自动驾驶

LoComposition: Terrain-Adaptive Energy-Efficient Quadruped Locomotion without Gait Priors

LoComposition：无需步态先验的地形自适应高效四足运动

Loukas Kordos, Leonard T. Franz, Simon Rappenecker, Oliver Hausdoerfer, Angela P. Schoellig, Pavel Kolev, Georg Martius

机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Tübingen（图宾根大学） ； Technical University of Munich（慕尼黑工业大学） ； University of Stuttgart（斯图加特大学） 纠错

专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO

AI总结 提出一种将任务奖励、操作约束、能量最小化和地形感知分离的框架，无需显式步态先验，在四足机器人上实现高效地形自适应运动，运输成本降低56%，违规减少96%。

Comments 17 pages, 5 figures, 10 tables

Efficient 3D Perception on Multi-Sweep Point Cloud with Gumbel Spatial Pruning

多扫点云上的高效3D感知与Gumbel空间修剪

Tianyu Sun, Jianhao Li, Xueqian Zhang, Zhongdao Wang, Bailan Feng, Hengshuang Zhao

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Department of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Noah’s Ark Lab（诺亚实验室） ； Department of Computer Science, University of Hong Kong（香港大学计算机科学系） 纠错

专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.CV

AI总结 本文研究了户外环境中点云感知问题，通过累积多个连续点云扫描以提高感知精度，引入Gumbel空间修剪层有效减少冗余点，提升3D感知性能。

Seeing Roads Through Words: A Language-Guided Framework for RGB-T Driving Scene Segmentation

通过文字看道路：一种语言引导的RGB-T驾驶场景分割框架

Ruturaj Reddy, Hrishav Bakul Barua, Junn Yong Loo, Thanh Thi Nguyen, Ganesh Krishnasamy

机构 * National University of Singapore（新加坡国立大学） ； University of Technology Sydney（悉尼科技大学） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 提出CLARITY框架，利用视觉语言模型先验动态调整RGB-T融合策略，并引入暗目标语义保留和层次化解码器，在MFNet数据集上达到62.3% mIoU和77.5% mAcc的新SOTA。

ActiveSAM: Image-Conditional Class Pruning for Fast and Accurate Open-Vocabulary Segmentation

ActiveSAM: 图像条件类别剪枝实现快速准确的开放词汇分割

Tran Dinh Tien, Zhiqiang Shen

机构 * VILA Lab, Mohamed bin Zayed University of Artificial Intelligence（VILA实验室，穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 提出ActiveSAM，一种无需训练、零样本的推理框架，通过图像条件类别剪枝和低分辨率预览，将SAM 3转化为主动词汇分割器，在8个基准上平均提升1.4 mIoU，速度提升最高5.5倍。

Comments Preprint. Code is available at https://github.com/VILA-Lab/ActiveSAM

ROSA-RL: Uncertainty-Aware Roundabout Optimized Speed Advisory with Reinforcement Learning

ROSA-RL：基于强化学习的不确定性感知环岛优化速度建议

Anna-Lena Schlamp, Jeremias Gerner, Klaus Bogenberger, Werner Huber, Stefanie Schmidtner

机构 * Universität der Bundeswehr München（慕尼黑联邦国防军大学） ； Hochschule für angewandte Wissenschaften Landshut（兰茨胡特应用科学大学） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO、cs.AI

AI总结 针对混合交通中环岛场景的不确定性，提出ROSA-RL框架，结合Transformer预测冲突区域占用概率与强化学习，实现安全高效的环岛入口速度协调。

Comments 8 pages, 2 figures, 2 tables. Copyright 2026 IEEE. This is the accepted manuscript for 2026 IEEE International Conference on Intelligent Transportation Systems (ITSC), not the final published version

Mitigating Object Hallucinations in LVLMs via Attention Imbalance Rectification

通过注意力不平衡修正减轻LVLM中的对象幻觉

Han Sun, Qin Li, Peixin Wang, Min Zhang

机构 * Shanghai Key Laboratory of Trustworthy Computing, East China Normal University（上海可信计算实验室，东华大学） 纠错

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

AI总结 发现多模态和token间注意力不平衡是对象幻觉的因果因素，提出轻量级解码干预方法AIR，通过重新分配注意力权重修正不平衡，在多个基准上减少幻觉达35.1%，并提升通用能力。

