自动驾驶

Scenario Generation for Testing of Autonomous Driving Systems Using Real-World Failure Records

利用真实世界故障记录生成自动驾驶系统测试场景

Anjali Parashar, Chuchu Fan

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 提出一种基于LLM的场景生成流程，利用历史故障记录中的分类和上下文信息，生成多样化测试场景，在Metadrive模拟器上验证了方法的准确性和多样性。

Comments 9 pages, Appendix included. Paper accepted and presented at NeuS 2026

Streaming Gaussian Encoding for 4D Panoptic Occupancy Tracking

流式高斯编码用于4D全景占据跟踪

Maximilian Luz, Thomas Nürnberg, Yakov Miron, Abhinav Valada

机构 * University of Freiburg（弗莱堡大学） ； Bosch Research, Robert Bosch GmbH（博世研究中心，罗伯特·博世有限公司） ； University of Haifa（海法大学） 纠错

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

AI总结 提出流式高斯编码器，通过持久化场景表示和置信度引导的预算约束，实现相机4D全景占据跟踪，在nuScenes和Waymo上达到新最优。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

SENSE-VAD: Sentient and Semantic Video Anomaly Detection for Autonomous Driving

SENSE-VAD：面向自动驾驶的情感和语义视频异常检测

Nghia T. Nguyen, Lokman Bekit, Yasin Yilmaz

机构 * University of South Florida（南佛罗里达大学） 纠错

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

AI总结 针对自动驾驶中社会关系导致的异常（如追逐、被抱等），提出首个合成视频异常检测基准SENSE-VAD，利用CARLA和UE生成多类别社交异常场景，并分离社交异常与运动异常，评估现有方法发现其难以解决该挑战。

Long-term Traffic Simulation via Structured Autoregressive Modeling

基于结构化自回归建模的长期交通仿真

Lingyu Xiao, Zexin Feng, Xintao Yan

机构 * The University of Hong Kong（香港大学） 纠错

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

AI总结 提出RosettaSim框架，利用大规模序列模型的归纳偏置和统计先验，通过结构化自回归流建模场景拓扑、智能体状态和生成意图，实现短期准确与长期稳定仿真；并引入基于检索的交通评估（RTE）解决长期评估难题。

Comments ECCV 2026 Accepted

The Calibration Turn in AI-Assisted Research: A Conceptual and Methodological Framework for Evidence-Licensed Claims

AI辅助研究中的校准转向：证据许可主张的概念与方法论框架

Hongmin Li

机构 * School of Life Science and Technology, Institute of Science Tokyo（东京科学大学生命科学与技术学院） ； Department of Computational Biology and Medical Sciences, Graduate School of Frontier Sciences, The University of Tokyo（东京大学前沿科学研究生院计算生物学与医学科学系） 纠错

专题命中 仿真评测 ：self-driving(abstract)

AI总结 提出AI辅助研究中证据许可主张的概念与方法论框架，通过五个算子描述研究过程，强调校准作为管理科学断言权的机制，并区分不同语义类型。

Comments 42 pages, 4 figures. Companion code and synthetic simulation artifacts: https://github.com/Li-Hongmin/calibration-turn-ai-assisted-research

Stealthy Multi-Task Adversarial Attacks

隐蔽的多任务对抗攻击

Jiacheng Guo, Tianyun Zhang, Lei Li, Haochen Yang, Hongkai Yu, Minghai Qin

机构 * Cleveland State University（克利夫兰州立大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Western Digital Research（西部数据研究院） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV

AI总结 提出SMTA²框架，通过约束多目标优化和自动损失权重调整，实现对多任务模型中特定任务的隐蔽攻击，同时保持非目标任务性能不变。

From Failure to Alignment: A Requirements Engineering Framework for Machine Learning Systems

从失败到对齐：机器学习系统的需求工程框架

Amel Bennaceur, Gopi Krishnan Rajbahadur, Prince Mercy, Bashar Nuseibeh, Faeq Alrimawi

机构 * The Open University, United Kingdom（英国开放大学） ； University of Limerick, Ireland（爱尔兰利默里克大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 提出REAL框架，通过需求工程方法，结合数据、模型和系统需求，利用失败驱动探索替代需求，实现迭代可追溯的MLS需求细化，以对齐利益相关者需求。

Comments 12 pages

Journal ref RE 2026 - the 34th IEEE International Requirements Engineering Conference