自动驾驶

GraphBEV++: Multi-Modal Feature Alignment for Autonomous Driving

GraphBEV++: 自动驾驶中的多模态特征对齐

Ziying Song, Caiyan Jia, Lin Liu, Shaoqing Xu, Lei Yang, 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）） ； University of Macau（澳门大学） ； Nanyang Technological University（南洋理工大学） ； The University of Queensland（昆士兰大学） 纠错

专题命中 BEV与占用 ：BEV(summary_cn,abstract)；autonomous driving(title,abstract)；LiDAR(abstract)；occupancy(abstract)

AI总结 针对自动驾驶中BEV感知的特征未对齐问题，提出GraphBEV++框架，通过局部对齐（LocalAlign-v2）和全局对齐（GlobalAlign-v2）模块，利用图匹配、可变形偏移和扩散去噪方法，在多种基准上实现最优性能。

Comments 30 pages, 7 figures

MapDream: Task-Driven Map Learning for Vision-Language Navigation

MapDream: 面向视觉-语言导航的任务驱动地图学习

Guoxin Lian, Shuo Wang, Yucheng Wang, Yongcai Wang, Maiyue Chen, Kaihui Wang, Bo Zhang, Zhizhong Su, Deying Li, Zhaoxin Fan

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

专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.RO、cs.CV、cs.AI

AI总结 提出MapDream框架，通过自回归鸟瞰图生成联合学习地图与动作预测，在R2R-CE和RxR-CE上达到单目最优性能。

ControlMap: Controllable High-Definition Map Generation for Traffic Scenario Simulation

ControlMap: 用于交通场景仿真的可控高清地图生成

Marwan Farag, Steffen Wäldele, Yu Yao

机构 * University of Stuttgart（斯图加特大学） ； Robert Bosch GmbH（博世公司） ； Motional, Inc（Motional公司） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.RO、cs.AI

AI总结 提出基于潜在扩散和ControlNet的数据驱动管道，实现可控高清地图生成，支持空间引导、条件强度调整和城市风格迁移，并引入新指标评估控制信号遵循度和地图真实性。

VANDERER: Map-Free Exploration using Future-Aware and Visual-Curiosity-Guided Diffusion Policy

VANDERER: 基于未来感知与视觉好奇心引导扩散策略的无地图探索

Venkata Naren Devarakonda, Raktim Gautam Goswami, Prashanth Krishnamurthy, Farshad Khorrami

机构 * Control/Robotics Research Laboratory (CRRL), Department of Electrical and Computer Engineering, NYU Tandon School of Engineering（纽约大学坦登工程学院电气与计算机工程系控制/机器人研究实验室（CRRL）） ； New York University Abu Dhabi (NYUAD) Center for Artificial Intelligence and Robotics (CAIR)（纽约大学阿布扎比分校人工智能与机器人中心（CAIR）） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.RO、cs.CV

AI总结 提出VANDERER框架，利用视觉好奇心模块引导预训练扩散策略，仅依赖单目图像实现高效无地图探索，在多种模拟环境中平均探索面积比NoMaD多13.4%。

A parametric family of primes $p=km(m+1)+\varepsilon +2kq$: heuristic laws, conditional theorems, and unconditional primality certificates

素数 p = km(m+1) + e + 2kq 的参数族：启发式定律、条件定理和无条件素性证书

Hassane Bakkaoui

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究素数 p = km(m+1) + e + 2kq 的参数族，给出无条件素性证书（如构造29998位素数）、条件结果（GRH下|q_min|的界）和启发式定律，并证明zeta回归信号是伪影。

Comments 16 pages, 6 figures. Ancillary files: Python reproducibility scripts regenerating the tables and figures (deterministic quantities reproduced exactly; statistical ones converge to the published values). All assertions are tagged rigorous, conditional, or heuristic

Connecting entanglement growth with local integrals of motion in the disordered Fermi-Hubbard model

