自动驾驶

4DR360: State Reasoning for Joint 3D Detection and Occupancy Prediction in 4D Radar-Camera Full-Scene Perception

4DR360：用于4D雷达-相机全场景感知中联合3D检测和占用预测的状态推理

Xiaokai Bai, Lianqing Zheng, Runwei Guan, Songkai Wang, Siyuan Cao, Hui-liang Shen

专题命中 感知 ：BEV(summary_cn,abstract)；occupancy(title,abstract)；autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 针对4D雷达-相机全场景感知，提出\method框架，遵循跨模态状态推理范式，通过状态引导的BEV增强和多普勒引导的时间融合进行联合3D检测和占用预测，扩展数据集并实验，提升多任务学习效果。

Comments 5 pages, 8 figures

Coverage-Guided Road Selection and Prioritization for Efficient Testing in Autonomous Driving Systems

覆盖引导的道路选择与优先级分配以提高自动驾驶系统测试效率

Qurban Ali, Andrea Stocco, Leonardo Mariani, Oliviero Riganelli

专题命中 感知 ：autonomous driving(title,abstract)；self-driving(abstract)

AI总结 本文提出了一种覆盖引导的道路选择与优先级分配方法，通过减少冗余并保持多样性，提高自动驾驶系统测试效率，实现测试套件大小减少89%并提升故障检测能力95倍。

Comments The IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER) 2026

Channel Knowledge Empowered Finite-Blocklength Rate-Splitting Transmission for High-Mobility Autonomous Driving

用于高机动性自动驾驶的信道知识赋能有限块长速率分割传输

Yi Wang, Yingyang Chen, Feng Bai, Li Wang, Gang Feng

专题命中 感知 ：autonomous driving(title,abstract)

AI总结 针对自动驾驶系统的xURLLC需求，提出CKM赋能的FBL RSMA。利用CKM信息进行精细速率分割设计，分析最小速率性能，推导私有流遍历速率界并制定优化设计。该方案在高机动性场景中性能优于SDMA和NOMA，凸显准确CKM信息对速率分割的重要性。

Comments 13 pages, 10 figures

Plug-and-Play Reweighting for Resilient Collaborative Decision-Making in Connected Autonomous Driving

用于联网自动驾驶中弹性协作决策的即插即用重加权方法

Jiewen Liu, Rui Liu, Matthew Lee, Ming C. Lin, Xiaorui Liu, Peng Gao

机构 * North Carolina State University（北卡罗来纳州立大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 感知 ：autonomous driving(title)；分类 cs.RO

AI总结 针对联网自动驾驶中协作决策受感知噪声和对抗攻击影响的问题，提出弹性协作决策（RCDM）框架，含基于注意力的编解码器，设计即插即用重加权模块，经高保真模拟评估，性能优于现有方法，实现最优弹性能。

Comments 8 pages, 4 figures, 2 tables. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Real-Time Rulebook-Aware Nonlinear MPC for Autonomous Driving with Priority-Biased Tiered Slacks

用于自动驾驶的具有优先级偏差分层松弛的实时规则手册感知非线性MPC

Hadi Hajieghrary, Benedikt Walter, Chaitanya Shinde, Paul Schmitt, Miguel Hurtado

机构 * TORC Robotics LLC（TORC机器人有限责任公司） ； Daimler Truck AG（戴姆勒卡车股份公司） ； MassRobotics（大众机器人协会） 纠错

专题命中 感知 ：autonomous driving(title)；分类 cs.RO

AI总结 研究自动驾驶中安全等冲突的解决，提出W-SQP加权分层松弛非线性MPC，将九个规则家族编译求解，能实时重新规划并记录残差，经评估在安全法规方面无系统性缺陷，是可审核、有优先级偏差且随时可用的NMPC原型。

Comments The manuscript is submitted to the Journal of Control Engineering Practice, A journal of The International Federation of Automatic Control (IFAC)

Edge Physical AI Deployment of Vision Transformers on Heterogeneous Edge GPU Targeting Autonomous Vehicles

针对自动驾驶车辆在异构边缘GPU上进行视觉Transformer的边缘物理AI部署

Ashiyana Abdul Majeed, Mahmoud Meribout, Neethu Joseph, Abel Kidane Haile, Mohammad Abdullah Al Faruque

机构 * Jetson-aware embedded deep learning inference（Jetson-aware嵌入式深度学习推理） 纠错

专题命中 感知 ：driving perception(abstract)；分类 cs.AI

AI总结 研究针对自动驾驶车辆在异构边缘GPU上部署视觉Transformer的问题，提出硬件感知的H-FraDS方法，通过固定调度比率路由帧，适配组件，结合OFA，实现高效推理，提升了帧率、吞吐量并满足实时操作要求。

Comments 14 pages, 15 figures, This work has been submitted to IEEE for possible publication

TopoExplore: Topological Discrimination for Archive-Based Exploration

TopoExplore：基于存档探索的拓扑判别

Jason Carlson

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 研究针对基于存档探索方法未考虑边界后区域能否进入的问题，提出TopoExplore，通过周期性拓扑遍历增强单元格选择，在MiniGrid套件等实验中取得加速效果，证明拓扑感知选择在区分封闭结构及开放覆盖区域均有优势。