Comments CVPR 2026 Findings Track, code is available at https://github.com/Ice-wave/AIR

BRDFusion: Physics Meets Generation for Urban Scene Inverse Rendering

BRDFusion：物理与生成结合的城市场景逆渲染

Yi-Ruei Liu, Jie-Ying Lee, Zheng-Hui Huang, Yu-Lun Liu, Chih-Hao Lin

机构 * National Yang Ming Chiao Tung University ； University of Illinois Urbana-Champaign ； National Taiwan University 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV

AI总结 提出BRDFusion框架，结合物理建模与生成先验，实现城市场景逆渲染，在保持物理一致性的同时修复伪影，支持新视角重光照、夜间模拟和动态物体编辑。

Comments Project page: https://shigon255.github.io/brdfusion-page/

G2IA: Geometry-Guided Instance-Aware Retrieval and Refinement for Cross-Modal Place Recognition

G2IA: 几何引导的实例感知跨模态地点识别检索与精炼

Xianyun Jiao, Jingyi Xu, Zhongmiao Yan, Xieyuanli Chen, Ling Pei

机构 * Shanghai Jiao Tong University（上海交通大学） ； National University of Defense Technology（国防科技大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 提出G2IA框架，通过几何引导的实例感知检索和跨模态局部形状与空间布局验证，解决图像到点云地点识别中的模态差异和感知混淆问题。

Task-Aware Environment Augmentation for Reliable Navigation via Shielded Conditional Diffusion

任务感知的环境增强：通过屏蔽条件扩散实现可靠导航

Bharawee Phoompho, Gokul Puthumanaillam, Yan Miao, Ruben Hernandez, Tim Bretl, Sayan Mitra, Melkior Ornik

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO

AI总结 针对部分可观测环境下的轨迹规划可靠性问题，提出任务感知的环境增强方法SCoDA，利用条件扩散模型学习最优视觉标记布局，通过屏蔽采样引导标记放置，提升轨迹执行可靠性和完成时间。

Reasoning in Computer Vision: Taxonomy, Models, Tasks, and Methodologies

计算机视觉中的推理：分类、模型、任务与方法论

Ayushman Sarkar, Zhenyu Yu, Mohd Yamani Idna Idris

机构 * Department of Computer Science and Engineering, Birbhum Institute of Engineering and Technology（计算机科学与工程系，比罗尔理工学院） ； College of Computer Science and Artificial Intelligence, Fudan University（计算机科学与人工智能学院，复旦大学） ； Faculty of Computer Science and Information Technology, Universiti Malaya（计算机科学与信息技术学院，马来亚大学） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文对计算机视觉中的推理进行系统分类，涵盖关系、符号、时间、因果和常识推理，并综述了从图模型到多模态大语言模型的实现方法及评估协议，指出开放挑战并设定未来研究方向。

Data Scarcity in Gas Load Profiling: Generalized Proxy-Guided Load and Temporal Disaggregation

燃气负荷分析中的数据稀缺性：广义代理引导的负荷与时间分解

Lucas Krome, Mahtab Aboufazeli, Soosan Beheshti, Bala Venkatesh

专题命中 感知 ：occupancy(abstract)

AI总结 针对燃气数据稀缺问题，提出广义代理引导的负荷与时间分解框架，通过四阶段过程从低频数据重建高保真热负荷曲线，在11栋多单元住宅数据集上实现总燃气消耗均方百分比误差6.37%。

Comments This work has been accepted for presentation/publication at the 2026 IEEE Canadian Conference on Electrical and Computer Engineering (CCECE). The final published version will appear in IEEE Xplore

DarkFlow: Hierarchical Digital SiPM Architecture with Low-Loss Dataflow Readout for Dark Matter Detection

DarkFlow：用于暗物质探测的具有低损耗数据流读出的分层数字SiPM架构

Zirui Wang, Aras Repond, Shawn Westerdale, Wantong Li

专题命中 感知 ：occupancy(abstract)

AI总结 提出DarkFlow分层数字SiPM架构，通过本地数据聚合、相对时间编码、背压控制和占用感知eDRAM突发缓冲，在十亿光子事件率下实现超低丢包，有效刷新率提升2.14倍，数字读出面积占比小于0.86%。

