自动驾驶

PLAN-S: Bridging Planning with Latent Style Dynamics for Autonomous Driving World Models

PLAN-S：通过潜在风格动态桥接规划以实现自动驾驶世界模型

Xiaoyun Qiu, Jingtao He, Yijie Chen, Yusong Huang, Haotian Wang, Yixuan Wang, Xinhu Zheng

机构 * Intelligent Transportation Thrust, Systems Hub, and Center of Seamless Connectivity & Connected Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（智能交通 thrust、系统中心及无缝连接与智能连接研究院，香港科学与技术大学（广州）） 纠错

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

AI总结 提出PLAN-S框架，通过从潜在表示解码风格条件语义成本图，解决自动驾驶中潜在世界模型规划的可控性问题，在nuScenes和NAVSIM上降低了碰撞率并提升了驾驶性能。

Waypoints Matter: A Systematic Study for Sampling-Based Trajectory Planning

航点至关重要：基于采样的轨迹规划的系统研究

Josep M. Barbera, Antonio Artuñedo, Jorge Villagra

机构 * AUTOPIA Program at the Centre for Automation and Robotics, CSIC-Universidad Politécnica de Madrid（自动化与机器人中心，CSIC-马德里理工大学） 纠错

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

AI总结 本文系统研究了航点放置策略（均匀间隔、RDP*变体、曲率条件分配）对采样轨迹规划器性能的影响，发现标称航点间距是主要性能驱动因素，均匀采样在适当间距下表现最佳。

Comments 8 pages, 5 figures, 3 tables; accepted at IEEE ITSC 2026

Meridian: Metric-Semantic Primitive Matching for Cross-View Geo-Localization Beyond Urban Environments

Meridian: 超越城市环境的跨视角地理定位的度量-语义基元匹配

Mason Peterson, Qingyuan Li, Yixuan Jia, Fernando Cladera, Carlos Nieto-Granda, Camillo Jose Taylor, Jonathan P. How

机构 * Massachusetts Institute of Technology（麻省理工学院） ； GRASP Laboratory, University of Pennsylvania（宾夕法尼亚大学GRASP实验室） ； U.S. Army Combat Capabilities Development Command, Army Research Laboratory（美国陆军战斗能力发展指挥部，陆军研究实验室） 纠错

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

AI总结 提出Meridian方法，通过匹配航拍图像与地面机器人RGB-D数据中的高层度量-语义基元，无需特定区域训练即可实现跨多种环境的全局定位，平均轨迹误差2.4米。

Comments 9 pages, 6 figures

Unified Driving Tokens: Representation- and Geometry-Guided Discrete Tokenizer for Driving World Models and Planning

统一驾驶令牌：面向驾驶世界模型和规划的表示与几何引导的离散分词器

Ziyang Yao, Zeyu Zhu, YunCheng Jiang, Zibin Guo, Huijing Zhao

机构 * Peking University（北京大学） ； Xiaomi EV（小米电动车） 纠错

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

AI总结 提出一种表示引导与几何增强的离散分词器，通过联合监督学习紧凑令牌，同时优化重建保真度、表示一致性和规划性能。

Explainability of Large Language Models: Opportunities and Challenges toward Generating Trustworthy Explanations

大型语言模型的可解释性：朝着生成可信解释的方向机遇与挑战

Shahin Atakishiyev, Housam K. B. Babiker, Jiayi Dai, Nawshad Farruque, Teruaki Hayashi, Nafisa Sadaf Hriti, Md Abed Rahman, Iain Smith, Mi-Young Kim, Osmar R. Zaïane, Randy Goebel

机构 * University of Alberta（阿尔伯塔大学） ； University of Tokyo（东京大学） 纠错

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文探讨了大型语言模型的可解释性问题，分析了局部可解释性和机械可解释性方法，并在医疗和自动驾驶两个关键领域进行了实验研究，总结了当前可解释性领域存在的问题和未来发展方向。