Towards Safety-Aware Mutation Testing for Autonomous Driving Systems
面向自动驾驶系统的安全感知变异测试
专题命中 感知 ：autonomous driving(title,abstract)
AI总结 提出安全感知变异测试（SAMT），通过注入模块间消息故障模拟交互失效，基于STPA生成突变体，评估测试充分性并指导场景生成与系统修复。
Comments 6 pages; vision paper
视觉与机器人
自动驾驶
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
1. 感知 7 篇
OctoSense: Self-Supervised Learning for Multimodal Robot Perception
OctoSense: 多模态机器人感知的自监督学习
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO、cs.CV
AI总结 提出OctoSense传感器平台和数据集，通过“晚融合”掩码自编码器实现多模态自监督学习，在多种退化条件下鲁棒预测光流、深度、语义分割和自运动。
Unsupervised Memory-Enhanced Video Transformers: Obstacle Detection for Autonomous Agricultural Rover
无监督记忆增强视频变换器：自主农业机器人的障碍物检测
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO、cs.AI
AI总结 提出VMTAD，一种无监督方法，利用记忆增强的变换器处理动态场景，实现农业机器人实时障碍物检测，在油菜数据集上达到SOTA性能。
Journal ref Precision Agriculture, 2026, 27 (3), pp.74
Counting Trees from Satellite Imagery with Noisy Supervision
基于噪声监督的卫星图像树木计数
机构 * University of Copenhagen（哥本哈根大学） ； University of Rwanda（卢旺达大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） ； Stony Brook University（石溪大学） ； LIGM, CNRS, Univ Gustave Eiffel, ENPC, IPP（LIGM，CNRS，古斯塔夫·埃菲尔大学，ENPC，IPP）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.CV
AI总结 针对卫星图像中树木计数任务，提出基于非平衡最优传输的空间密度匹配方法，并引入自校正机制利用传输残差逐步优化噪声监督，在跨三大洲的TinyTrees基准上优于检测、回归和传输匹配基线。
SPARK: Low Latency Single-Camera 3D Pose Estimation for Autonomous Racing using Keypoints
SPARK: 基于关键点的自动驾驶赛车低延迟单摄像头3D姿态估计
机构 * Technical University of Munich（慕尼黑工业大学） ； School of Engineering & Design, Department of Mobility Systems Engineering, Institute of Automotive Technology（工程与设计学院，移动系统工程系，汽车技术研究所） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 提出SPARK算法，利用单摄像头和关键点检测实现自动驾驶赛车中低延迟、高精度的3D姿态估计，性能优于现有方法。
Comments 9 pages, 6 figures, ITSC 2026, Invited Session
KRVF: A Source-Aware Semantic Voxel World Representation for Edge Mobile Manipulation
KRVF：面向边缘移动操作的源感知语义体素世界表示
机构 * The University of Manchester（曼彻斯特大学）
专题命中 感知 ：occupancy(abstract)；分类 cs.RO
AI总结 提出KRVF，一种源感知语义体素表示，用于边缘移动操作，通过任务导向体素编码占用、语义、时间新鲜度和证据源，实现深度故障感知推理和映射-感知闭环。
Comments Technical report, 9 pages, 3 figures
False Positives, False Negatives, and the Detection-Only Problem: A Hierarchical Model for Species Occurrence with Observation Error
假阳性、假阴性及仅检测问题：带观测误差的物种出现层次模型
专题命中 感知 ：occupancy(abstract)
AI总结 本文提出统一术语框架，将占用模型、物种分布模型和仅存在模型视为层次观测过程的特例，并针对仅检测数据提出首个同时考虑假阳性和假阴性误差的层次模型，通过先验分布实现可识别性。
2. 规划控制 3 篇
PlanRL: A Trajectory Planning Architecture for Reinforcement Learning-based Driving Experts
PlanRL: 一种用于基于强化学习的驾驶专家的轨迹规划架构
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Hyundai Motor Company（现代汽车公司）
专题命中 规划控制 ：trajectory planning(title,abstract)；分类 cs.RO
AI总结 提出一种将强化学习策略与多项式轨迹规划器结合的轨迹规划架构，通过Frenet坐标系简化道路几何并加入运动学可行性检查，在CARLA基准上驾驶评分提升5%-11%，成功率提升8%-19%。
Comments Accepted at IROS 2026
LAMP: Lane-Aligned Motion Primitives for Feasible Trajectory Prediction
LAMP: 面向可行轨迹预测的车道对齐运动基元
机构 * Seoul National University（首尔大学） ； Hyundai Motor Company（现代汽车公司）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO、cs.AI
AI总结 提出LAMP框架，利用VQ-VAE学习形状感知运动基元作为离散意图查询，并结合车道拓扑先验的可行性意图选择器，在保持行为多样性的同时提升预测轨迹的拓扑一致性和可行性。
Comments IEEE ITSC 2026, 6 pages
Rethinking Training & Inference for Forecasting: Linking Winner-Take-All back to GMMs
重新思考预测中的训练与推理：将赢家通吃带回高斯混合模型
机构 * Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； Boston University（波士顿大学）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO、cs.CV
AI总结 针对轨迹预测中赢家通吃训练导致模式后验不可靠的问题，提出测试时后验加权合并和一步EM更新两种轻量级后处理方法，无需重训练即可提升模式排序和预测精度。
Comments Accepted by ECCV 2026
3. BEV与占用 3 篇
