构服务器集群中随机分配作业以降低延迟
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文研究了在异构服务器集群中通过随机分配作业以降低延迟的问题，提出两种方案以减少作业的平均停留时间，分析了系统在大规模极限下的稳定性及平稳解的存在性。
2. 激光雷达 13 篇
LiDAR-based Control of Autonomous Rotorcraft for the Inspection of Pier-like Structures: Proofs
基于LiDAR的自主旋翼飞行器对类似桥体结构的检测控制：证明
专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.RO
AI总结 本文提出基于LiDAR的自主旋翼飞行器轨迹跟踪控制方法，通过定义基于LiDAR测量的运动学模型，结合LPV表示和H2控制理论，实现对桥体结构的高效检测。
Comments [1] B. J. Guerreiro, C. Silvestre, R. Cunha, and D. Cabecinhas, Lidar-based control of autonomous rotorcraft for the inspection of pier-like structures, IEEE Transactions in Control Systems Technology, 2017. (to appear)
Depth map estimation methodology for detecting free-obstacle navigation areas
用于自由障碍区域检测的深度图估计方法
专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出了一种基于视觉的方法，利用立体相机和一维LiDAR估计四旋翼导航中的自由障碍区域。通过加权最小二乘滤波器过滤深度图，并通过卡尔曼滤波算法融合信息，确定四旋翼可通过的足够大自由空间区域。整个过程在Jetson TX2嵌入式计算机上用ROS实现。
Journal ref ICUAS'19 The 2019 International Conference on Unmanned Aircraft Systems
Formal Verification of Neural Network Controlled Autonomous Systems
神经网络控制自主系统的形式验证
机构 * Department of Electrical ； Computer Engineering University of Maryland, College Park
专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.RO、cs.AI
AI总结 本文研究了如何形式验证配备神经网络控制器的自主机器人在LiDAR图像处理中安全性的核心问题，通过构建有限状态抽象并利用可达性分析计算安全的初始条件，提出了一种多项式时间算法来分区工作空间并计算对应的仿射成像函数，同时利用SMC编码分析神经网络行为，通过数值模拟验证了算法的效率。
Hierarchical Space Partition for Surface Reconstruction
表面重建的层次空间划分
机构 * Independent Researcher（独立研究员） ； Huazhong University of Science and Technology（华中科技大学）
专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.CV
AI总结 针对点云重建中因LiDAR扫描局限导致细节缺失的问题，提出基于平面分类与优先级生长的层次空间划分方法，并通过最小割优化生成水密多边形网格。
Comments Published in 2026 International Conference on 3D Vision (3DV)
Journal ref in 2026 International Conference on 3D Vision (3DV), Vancouver, BC, Canada, 2026, pp. 207-216
Teaching Robots to Say 'I Don't Know' : SENTINEL for Uncertainty-Aware SLAM
教机器人说‘我不知道’：用于不确定性感知SLAM的SENTINEL
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.RO
AI总结 提出SENTINEL框架，通过几何扫描统计和跨模态深度一致性为低成本2D LiDAR提供无训练、无标签的可靠性评分，拒绝损坏扫描并回退到轮式里程计，防止SLAM无声损坏。
Comments 6 pages, 10 figures, 3 tables, This paper was accepted at Uncertainty in Open-World Robotics Workshop in conjunction with Internation conference of robotics and automation (ICRA 2026)
Adaptive Guidance and Integrated Navigation with Reinforcement Meta-Learning
自适应引导与集成导航的强化元学习
专题命中 激光雷达 ：LiDAR(summary_cn,abstract)
AI总结 本文提出了一种基于强化元学习的自适应引导系统，采用递归策略和价值函数近似器，通过递归网络层使部署策略能实时适应作用在智能体上的环境力，在四个具有未知但高度动态变化的挑战性环境中比较了DR/DV引导律、非递归策略的RL代理和递归策略的RL代理的性能，并展示了RL元学习优化的策略在火星着陆环境中仅使用多普勒雷达高度计读数，在小行星着陆环境中仅使用LIDAR高度计读数时实现引导和导航的整合能力。
