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]