LoFi: Vision-Aided Label Generator for Wi-Fi Localization and Tracking

LoFi：用于Wi-Fi定位与跟踪的视觉辅助标签生成器

Zijian Zhao, Tingwei Chen, Fanyi Meng, Zhijie Cai, Hang Li, Xiaoyang Li, Guangxu Zhu

机构 * Shenzhen Research Institute of Big Data（深圳大数据研究院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 LoFi通过视觉辅助生成高精度的Wi-Fi定位与跟踪标签，降低数据收集成本，提升数据驱动方法的实用性。

Large Language Model Enhanced Differentiable Trajectory Planning for IoT-Enabled Autonomous Driving

用于物联网支持的自动驾驶的大语言模型增强可微轨迹规划

Shihao Zhang, Jing Yang, Ziyu Song, Zheng Lin, Sunil Prajapat, Zhaochen Xia, Hemant Ghayvat, Haitao Ding, Lip Yee Por, Ashok Kumar Das

机构 * State Key Laboratory of Automotive Simulation and Control, Jilin University（吉林大学汽车仿真与控制国家重点实验室） ； Center of Research for Cyber Security and Network (CSNET), Faculty of Computer Science and Information Technology, Universiti Malaya（马来西亚大学计算机科学与信息技术学院网络安全与网络研究中心） ； Interdisciplinary Centre for Security, Reliability and Trust (SnT), University of Luxembourg（卢森堡大学安全、可靠性与信任跨学科中心） ； IMT, Department of Humanities and Technology, Roskilde University（罗斯基勒大学人文与技术系IMT） ； Center for Security, Theory and Algorithmic Research, International Institute of Information Technology（国际信息技术研究所安全、理论与算法研究中心） ； Department of Computer Science and Engineering, College of Informatics, Korea University（韩国大学信息学院计算机科学与工程系） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；trajectory planning(title,abstract)；分类 cs.RO

AI总结 针对物联网支持的自动驾驶规划问题，提出大语言模型增强可微轨迹规划框架。通过以周围智能体为中心的数据增强、复杂度感知的语义增强模块及可微优化模块，提升规划效果，在相关基准测试中取得高分，验证了在线部署和实时闭环执行能力。

Comments 13 pages, 5 figures

PrismAD: Decoupled Planning via Semantic Mixture-of-Planners for End-to-End Autonomous Driving

PrismAD：通过语义规划器混合实现端到端自动驾驶的解耦规划

Kang Ding, Zhigui Lin, Hongsong Wang, Jie Gui, Qi Liu, Zhe Wang, Luqi Tang, Lei He

机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（清华大学智能绿色车辆与出行国家重点实验室） ； School of Cyberspace Security, Southeast University（东南大学网络空间安全学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； School of Automotive Engineering, Wuhan University of Technology（武汉理工大学汽车工程学院） ； SAIC GM Wuling Automobile Co., Ltd.（上汽通用五菱汽车股份有限公司） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV

AI总结 研究针对自动驾驶规划器耦合问题，提出PrismAD框架，将场景令牌分组，用独立规划专家学习专门表示，语义感知路由器聚合预测，引入稀疏top-$K$激活，实验证明该框架性能具竞争力。

Comments 8 pages,5 figures

SWIFT: A Small-World Interaction Framework for Flow-Aware Trajectory Prediction in Autonomous Driving

SWIFT：用于自动驾驶中流量感知轨迹预测的小世界交互框架

Chengyue Wang, Bin Rao, Haicheng Liao, Bonan Wang, Chengzhong Xu, Zhenning Li

机构 * University of Macau（澳门大学） ； State Key Laboratory of Internet of Things for Smart City, University of Macau（澳门大学智慧城市物联网国家重点实验室） ； Department of Civil and Environmental Engineering, University of Macau（澳门大学土木与环境工程系） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

AI总结 研究自动驾驶中轨迹预测问题，提出SWIFT框架，结合小世界网络与交通流理论，通过特定网络和模块引入结构偏差与增强推理，实验证明其在多方面优于基线，展现出结构感知设计的有效性。

Comments Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence

Trajectory Planning and Certification for 3-DOF Robot Manipulators Using Real Quantifier Elimination Based on Comprehensive Gröbner Systems

基于综合格罗贝格系统的实量词消去法用于3自由度机器人操作器的轨迹规划与验证

Yu Nakai, Akira Terui, Masahiko Mikawa

机构 * University of Tsukuba, Tsukuba, Japan（茨口大学） 纠错

专题命中 规划控制 ：trajectory planning(title,abstract)；分类 cs.RO

AI总结 该研究针对3自由度机器人操作器，提出基于综合格罗贝格系统的实量词消去法（CGS-QE），用于轨迹规划与验证。通过计算参数系统的CGS避免逐点重算格罗贝格基，提高效率，还能验证多种轨迹的逆运动学解，算法在Risa/Asir中实现。