Comments arXiv admin note: substantial text overlap with arXiv:1901.04473
Iterative algorithms for a non-linear inverse problem in atmospheric lidar
迭代算法用于大气激光雷达中的非线性反问题
专题命中 激光雷达 ：LiDAR(title,abstract)
AI总结 本文提出两种迭代算法解决大气激光雷达中的非线性反问题，通过考虑噪声分布改进了气溶胶消光系数的重建质量。
Comments 19 pages, 6 figures
Journal ref Inverse Problems 2017, 33(8), p.085010
Expectation Maximization and the retrieval of the atmospheric extinction coefficients by inversion of Raman lidar data
期望最大化与通过拉曼光散射数据反演大气消光系数
专题命中 激光雷达 ：LiDAR(title,abstract)
AI总结 本文提出利用期望最大化算法稳定反演拉曼光散射数据中的气溶胶消光系数，通过正则化和空间分辨率讨论，验证了该方法在合成数据和实验数据中的有效性。
Comments 14 pages, 6 figures, currently under revision
Recent Advances and Trends in Learning-based 3D Representations
基于学习的3D表示的最新进展与趋势
机构 * CERI SN, IMT Nord Europe（CERI SN，IMT Nord Europe） ； Univ. Lille, CNRS, Centrale Lille, UMR 9013 - LaMcube - Laboratoire de Mécanique, Multiphysique, Multiéchelle（里尔大学，CNRS，Centrale Lille，UMR 9013 - LaMcube - 机械、多物理场、多尺度实验室） ； Downs, 59670 Sainte-Marie-Cappel（Downs，59670 Sainte-Marie-Cappel） ； School of Information Technology, Murdoch University（墨尔本大学信息科技学院）
专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV
AI总结 本文综述了从离散显式格式到连续隐式场（基于神经渲染或基元溅射）的3D表示家族，分析了其优缺点及关键应用，并强调了向隐式表示的范式转变。
Analysis of the possibility for time-optimal control of the scanning system of the GREEN-WAKE's project lidar
GREEN-WAKE项目激光雷达扫描系统时间最优控制可能性分析
专题命中 激光雷达 ：LiDAR(title)
AI总结 本文分析了基于激光雷达的Wake涡检测系统扫描系统的时间最优控制可能性，提出了一种基于线性模型的多阶段控制算法，解决了镜面执行器的闭环跟踪控制问题，并证明了线性时间最优控制问题的新性质。
A Graph Framework for Manifold-valued Data
一个用于流形值数据的图框架
专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)
AI总结 本文提出了一种图框架，用于处理流形值数据，介绍了用于构建变分模型和偏微分方程的基本算子，并讨论了两种特定算子家族，即各向同性和各向异性图p-拉普拉斯算子，用于解决流形值函数上的优化问题，包括总变分和Tikhonov正则化。
Journal ref SIAM Journal on Imaging Sciences, 2018, 11, p. 325-360
On the Covariance of ICP-based Scan-matching Techniques
关于基于ICP的扫描匹配技术的协方差
专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO、cs.CV
AI总结 本文研究了ICP算法计算旋转变换协方差的问题，指出点到点版本的ICP应用会导致错误协方差，通过数学证明验证点到平面版本的正确性。
Comments Accepted at 2016 American Control Conference
Sensor Setups for State and Wind Estimation for Airborne Wind Energy Converters
用于空载风能转换器状态和风速估计的传感器配置
专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO
AI总结 本文提出了一种无迹卡尔曼滤波器，用于空载风能转换器的空气动力学、状态和风况估计，通过不同传感器配置验证，展示了低成本高可靠性的可行性。
3. 仿真评测 13 篇
Self-Driving Vehicle Verification Towards a Benchmark
自动驾驶车辆验证：一个基准
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 仿真评测 ：self-driving(title)；分类 cs.RO
AI总结 本文提出一个简单的形式化模型用于自动驾驶车辆，尽管经过简化后其安全性已手动证明，但目前尚无自动形式化验证工具支持其动态特性，旨在为形式化验证工具提供挑战。
Comments 7 pages
DiffAero: A GPU-Accelerated Differentiable Simulation Framework for Efficient Quadrotor Policy Learning