Comments Accepted to GLSVLSI

Robust and Precise Application Fingerprinting on 5G Physical Uplink Channel

5G物理上行链路上的鲁棒且精确的应用指纹识别

Yu Li, Liqi Zhuang, Dong Wei, Jiwen Luo, Hang Zhang, Meng Zhang, Xiaona Li, Weiqing Huang

专题命中 感知 ：occupancy(abstract)

AI总结 针对5G加密控制信道打破传统攻击链的问题，本文发现物理层侧信道（上行MCS稳定导致PRB数量反映IP包长度），结合上行控制信道重构双向流量，设计了三步被动攻击Crosshair，通过盲提取、数据增强和跨模态对齐实现高精度应用识别。

KATANA: A Fast, Low-Power Mapping of Kalman Filters onto Edge NPUs for Real-Time Tracking

KATANA：一种将卡尔曼滤波器快速、低功耗映射到边缘NPU上用于实时跟踪的方法

Bodhisatwa Kundu, Anish Rooj, Sumit Saha, Abhradeep Sarkar, Arghadip Das, Arnab Raha, Mrinal K. Naskar

机构 * Indian Institute of Technology, Kharagpur（印度理工学院，Khargpur分校） 纠错

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对实时跟踪系统中卡尔曼滤波器在边缘设备上的功耗和实时性约束，提出KATANA框架，通过三种代数图重写将LKF/EKF映射到商用NPU，在Intel Core Ultra系列上实现高达97.9%的动态能耗降低。

Metis: A Generalizable and Efficient World-Action Model for Autonomous Driving and Urban Navigation

Metis: 一种用于自动驾驶和城市导航的通用高效世界-动作模型

Jingyu Li, Zhe Liu, Dongnan Hu, Junjie Wu, Zipei Ma, Wenxiao Wu, Chao Han, Zhihui Hao, Zhikang Liu, Kun Zhan, Jiankang Deng, Xiatian Zhu, Li Zhang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The University of Hong Kong（香港大学） ； Tongji University（同济大学） ； Li Auto Inc.（理想汽车） ； Huazhong University of Science and Technology（华中科技大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学） 纠错

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

AI总结 提出Metis框架，通过解耦视频生成与动作预测，采用混合专家架构和不对称注意力掩码，实现高效推理与泛化，在多个导航基准上取得最优性能。

Game-Theoretic Multi-Agent Reinforcement Learning for Swarm Trajectory Planning in Low-Altitude Wireless Networks

低空无线网络中基于博弈论的多智能体强化学习群体轨迹规划

Nguyen Duc Minh Quang, Ruoxi Chong, Zhiqiang Wei, Chang Liu, Derrick Wing Kwan Ng

专题命中 规划控制 ：trajectory planning(title,abstract)

AI总结 针对低空无线网络中多无人机在多小区基站下因资源块分配导致的轨迹耦合问题，提出合作随机拥塞博弈模型和CTDE-MAPPO算法，实现通信与任务联合优化。

Comments Submitted to IEEE/CIC ICCC 2026 in Wuhan

HOLO-MPPI: Multi-Scenario Motion Planning via Hierarchical Policy Optimization

HOLO-MPPI：通过分层策略优化的多场景运动规划

Youngjae Min, Jovin D'sa, Faizan M. Tariq, David Isele, Navid Azizan, Sangjae Bae

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Honda Research Institute, USA（本田研究所（美国）） 纠错

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

AI总结 提出HOLO-MPPI框架，结合离线高层策略学习与在线低层随机最优控制，实现多场景运动规划，无需针对每个场景重新调整参数，在自动驾驶中优于MPPI和端到端RL基线。

Is Your Trajectory Displacement Safe in Long-tail?

你的轨迹位移在长尾场景中安全吗？

Qiao Sun, Weicheng Zheng, Yixin Huang, Hang Zhao

机构 * Shanghai Qi Zhi Institute（上海期智研究院） ； Tsinghua University（清华大学） ； Tongji University（同济大学） 纠错

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

AI总结 提出FluidTest评估框架，通过成对WebUI协议、32种语义威胁分类和三元验证系统，检测规划轨迹相对于专家参考的额外威胁，实验发现SOTA规划器仍存在大量安全相关失败。

Comments 20 pages, 15 figures

Steering Emotional Dynamics for Art Therapy: Controllable Narrative Script Generation through Hierarchically Guided LLM Agents