无序费米-哈伯德模型中纠缠增长与局部运动积分的联系

Ahad Nokhostin Helm, Brandon Leipner-Johns, Rachel Wortis

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究无序费米-哈伯德模型中电荷和自旋自由度对纠缠增长的贡献，通过优化局部守恒量展开哈密顿量，发现电荷-自旋耦合显著弱于同类耦合，且仅在无序强度不同时显现。

Comments 9 pages, 11 figures

Steady-State Approximation Error of Heterogeneous Mean-Field Models

异质平均场模型的稳态近似误差

Lei Ying

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究异质平均场模型中M个智能体系统的占据测度与退火平均场平衡之间的稳态均方误差，建立了O(1/M)的界，揭示了异质系统需要初始条件扰动的均匀鲁棒性。

Comments Corrected a few minor typos and added a link to ref [6]

Automated Digital Twin Construction for Highway Scenarios Using LiDAR Point Clouds and OpenStreetMap

基于LiDAR点云和OpenStreetMap的高速公路场景自动数字孪生构建

Yongqi Zhao, Dong Bi, Paul Kovacevic, Tomislav Mihalj, Martin Schabauer, Johannes Betz, Arno Eichberger

机构 * Institute of Automotive Engineering, Graz University of Technology（格拉茨技术大学汽车工程研究所） ； School of Intelligent Connected Vehicle, Hubei University of Automotive Technology（湖北汽车工业学院智能网联汽车学院） ； Professorship of Autonomous Vehicle Systems, Technical University of Munich（慕尼黑工业大学自动驾驶系统教席） 纠错

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

AI总结 提出融合LiDAR点云与OpenStreetMap数据的自动化流程，生成地理参考的ASAM OpenDRIVE高速公路地图，实现车道级几何与拓扑的完整建模，平均横向RMSE为0.740米。

Comments 9 pages, 5 figures

LV-Calib: LiDAR-Camera Extrinsic Calibration with Boundary-Response Modeling

LV-Calib：基于边界响应建模的LiDAR-相机外参标定

Sheng Hong

机构 * Pen-Tung Sah Institute of Micro-Nano Science and Technology, Xiamen University（厦门大学萨本栋微米纳米科学技术研究院） 纠错

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

AI总结 提出LV-Calib框架，利用可打印平面靶标，通过视觉基准和圆形反射率边界，结合强度与几何约束优化LiDAR特征点，实现LiDAR-相机外参标定和边界响应校准，达到亚像素重投影精度和毫米级特征一致性。

Comments Comments: 8 pages, 6 figures, 3 tables

SurroundNEXO: Ego-Centric Metric Bridging for Spatially Consistent Geometry in Autonomous Driving

SurroundNEXO：面向自动驾驶空间一致几何的自车中心度量桥接

Shuai Yuan, Runxi Tang, Yuzhou Ji, Fudong Ge, Hanshi Wang, Yifei Wang, Xianming Zeng, Jianyun Xu, Xingliang Liu, Yanfeng Wang, Zhipeng Zhang

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Hello Inc. 纠错

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

AI总结 提出SurroundNEXO框架，通过自车中心几何（Ego-Ray位置编码）和稀疏LiDAR度量锚点，解决多相机低重叠下的度量深度预测与空间一致性问题，在多个基准上显著提升性能。

RLPR: Radar-to-LiDAR Place Recognition via Two-Stage Asymmetric Cross-Modal Alignment for Autonomous Driving

RLPR：面向自动驾驶的两阶段非对称跨模态对齐雷达-激光雷达地点识别

Zhangshuo Qi, Jingyi Xu, Luqi Cheng, Shichen Wen, Guangming Xiong

机构 * Beijing Institute of Technology（北京理工大学） ； Shanghai Jiaotong University（上海交通大学） 纠错

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

AI总结 提出RLPR框架，通过双流网络提取结构特征，并利用两阶段非对称跨模态对齐策略，实现雷达与激光雷达之间的鲁棒地点识别，在四个数据集上达到最优性能。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L) 2026

GenZ-LIO: Generalizable LiDAR-Inertial Odometry Beyond Confined--Open Boundaries

GenZ-LIO: 超越受限与开放边界的可泛化激光雷达-惯性里程计

Daehan Lee, Hyungtae Lim, Seongjun Kim, Soonbin Rho, Changhyeon Lee, Sanghyun Park, Junwoo Hong, Eunseon Choi, Hyunyoung Jo, Soohee Han