DiffAero: 一种用于高效四旋翼策略学习的GPU加速可微分仿真框架
机构 * State Key Lab of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology（自主智能无人系统国家重点实验室，北京理工大学） ； Zhongguancun Academy（中关村academy） ； Department of Mechanical Engineering, University of Hong Kong（香港大学机械工程系） ； Harbin Institute of Technology（哈尔滨工业大学）
专题命中 仿真评测 ：LiDAR(abstract,abstract_cn)；分类 cs.RO、cs.AI
AI总结 提出DiffAero，一种轻量级、GPU加速且完全可微的仿真框架，通过并行化物理与渲染实现高效四旋翼控制策略学习，并在消费级硬件上数小时内训练出鲁棒策略。
Comments 8 pages, 11 figures, 1 table
MineXplore: An Open-Source Reinforcement Learning Exploration Benchmark for GNSS-Denied Underground Environment
MineXplore: 面向GNSS拒止地下环境的开源强化学习探索基准
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
专题命中 仿真评测 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 提出基于真实矿井数据的开源MuJoCo导航基准MineXplore，通过六阶段管道重建隧道网络，验证了在GNSS拒止、光照退化等极端条件下策略学习的稳定性与可复现性。
Comments 7 pages,11 figures, Submitted to the workshop Xplore:Cross-Disciplinary aspects of Exploration in Robotics, Reinforcement Learning and Search Held at International Conference on Robotics and Automation (ICRA)
DVGT: Driving Visual Geometry Transformer
DVGT: 驾驶视觉几何变换器
机构 * Tsinghua University（清华大学） ； University of Macau（澳门大学） ； Xiaomi EV（小米电动车） ； Peking University（北京大学）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI
AI总结 提出DVGT，一种从无位姿多视角图像序列重建全局稠密3D点图的视觉几何变换器，通过交替注意力机制学习几何关系，无需相机参数和后处理对齐，在多个驾驶数据集上显著优于现有模型。
Comments Code is available at https://github.com/wzzheng/DVGT
X4Val: Learning Neural Surrogates for Variance-Reduced Policy Evaluation
X4Val: 学习方差缩减策略评估的神经代理模型
机构 * NVIDIA Research（NVIDIA研究院） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO
AI总结 提出X4Val框架，通过嵌入多域数据并学习可迁移预测器，结合控制变量估计器实现无配对样本下的方差缩减，在自动驾驶和机器人操作任务中方差降低达38.4%。
Game-Theoretic Modeling of Multi-Vehicle Interactions at Uncontrolled Intersections
多车辆在无信号交叉口交互的博弈建模
机构 * Robotics Institute, University of Michigan（密歇根大学机器人研究所）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO
AI总结 本文提出了一种基于博弈论的框架，用于建模自动驾驶和人工驾驶车辆在无信号交叉口的交互行为，通过参数化交叉口布局和几何结构，展示了模型在交通场景中的合理性和计算效率。
Comments 18 pages, 13 figures, 1 table
Simulation-based Adversarial Test Generation for Autonomous Vehicles with Machine Learning Components
基于模拟的对抗性测试生成用于自动驾驶车辆的机器学习组件
机构 * Toyota Research Institute of North America（丰田北美研究院） ； Arizona State University（亚利桑那州立大学）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.AI
AI总结 本文提出了一种基于模拟的对抗性测试生成框架，用于评估包含机器学习组件的自动驾驶系统模型的闭环属性，通过测试用例生成和自动失效方法提高系统可靠性。
Comments This is a modified version of a paper presented at the 29th IEEE Intelligent Vehicles Symposium (IV 2018). Source code is available at https://cpslab.assembla.com/spaces/sim-atav
Satyam: Democratizing Groundtruth for Machine Vision
Satyam: 机器视觉领域地面真实数据的民主化
