自动驾驶

Occupancy-Grounded Room Segmentation for Hierarchical 3D Scene Graphs

基于占用空间的房间分割用于分层3D场景图

Carlos Cueto Zumaya, Iacopo Catalano, Jorge Peña-Queralta, Wallace Moreira Bessa

机构 * University of Turku（图尔库大学） ； Centre for Artificial Intelligence, Zürich University of Applied Sciences（苏黎世应用科学大学人工智能中心） 纠错

专题命中 感知 ：occupancy(title,abstract)；分类 cs.RO

AI总结 提出一种基于占用分解的房间节点锚定方法，构建分层3D场景图，在Matterport3D数据集上相比基线方法恢复了更多房间实例。

Vision-Based Efficient Joint Trajectory and Channel Tracking in Near-Field XL-MIMO Systems

基于视觉的近场XL-MIMO系统中高效联合轨迹与信道跟踪

Mengyuan Li, Yu Han, Hao Xu, Yongxu Zhu, Shi Jin, Chao-Kai Wen

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对近场XL-MIMO系统中联合轨迹与信道跟踪耗时且硬件开销大的问题，提出基于子阵列部分连接混合波束赋形架构与改进CenterNet的视觉方法，实现高精度低复杂度跟踪。

OpenDT: Exploring Datacenter Performance and Sustainability with a Self-Calibrating Digital Twin -- Technical Report

OpenDT：利用自校准数字孪生探索数据中心性能与可持续性——技术报告

Radu Nicolae, Jules van der Toorn, Stavriana Kraniti, Houcen Liu, Alexandru Iosup

专题命中 感知 ：autonomous driving(abstract)

AI总结 提出开源数字孪生OpenDT，通过自校准离散事件仿真和SLO感知反馈循环，实现数据中心性能与能效优化，校准精度MAPE达4.39%。

Comments Companion of the 17th ACM/SPEC International Conference on Performance Engineering (ICPE 2026), May 04-08, 2026, Florence, Italy

TCRL: Temporal-Coupled Adversarial Training for Robust Constrained Reinforcement Learning in Worst-Case Scenarios

TCRL: 时序耦合对抗训练用于最坏情况下的鲁棒约束强化学习

Wentao Xu, Zhongming Yao, Weihao Li, Zhenghang Song, Yumeng Song, Tianyi Li, Yushuai Li

机构 * Northeastern University（东北大学） ； Zhejiang University（浙江大学） ； Aalborg University（奥胡斯大学） 纠错

专题命中 感知 ：autonomous driving(abstract)

AI总结 TCRL通过引入时序耦合对抗训练框架，解决传统方法在处理时序耦合扰动时的不足，提升约束强化学习在最坏情况下的鲁棒性。

Journal ref Proc. of the 25th International Conference on Autonomous Agents and Multiagent Systems, 3489 - 3491, 2026

Output Type Before Quality: A Standards-Derived XAI Admissibility Rubric for Autonomous-Driving Safety

先输出类型，后质量：基于标准的自动驾驶安全XAI可接受性评估标准

Abhinaw Priyadershi, Mandar Pitale, Jelena Frtunikj, Maria Spence

机构 * NVIDIA Corporation（英伟达公司） ； NVIDIA GmbH（英伟达德国分公司） 纠错

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

AI总结 针对基于ML的自动驾驶安全标准与XAI方法输出类型不匹配的证据类型缺口，从多个安全标准推导出19项可测试证据标准，评估六类XAI方法，发现因果XAI在三个生命周期阶段结构上必需，并提出了结构可接受性概念。

Comments Accepted at SAFECOMP 2026 Workshops (SASSUR); to appear in Springer LNCS

RT-VLA: Real-Time Vision-Language-Action Models via Knowledge Distillation

RT-VLA：通过知识蒸馏实现实时视觉-语言-动作模型

Xiangyu Huang, Zhenlin Hua, Han Zhou, Shounak Sural, Ragunathan Rajkumar

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 提出RT-VLA，通过多级监督蒸馏将SimLingo模型的能力压缩至轻量学生模型，在保持竞争性能的同时将推理时间降低44.8倍（纯视觉模式）和7.9倍（视觉+语言模式），实现实时可解释的VLA自动驾驶。

Revisiting Outage for Edge Inference Systems

重新审视边缘推理系统的中断问题

Zhanwei Wang, Qunsong Zeng, Haotian Zheng, Kaibin Huang

机构 * Department of Electrical and Computer Engineering, The University of Hong Kong（香港大学电子与计算机工程系） 纠错