Tilikum: Transaction Fair Ordering on a DAG without Weak Edges
Tilikum: 无需弱边的DAG上交易公平排序
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)
AI总结 提出Tilikum，一种基于DAG的账本协议，通过中位数时间戳聚合实现交易公平排序，无需弱边，在抵抗重排序攻击的同时实现高达39倍吞吐量提升。
Battery thermal-safety reserve erosion by mandatory cabin ventilation in shared-cooling electric vehicles
共享冷却电动汽车中强制座舱通风导致的电池热安全储备侵蚀
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)
AI总结 针对共享冷却系统中强制通风消耗电池热储备的问题，提出一种结合物理引导科学机器学习代理、电网连接出发热储备、空气质量定价通风分配和双控制屏障函数的预测控制器，在保持电池温度、CO₂浓度和舒适性的同时降低能耗20%。
Comments 19 pages, 5 figures
Residual GPU Cache State on Apple M4 Pro
Apple M4 Pro 上的残留 GPU 缓存状态
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文通过测量 Apple M4 Pro 上 GPU 命令完成后的缓存状态，发现大 GPU 足迹会导致后续 CPU 访问变慢，但第二次访问可消除大部分开销，表明存在残留共享缓存置换而非 DRAM 争用。
Comments 16 pages, 10 figures, 2 tables; ancillary artifacts included
4. 激光雷达 3 篇
Self-Supervised Tree-level Biomass Estimation in Urban Environments From Airborne LiDAR and Optical Observations
基于机载LiDAR和光学观测的城市环境中自监督树木级生物量估算
机构 * McMaster University（麦克马斯特大学） ； Environment and Climate Change Canada（加拿大环境与气候变化部） ； Planet Labs PBC（行星实验室公司）
专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.CV、eess.IV
AI总结 提出一种自监督框架，利用机载LiDAR和光学数据估算城市树木冠层生物量，通过双流交叉注意力网络和分水岭分割实现冠层检测，在加拿大安大略省810 km²区域验证，R²达0.57-0.61。
Large-Scale Tunnel Air-Ground Collaboration With FLISP: Fast LiDAR-IMU Synchronized Path Planner
大规模隧道空地协同与FLISP：快速LiDAR-IMU同步路径规划器
机构 * Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海自主智能无人系统科学中心） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems, Tongji University（同济大学自主智能无人系统全国重点实验室） ； College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院）
专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.RO
AI总结 提出FLISP框架，通过UGV搭载的LiDAR-IMU实现无地图的UGV-UAV协同隧道检测，采用萤火虫算法和动态迭代优化器分别规划路径，在1.2公里隧道中实现100%成功率与~7ms延迟。
Comments 24 pages, 31 figures, 5 tables. Author accepted manuscript. This work was supported by the State Key Laboratory of Autonomous Intelligent Unmanned Systems. The authors also thank the KinaMind Society for its inspiring environment and support
Journal ref IEEE Transactions on Field Robotics, vol. 3, pp. 494-517, 2026
Multi-Modal Environment-Aware Beam Management for Massive MIMO: A Geometry-Driven Virtual Base Station Framework
大规模MIMO的多模态环境感知波束管理：一种几何驱动的虚拟基站框架
专题命中 激光雷达 ：LiDAR(summary_cn,abstract)
AI总结 提出几何驱动框架，利用3D LiDAR点云和位置信息构建虚拟基站数据库，通过镜像对称建模主导反射路径，实现粗信道重建和低开销波束训练，并采用双智能体深度强化学习协调波束选择，提升波束管理效率。
5. 仿真评测 2 篇
Simulation-based inference for rapid Bayesian parameter estimation in epidemiological models: a comparison with MCMC
基于模拟的推理用于流行病学模型中快速贝叶斯参数估计：与MCMC的比较
机构 * Forschungszentrum Jülich, Jülich Supercomputing Centre（于利希研究中心，于利希超级计算中心） ； Helmholtz AI（亥姆霍兹人工智能） ； Forschungszentrum Jülich, Institute of Bio- and Geosciences（于利希研究中心，生物与地球科学研究所） ； German Aerospace Center, Institute of Software Technology, Department High-Performance Computing（德国航空航天中心，软件技术研究所，高性能计算部） ； Helmholtz Centre for Infection Research（亥姆霍兹感染研究中心） ； RWTH Aachen University, Computational Systems Biology（亚琛工业大学，计算系统生物学）
专题命中 仿真评测 ：occupancy(abstract)；分类 cs.AI
AI总结 本文研究使用神经后验估计的模拟推理（SBI）作为MCMC的替代方案，用于流行病学模型的贝叶斯校准，在COVID-19 ICU数据上验证了其计算效率与后验准确性。
Revisiting Action Factorization for Complex Action Spaces
重新审视复杂动作空间的动作分解
机构 * The University of Tulsa（塔尔萨大学）
专题命中 仿真评测 ：autonomous driving(abstract)
AI总结 本文对多种动作分解方法在PPO、SAC、DQN算法和离散、混合、连续动作空间上进行了横截面研究，提出了VDN-PPO和PPO-MIX，并发现分支决斗架构在计算和性能之间取得了最佳平衡。
Comments 53 Pages, 37 Figures, 6 Tables, Target Journal/Venue: ACM Transactions on Autonomous and Adaptive Systems TAAS