引导艺术治疗的情感动态：通过分层引导的LLM智能体实现可控叙事脚本生成

Suqing Wang, Qinghai Miao, Chao Guo, Yisheng Lv

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.AI

AI总结 提出EC-Script框架，通过分层控制情感轨迹生成叙事脚本，实现情感轨迹规划、场景驱动和局部情感调节，显著优于基线方法。

Adaptive Deep Koopman Operator for Vehicle Dynamics Modeling: A Physics-Informed and Tire-Force-Driven Approach

自适应深度库普曼算子用于车辆动力学建模：一种物理信息与轮胎力驱动方法

Wenjie Wang, Hao Chen, Ran Shu, Solyeon Kwon, Kyoungseok Han, Hongyu Shu

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

AI总结 针对深度库普曼算子在在线应用中因高维提升状态空间导致的秩亏问题，提出一种轮胎力驱动建模框架，通过嵌入7自由度动力学约束和物理信息变步长归一化最小均方算法，实现稳定在线更新，在CarSim和dSPACE硬件在环测试中验证了鲁棒精度与实时性。

A Comparative Study of Graph Neural Network Layer Selection for Interaction Modelling in Driving Trajectory Prediction

图神经网络层选择用于驾驶轨迹预测中交互建模的比较研究

George Daoud, Mohamed El-Darieby

机构 * Ontario Tech University（安大略理工大学） ； Assiut University（艾斯尤特大学） 纠错

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

AI总结 本文比较了19种图神经网络层在轨迹预测中的空间和时间处理能力，发现ARMA、Chebyshev和拓扑感知层表现最佳，并总结了基于和聚合、多头注意力和不同跳距权重等设计原则。

Comments 6 pages, 1 figure

Journal ref The IEEE Intelligent Vehicles Symposium (IEEE IV 2026)

m6A-FORM: An m6A-focused Foundation Model for Decoding m6A Regulatory Function

m6A-FORM：解码N6-甲基腺苷生物学的基础模型

Ting-He Zhang, Sumin Jo, Shou-Jiang Gao, Yufei Huang

专题命中 规划控制 ：occupancy(abstract)

AI总结 提出基于Transformer的基础模型m6A-FORM，利用MeRIP-seq峰作为先验，预训练后微调实现m6A位点预测，性能优于现有方法，并支持调控因子结合位点预测和组织保守位点分析。

The Swarm Intelligence Freeway-Urban Trajectories (SWIFTraj) Dataset -- Part I: Dataset Description and Applications

蜂群智能高速公路（SWIFTraj）数据集——第一部分：数据集描述与应用

Yu Han, Xinkai Ji, Chen Qian, Le Zhang, Ying Yang, Pan Liu

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

AI总结 SWIFTraj数据集提供长达4.5公里的高速公路连续轨迹，用于研究交通现象及其时空演变，支持多尺度交通分析与自动驾驶相关研究。

GraphWorld: Long-Horizon Planning with World Models for End-to-End Autonomous Driving

GraphWorld: 基于世界模型的长时域规划实现端到端自动驾驶

Ziying Song, Caiyan Jia, Lin Liu, Lei Yang, Shengkai Zhang, Feiyang Jia, Fengda Zhao, Peiliang Wu, Shaoqing Xu, Chen Lv, Yadan Luo

机构 * Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence, School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院，交通数据挖掘与具身智能北京市重点实验室） ； School of Artificial Intelligence (School of Software), Yanshan University（燕山大学人工智能学院（软件学院）） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； University of Macau（澳门大学） ； The University of Queensland（昆士兰大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；trajectory planning(abstract)；分类 cs.CV

AI总结 提出GraphWorld框架，通过潜在世界建模增强长时域规划，利用自车中心交互图建模邻车关系，并基于世界状态条件规划实现安全轨迹生成，显著降低碰撞率。

Comments 16 pages, 5 figures

Explainable deep learning improves human mental models of self-driving cars

可解释深度学习提升人类对自动驾驶汽车的心理模型

Eoin M. Kenny, Akshay Dharmavaram, Sang Uk Lee, Tung Phan-Minh, Shreyas Rajesh, Yunqing Hu, Laura Major, Momchil S. Tomov, Julie A. Shah