专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.AI

AI总结 针对边缘推理系统的端到端可靠性，提出推理中断概率框架，量化推理精度低于阈值的概率，并优化通信开销与推理可靠性的权衡。

BIM-Loc: BIM-Integrated Discrepancy-Aware LiDAR-based Indoor Localization

BIM-Loc：集成BIM的差异感知激光雷达室内定位

Yinqiang Zhang, Liang Lu, Yipeng Pan, Maolin Lei, Yuhan Xie, Zhanteng Xie, Xiaowei Luo, Jia Pan

机构 * Department of AI & Data Science, University of Hong Kong (HKU)（香港大学人工智能与数据科学系） ； Department of Architecture and Civil Engineering, City University of Hong Kong (CityU)（香港城市大学建筑与土木工程系） ； Humanoids and Human Centered Mechatronics Research Line, Italian Institute of Technology (IIT)（意大利技术研究院人形机器人与以人为本机电一体化研究组） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO

AI总结 提出BIM-Loc，一种直接集成建筑信息模型（BIM）的差异感知激光雷达定位方法，通过多命中射线投射、BIM集成因子位姿图优化和层次贝叶斯推断，实现与BIM坐标系对齐的轨迹估计和在线差异检测，显著提升定位精度与鲁棒性。

Comments 24 pages, 21 figures, accepted by International Journal of Robotics Research (IJRR), to be published

Journal ref The International Journal of Robotics Research, 2026

LiAuto-GeoX: Efficient Grounded Driving Transformer

LiAuto-GeoX: 高效接地驾驶Transformer

Jiawei Lian, Haoyi Sun, Yang Wu, Lifu Mu, Siyuan Wang, Le Hui, Ning Mao, Tao Wei, Pan Zhou, Kun Zhan, Jian Yang

机构 * Nanjing University of Science and Technology（南京理工大学） ； Li Auto Inc.（Li Auto公司） ； Northwestern Polytechnical University（西北工业大学） ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算学院） 纠错

专题命中 激光雷达 ：autonomous driving(abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.CV

AI总结 提出LiAuto-GeoX，通过稀疏激光雷达先验和几何保持蒸馏框架，实现高效、实时的自车中心密集3D重建，并显著提升下游自动驾驶任务性能。

ReactSim-Bench: Benchmarking Reactive Behavior World Model Simulation in Autonomous Driving

ReactSim-Bench：自动驾驶中反应性行为世界模型模拟的基准测试

Zhiyuan Zhang, Yanlun Peng, Jianing Zhang, Xianda Guo, Zehan Huang, Haoran Liu, Qifeng Li, Shaofeng Zhang, Xiaosong Jia, Junchi Yan

机构 * School of Computer Science & School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学计算机科学与技术学院、人工智能学院） ； Great Wall Motor（长城汽车） ； Institute of Trustworthy Embodied AI (TEAI), Fudan University（复旦大学可信具身人工智能研究所） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 提出ReactSim-Bench，通过解耦自车与周围智能体控制，使用偏离日志的自车行为作为输入，评估行为世界模型模拟的反应性能力，并基于碰撞、地图和运动学指标系统评测多种模型。

From Attacks to Curricula: Learnability-Guided Adversarial Training for Safe Autonomous Driving

从攻击到课程：面向安全自动驾驶的可学习性引导对抗训练

Yuewen Mei, Tong Nie, Jie Sun, Haotian Shi, Wei Ma, Jian Sun

机构 * College of Transportation & Key Laboratory of Road and Traffic Engineering of Ministry of Education, Tongji University（同济大学交通运输工程学院 & 道路与交通工程教育部重点实验室） ； Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University（香港理工大学土木与环境工程学系） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 提出AlignADV框架，通过偏好对齐生成可解决场景，并利用行为指纹预测策略能力，动态采样课程以提升自动驾驶对抗训练的收敛效率与安全性。

ARTSN: Exact and Adaptive Self-triggered Traffic Scheduling for ARTS Networks

ARTSN：ARTS网络的精确自适应自触发流量调度

Ruide Cao, Shuangping Zhan, Jiashuo Lin, Yan Liu, Chenxi Ling, Yi Wang, Guoming Tang

专题命中 仿真评测 ：self-driving(abstract)

AI总结 针对自触发流量波动性和缺席性挑战，提出ARTSN调度范式，利用可推断到达信息实现精确离线调度，并设计自适应在线时隙释放机制，显著提升可调度性、可扩展性和效率。

Comments 11 pages. Accepted by ICDCS 2026

Accuracy of Joint Time-Based and Carrier-Phase Positioning in 5G Networks under Correlated Measurement Errors

5G网络中相关测量误差下基于时间与载波相位联合定位的精度

Nahidul Islam, Mohammad Razzaghpour, Marwan Hammouda, Carsten Bockelmann, Armin Dekorsy

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 研究联合ToA与载波相位定位方法，考虑测量误差相关性，分析5G系统参数对精度的影响，在工厂和城市环境下实现约7%的性能提升。

Comments 6 pages, 5 figures