机构 * University of Southern California（南加州大学） ； Microsoft Research（微软研究院）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出Satyam系统，通过简化流程使非专业人员能够高效收集机器视觉的地面真实数据，从而提升自动驾驶、交通监控和视频监控系统的性能。
The CAT Vehicle Testbed: A Simulator with Hardware in the Loop for Autonomous Vehicle Applications
CAT车辆测试平台：用于自动驾驶应用的具有闭环硬件的模拟器
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Arizona（亚利桑那大学） ； Tucson, USA（美国图森市）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO
AI总结 本文提出CAT车辆测试平台，通过闭环硬件模拟验证仿真结果，支持自动驾驶技术研究。平台基于ROS和物理车辆模型，支持多车交互和实时数据回放，可快速验证算法性能。
Comments In Proceedings SCAV 2018, arXiv:1804.03406
Journal ref EPTCS 269, 2018, pp. 32-47
Zero-Shot Autonomous Vehicle Policy Transfer: From Simulation to Real-World via Adversarial Learning
零样本自动驾驶策略转移：通过对抗学习从仿真到现实世界
专题命中 仿真评测 ：autonomous driving(abstract)
AI总结 本文提出了一种零样本方法，通过对抗多智能体强化学习将自动驾驶策略从仿真环境转移到德雷克塞尔大学的缩放智能城市，展示了对抗训练在提高策略稳定性和鲁棒性方面的有效性。
Comments 6 pages, 4 figures
Journal ref IEEE International Conference on Control & Automation, (2020), 35-40
Bayesian Persuasive Driving
贝叶斯说服驾驶
专题命中 仿真评测 ：autonomous driving(abstract)
AI总结 本文提出了一种基于优化的贝叶斯说服驾驶算法，通过 ego 车辆向周围车辆发送信息以改变其对世界状态的后验信念，从而在降低双方成本的同时提高自动驾驶质量和整体驾驶环境。
Comments 8 pages, 10 figures, submitted to ACC 2019 conference
Towards Secure and Safe Appified Automated Vehicles
面向安全和安全的Appified自动驾驶车辆
专题命中 仿真评测 ：self-driving(abstract)
AI总结 本文提出Appified自动驾驶平台概念，旨在通过AVGuard设计框架提升安全性，为开放自动驾驶平台提供设计指南。
A benchmark for data-based office modeling: challenges related to CO$_2$ dynamics
基于数据的办公室建模基准：与CO₂动态相关的挑战
专题命中 仿真评测 ：occupancy(abstract)
AI总结 本文提出一个包含合成测量数据的基准，用于测试数据驱动建模技术，重点解决基于CO₂浓度估计占用率的挑战。
Comments 14 pages, accepted for publication to IFAC SysId 2015
4. 其他自动驾驶 4 篇
On the interaction between Autonomous Mobility-on-Demand systems and the power network: models and coordination algorithms
关于自主出行-on-demand系统与电力网络相互作用：模型和协调算法
专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.RO
AI总结 本文研究了自主出行-on-demand系统与电力网络的相互作用，提出了一种模型来捕捉两者之间的耦合关系，并通过联合优化算法协调两个系统。
Comments Extended version of the paper presented at Robotics: Science and Systems XIV and accepted by TCNS. In Version 4, the body of the paper is largely rewritten for clarity and consistency, and new numerical simulations are presented. All source code is available (MIT) at https://dx.doi.org/10.5281/zenodo.3241651
On the Interaction between Autonomous Mobility-on-Demand and Public Transportation Systems
自动驾驶出行即服务与公共交通系统的交互
机构 * Stanford University（斯坦福大学） ； Technical University of Munich（慕尼黑技术大学）
专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.RO
AI总结 本文研究了自动驾驶出行即服务与公共交通系统的耦合模型及协调策略，通过网络流模型最大化社会福利，并设计定价与收费方案实现社会最优，以纽约市为例验证了协同效应。
Comments 9 pages, 8 figures, ITSC 2018