机构 * Computer Science & Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology（计算机科学与人工智能实验室（CSAIL），麻省理工学院） ； Motional AD Inc.（Motional AD公司） ； Department of Psychology and Center for Brain Science, Harvard University（心理学系和大脑科学中心，哈佛大学） ； Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空与宇航系，麻省理工学院） 纠错

专题命中 端到端驾驶 ：self-driving(title,abstract)；分类 cs.RO、cs.AI

AI总结 提出概念包装网络（CW-Net），在真实自动驾驶车上实现可解释规划，通过因果性概念解释提升驾驶员对车辆行为的预测能力，尤其在意外场景中。

Comments MST & JAS contributed equally to this work

CoIRL-AD: Collaborative-Competitive Imitation-Reinforcement Learning in Latent World Models for Autonomous Driving

CoIRL-AD：面向自动驾驶的潜在世界模型中的协作-竞争模仿-强化学习

Xiaoji Zheng, Ziyuan Yang, Yanhao Chen, Yuhang Peng, Yuanrong Tang, Gengyuan Liu, Bokui Chen, Jiangtao Gong

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出CoIRL-AD框架，通过解耦模仿学习与强化学习、利用潜在世界模型进行长时程奖励估计以及引入竞争机制，在离线训练中提升自动驾驶的鲁棒性，尤其在跨城市泛化和长尾场景中表现优异。

Comments 19 pages, 22 figures, ICML 2026

CausalDrive: Real-time Causal World Models for Autonomous Driving

CausalDrive: 用于自动驾驶的实时因果世界模型

Tianyi Yan, Huan Zheng, Dubing Chen, Meizhi Qu, Yingying Shen, Lijun Zhou, Mingfei Tu, Bing Wang, Guang Chen, Hangjun Ye, Haiyang Sun, Cheng-zhong Xu, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学协同创新研究院，科技学院） ； Xiaomi EV（小米汽车） ； CASIA（中国科学院自动化研究所） 纠错

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

AI总结 提出CausalDrive，一种可控、实时的驾驶世界渲染器，通过因果预测和Context-Forced DMD架构实现交互式模拟，支持闭环评估、强化学习后训练和人在环仿真。

Bayesian Optimization for Learning Nonlinear MPC in Autonomous Agent Navigation

自主智能体导航中学习非线性模型预测控制的贝叶斯优化

Lorenzo Ortolani, Gabriel Voss, Gabriele Beltrami, Francesco Dorati, Tommaso Felice Banfi

机构 * Talos Robotics AI 纠错

专题命中 端到端驾驶 ：LiDAR(abstract)；occupancy(abstract)；分类 cs.RO

AI总结 提出一种无地图框架，结合滚动时域规划与非线性MPC，利用贝叶斯优化自动调参，在仿真和实物四足机器人上实现高效导航。

Comments Published at the IEEE ICRA 2026 Xplore Workshop (Oral), Cross-Disciplinary aspects of Exploration in Robotics, Reinforcement Learning, and Search

NIMO: A Software Platform for Closed-Loop Materials Exploration with Diverse AI Algorithms

NIMO：一个集成多种AI算法的闭环材料探索软件平台

Ryo Tamura, Naruki Yoshikawa, Koji Tsuda, Shoichi Matsuda

机构 * Center for Basic Research on Materials, National Institute for Materials Science（材料基础研究所，日本国家材料科学研究所） ； Graduate School of Frontier Sciences, The University of Tokyo（东京大学前沿科学研究生院） ； Center for Green Research on Energy and Environmental Materials, National Institute for Material Science（能源与环境材料绿色研究中心，日本国家材料科学研究所） 纠错

专题命中 端到端驾驶 ：self-driving(abstract)；分类 cs.RO

AI总结 提出开源平台NIMO，通过模块化AI-机器人解耦、候选池架构和统一接口，集成12种AI算法，实现跨实验室的自主材料探索。

Comments 29 pages, 5 figures

Data-driven invariant set for nonlinear systems with application to command governors

非线性系统的数据驱动不变集及其在指令调节器中的应用

Ali Kashani, Claus Danielson

专题命中 端到端驾驶 ：autonomous driving(abstract)

AI总结 提出直接数据驱动方法合成未建模非线性系统的正不变集，用于设计约束满足的指令调节器，通过半定规划学习平方和类李雅普诺夫函数，并利用Lipschitz性质保证鲁棒性。

Journal ref Automatica, 172, 112010 (2005)