机构 * Computational Control Engineering Laboratory (CoCEL), Department of Convergence IT Engineering and Electrical Engineering, Pohang University of Science and Technology (POSTECH), Pohang 37673, South Korea（convergence 信息技术工程与电气工程系 计算控制工程实验室，POSTECH 首尔大学（Pohang University of Science and Technology）, Pohang 37673, South Korea） ； Laboratory for Information & Decision Systems (LIDS), Massachusetts Institute of Technology, Cambridge, MA 02139, USA（信息与决策系统实验室，麻省理工学院（Massachusetts Institute of Technology）, Cambridge, MA 02139, USA） 纠错

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

AI总结 提出GenZ-LIO框架，通过尺度自适应体素化、混合度量状态更新和体素剪枝对应搜索，解决受限与开放空间过渡导致的鲁棒性和效率下降问题，在42个序列上保持稳定估计。

Comments 21 pages, 12 figures

AC-LIO: Towards Asymptotic Compensation for Distortion in LiDAR-Inertial Odometry via Selective Intra-Frame Smoothing

AC-LIO：通过选择性帧内平滑实现激光雷达-惯性里程计中畸变的渐近补偿

Tianxiang Zhang, Xuanxuan Zhang, Wenlei Fan, Xin Xia, Huai Yu, Lin Wang, You Li

机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS), Wuhan University, China（信息工程测绘遥感国家重点实验室（LIESMARS），武汉大学，中国） ； Department of Mechanical Engineering, University of Michigan-Dearborn（密歇根大学迪尔伯恩分校机械工程系） ； Electronic Information School, Wuhan University, China（武汉大学电子信息学院，中国） ； School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子电气工程学院，新加坡） 纠错

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

AI总结 提出AC-LIO框架，通过渐近反向传播更新项并在收敛准则指导下补偿残余运动畸变，以最小计算开销提升离散状态LIO系统精度，在长期大尺度定位中平均RMSE降低30.4%。

Comments 11 pages, 9 figures

SGM-SLAM: Scene Graph Matching for Data-Efficient Distributed SLAM

SGM-SLAM：面向数据高效的分布式SLAM的场景图匹配

Yewei Huang, Tixiao Shan, Abhinav Rajvanshi, Niluthpol Chowdhury Mithun, Yaxuan Li, Brendan Englot, Han-Pang Chiu

机构 * Dartmouth College（达特茅斯学院） ； SRI International（SRI国际） ； Stevens Institute of Technology（史蒂文斯理工学院） 纠错

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

AI总结 提出一种基于场景图匹配的分布式SLAM框架，仅使用对象标签和质心进行匹配，通过多步数据交换与优化实现高效通信，在室内外环境中验证了有效性。

Shigatse Astronomical Site Testing. I. Cloud-cover Climatology and Selected Local Meteorological Conditions

日喀则天文台址测试. I. 云量气候学与选定的局部气象条件

Baiyu Zhang, Hejun Yang, Xiaojun Dong, Lingling Wang, Juean Luobu, Minfeng Gu, Xiyan Peng, Hao Luo, Yindun Mao, ZhaoXiang Qi, Basangzeren, Qihang He, Guojie Feng, Chunhai Bai, Ali Esamdin, Wenbo Gu, Siqi Wang, Zihuang Cao

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 基于多源数据评估西藏南部日喀则40米台址的云量及气象条件，发现其具有中低年云量、10月至5月为低云季，可作为中国台址测试网络中的低纬度南部高原云量参考。

Comments Submitted to Research in Astronomy and Astrophysics

Self-Driving Negotiator: An interactive, verifiable benchmark for social negotiation and theory of mind under hidden intent

