自动驾驶

OWMDrive: Causality-Aware End-to-End Autonomous Driving via 4D Occupancy World Model

OWMDrive: 基于4D占用世界模型的因果感知端到端自动驾驶

Junjie Cheng, Ruiqi Song, Ye Wu, Nanxing Zeng, Ximiao Li, Yunfeng Ai

机构 * The School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Waytous Inc.（Waytous公司） ； The State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室） ； The College of Surveying and Geo-Informatics, Tongji University（同济大学测绘与地理信息学院） 纠错

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

AI总结 提出OWMDrive框架，利用4D占用世界模型预测多步3D占用，作为条件先验引导扩散规划器生成强化轨迹，显式建模时空因果依赖，提升复杂场景下的规划鲁棒性和安全性。

Comments International Conference on Intelligent Robots and Systems (IROS), 2026

X-Mind: Efficient Visual Chain-of-Thought via Predictive World Model for End-to-End Driving

X-Mind: 通过预测世界模型实现高效视觉思维链的端到端驾驶

Bohao Zhao, Chengrui Wei, Guangfeng Jiang, Ruixin Liu, Xuejie Lv, Liu Liang, Sutao Deng, Xiuyang Fan, Pengkun Zheng, Jinyun Zhou, Rui Guo, Hanpeng Liu, Yutong Zheng, Yi Guo, Xinlong Zheng, Qingyu Luo, Zhuangzhuang Ding, Yu Zhang, Hang Zhang, Xianming Liu

机构 * XPeng Inc.（小鹏汽车） 纠错

专题命中 端到端驾驶 ：end-to-end driving(title,abstract)；BEV(abstract,abstract_cn)；分类 cs.CV、cs.AI

AI总结 提出X-Mind框架，将预测世界模型内化为视觉思维链，通过紧凑的草图表示和循环块扩散方案，实现高效、低延迟的端到端驾驶策略。

Learning from Mistakes: Rollout-Retrieval Lifelong Policy Learning for Autonomous Driving

从错误中学习：面向自动驾驶的展开-检索终身策略学习

Cheng Gong, Haoyang Wang, Chao Lu, Zirui Li, Jianwei Gong

机构 * School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院） ； 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） 纠错

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

AI总结 提出R²LPL框架，通过从可恢复的闭环驾驶错误中检索纠正目标并进行终身学习，将稀疏失败证据转化为监督知识，持续提升自动驾驶策略性能。

Comments 15 pages, 6 figures. Code available at: https://github.com/Engibacter/R2LPL

End-to-End Crop Row Navigation via LiDAR-Based Deep Reinforcement Learning

端到端的激光雷达深度强化学习用于作物行导航

Ana Luiza Mineiro, Francisco Affonso, Marcelo Becker

机构 * University of São Paulo (USP)（圣保罗大学） 纠错

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

AI总结 本文提出基于激光雷达的端到端导航系统，通过深度强化学习直接将3D激光雷达数据映射到控制指令，解决农业环境中GNSS不可靠、行内杂乱和光照变化的问题。

Comments Accepted to the 22nd International Conference on Advanced Robotics (ICAR 2025). 7 pages

Journal ref 22nd International Conference on Advanced Robotics (ICAR), 2025

ExploreVLA: Dense World Modeling and Exploration for End-to-End Autonomous Driving

ExploreVLA: 为端到端自动驾驶的密集世界建模与探索

Zihao Sheng, Xin Ye, Jingru Luo, Sikai Chen, Liu Ren

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本文提出基于世界建模的统一理解与生成框架，通过密集监督和内在奖励提升自动驾驶策略探索能力，在NAVSIM和nuScenes基准上取得优异性能。

Comments Accepted to ECCV 2026. The code is available at https://zihaosheng.github.io/ExploreVLA/

Neural Stereo Video Compression with Hybrid Disparity Compensation

神经立体视频压缩与混合视差补偿

Shiyin Jiang, Zhenghao Chen, Minghao Han, Shuhang Gu

机构 * University of Electronic Science and Technology of China（电子科技大学） ； The University of Newcastle（纽卡斯尔大学） 纠错

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

AI总结 本文提出混合视差补偿策略，结合显式像素位移与隐式交叉注意力机制，提升立体视频压缩性能。

TrafficAlign: Aligning Large Language Models for Traffic Scenario Generation

TrafficAlign: 对齐大语言模型用于交通场景生成

Zhi Tu, Liangkun Niu, Tianyi Zhang

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

AI总结 提出TrafficAlign框架，利用真实驾驶视频合成交通场景并对齐大语言模型，生成场景使自动驾驶模型碰撞率提升10.8%，微调后碰撞率降低36.1%。

Comments Accepted to CVPR 2026

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), June 2026, pp. 39744-39754

Business World Model

商业世界模型

Cecil Pang, Hiroki Sayama

机构 * AI Engineering, USA TODAY Co., Inc.（AI工程，USA TODAY公司） ； School of Systems Science and Industrial Engineering, Binghamton University, State University of New York（系统科学与工业工程学院，宾夕法尼亚州立大学宾夕法尼亚州立大学） ； Binghamton Center of Complex Systems, Binghamton University, State University of New York（宾夕法尼亚州立大学复杂系统中心） ； Waseda Innovation Lab, Waseda University, Tokyo, Japan（早稻田大学创新实验室） 纠错

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

AI总结 提出商业世界模型（BWM）架构，将世界模型思想应用于商业环境，通过编码状态、动态、约束和目标，支持自主决策与规划。