自动驾驶谈判者：一个在隐藏意图下进行社会谈判和心理理论的交互式可验证基准

Ashutosh Kumar

机构 * Owl Autonomous Imaging, Inc（Owl 自动成像公司） 纠错

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

AI总结 提出一个文本多轮程序化生成环境，用于衡量自动驾驶中基于隐藏意图推断的隐式社会协调能力，通过特权模拟器状态计算奖励和诊断，当前最佳模型平均成功率仅0.68。

DriveReward: A Comprehensive Dataset and Generative Vision-Language Reward Model for Autonomous Driving

DriveReward：面向自动驾驶的综合数据集与生成式视觉语言奖励模型

Qimao Chen, Fang Li, Yuechen Luo, Zehan Zhang, Haiyang Sun, Fangzhen Li, Bing Wang, Guang Chen, Yang Ji, Jiong Deng, Hongwei Xie, Hangjun Ye, Long Chen, Yi Zhang

机构 * Tsinghua University（清华大学） ； Xiaomi EV（小米汽车） 纠错

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

AI总结 提出DriveReward数据集和专用视觉语言奖励模型，通过反事实标注和时序视觉引导，解决自动驾驶中奖励获取的泛化问题，在强化学习和轨迹选择中取得与基于规则方法相当的性能。

OmniTraffic: A Controllable Generation Pipeline and Benchmark for Spatio-Temporal Traffic Reasoning

OmniTraffic：面向时空交通推理的可控生成流水线与基准

Maonan Wang, Zhengyan Huang, Kemou Jiang, Yuhang Fu, Jiayue Zhu, Yuxin Cai, Xingchen Zou, Qiaosheng Zhang, Yi Yu, Ding Wang, Xi Chen, Ben M. Chen, Yuxuan Liang, Zhiyong Cui, Man On Pun, Yirong Chen

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai AI Lab（上海人工智能实验室） ； Beihang University（北京航空航天大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 仿真评测 ：BEV(abstract,abstract_cn)；分类 cs.CV、cs.AI

AI总结 提出OmniTraffic，一个基于12个真实路口3D重建的可控生成流水线与基准，通过8M VQA样本和3K人工验证测试集评估11个前沿MLLM，揭示拓扑与时空推理中的显著人机差距，并证明仿真数据微调可提升真实场景性能。

Comments 34 pages, 28 figures

A Corridor-Scale CARLA-VISSIM Co-Simulation Framework for Multi-Intersection Urban Traffic

面向多交叉口城市走廊的CARLA-VISSIM联合仿真框架

Sima Ashayer, Austin Haris, Mina Sartipi

机构 * University of Tennessee at Chattanooga（田纳西大学查塔努加分校） 纠错

专题命中 仿真评测 ：LiDAR(abstract,abstract_cn)；分类 cs.RO

AI总结 提出CARLA-VISSIM双向步进同步联合仿真框架，集成微观交通逻辑与高保真3D渲染，在田纳西州查塔努加市MLK大道约15个交叉口走廊上验证，支持混合控制与感知就绪的走廊级交通研究。

FlashNav: Ultra-Fast Policy Training for Robot Navigation within 20 Seconds

FlashNav：20秒内实现超快速机器人导航策略训练

Shanze Wang, Yiwei Qian, Xinming Zhang, Jun Xue, Siwei Cheng, Xianghui Wang, Qingyuan Hu, Xiaoyu Shen, Wei Zhang

机构 * Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 仿真评测 ：occupancy(abstract)；分类 cs.RO

AI总结 提出FlashNav框架，通过GPU加速和MDP对齐实现20秒内训练可部署的导航策略，在TurtleBot2和Unitree Go2上验证成功。

Comments 15 pages, 4 figures

DynNPC: Finding More Violations Induced by ADS in Simulation Testing through Dynamic NPC Behavior Generation

DynNPC：通过动态NPC行为生成在仿真测试中发现更多由ADS引发的违规

You Lu, Yifan Tian, Dingji Wang, Bihuan Chen, Xin Peng

机构 * 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） 纠错

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

AI总结 提出DynNPC框架，让NPC车辆在仿真执行中根据交通信号和自车行为动态生成驾驶策略，以生成更多由自动驾驶系统（ADS）引发的违规场景，提升测试效率。

Comments Accepted by TOSEM 2026