Safer Trajectory Planning with CBF-guided Diffusion Model for Unmanned Aerial Vehicles

基于CBF引导扩散模型的无人机安全轨迹规划

Peiwen Yang, Shiyu Bai, Weisong Wen, Yixin Gao, Jiahao Hu

专题命中 规划控制 ：trajectory planning(title,abstract)；分类 cs.RO

AI总结 本文提出AeroTrajGen框架，通过CBF引导采样提升扩散模型在无人机轨迹生成中的安全性与敏捷性，减少碰撞率94.7%。

Comments Some equations need to be checked

Learning High-Level Decision Making with an Interaction-Aware Attention-Based Network in Autonomous Driving

在自动驾驶中使用基于交互感知注意力的网络学习高级决策

Marcelo Contreras, Willi Poh, Christoph Stiller, Ehsan Hashemi

机构 * NODE lab, University of Alberta（节点实验室，阿尔伯塔大学） ； MRT Institute, Karlsruhe Institute of Technology（MRT 研究所，卡尔斯鲁厄理工学院） 纠错

专题命中 规划控制 ：autonomous driving(title)；分类 cs.RO

AI总结 研究自动驾驶中高级决策问题，提出DecisionPerceiver将动态代理特征投影到固定大小潜在空间，通过潜在查询数调节特征粒度，还细化动作集，经多场景评估有性能提升、泛化能力及可扩展性。

Comments 6 pages, 5 figures, 3 tables, submitted to 2026 IEEE Intelligent Transportation Systems Conference (ITSC)

BucketKD: A Safety-Aware Bucket-Based Knowledge Distillation Framework for End-to-End Motion Planning

BucketKD：用于端到端运动规划的基于桶的安全感知知识蒸馏框架

Md Nahidul Islam, Mohd Hasan Ali, Dipankar Dasgupta, Myounggyu Won

机构 * University of Memphis（孟菲斯大学） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO

AI总结 针对端到端运动规划模型规模大难在资源受限平台部署的问题，提出BucketKD框架。该框架将关键环境变量离散化，并设计安全感知航路点注意力机制。实验表明，其在规划精度、安全性及压缩率方面表现出色，显著优于现有方法。

Replanning Human-Robot Collaborative Tasks with Vision-Language Models via Semantic and Physical Dual-Correction

通过语义和物理双校正利用视觉语言模型重新规划人机协作任务

Taichi Kato, Takuya Kiyokawa, Namiko Saito, Kensuke Harada

专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO

AI总结 本文提出一种通过语义和物理双校正机制提升人机协作任务中机器人重新规划能力的框架，结合视觉语言模型与物理反馈纠正，提高任务执行的成功率和可行性。

Comments 20 pages, 9 figures

Opportunities and Challenges of Operating Semi-Autonomous Vehicles: A Layered Vulnerability Perspective

半自动驾驶车辆的操作机会与挑战：从分层脆弱性视角出发

Soumita Mukherjee, Priya Kumar, Laura Cabrera

专题命中 规划控制 ：self-driving(abstract)

AI总结 本文从分层脆弱性视角探讨半自动驾驶车辆操作员的脆弱性，揭示心理、操作和社会层次的相互作用，强调需综合设计与监管干预以提升安全性和责任归属。

Comments This paper has changed significantly after the first revision

Driving Like Yourself: A Benchmark for Closed-Loop Personalized End-to-End Autonomous Driving

驾驶千面：一个闭环个性化端到端自动驾驶的基准

Xiaoru Dong, Ruiqin Li, Xiao Han, Zhenxuan Wu, Jiamin Wang, Jian Chen, Qi Jiang, SM Yiu, Xinge Zhu, Yuexin Ma

机构 * The University of Hong Kong（香港大学） ； ShanghaiTech University（上海科技大学） ； The Chinese University of Hong Kong（香港中文大学） 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Person2Drive平台，通过个性化数据集、评价指标和框架，解决自动驾驶个性化难题，实现细粒度分析与有效个性化。

Comments Accepted to ECCV 2026. Camera-ready version

FlashBEV: Fast and Memory-Efficient Exact BEV Transformation with IO-Awareness

FlashBEV：具有I/O感知的快速且内存高效的精确BEV变换

Shunsuke Yokokawa, Hironori Kasahara

机构 * Waseda University（早稻田大学） ； T2, Inc.（T2公司） 纠错

专题命中 BEV与占用 ：BEV(title,title_cn)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 研究自动驾驶中BEV感知的视图变换问题，提出FlashBEV执行策略，通过重新设计执行方式，使其在数学上等同于Tensorized Sampling-VT，减少内存流量和开销，降低峰值GPU内存，加速推理延迟，突破可扩展性障碍。

Comments Accepted to ECCV 2026

Can we Trust Unreliable Voxels? Exploring 3D Semantic Occupancy Prediction under Label Noise

我们能信任不可靠的体素吗？在标签噪声下的3D语义占用预测探索

Wenxin Li, Kunyu Peng, Di Wen, Junwei Zheng, Jiale Wei, Mengfei Duan, Yuheng Zhang, Rui Fan, Kailun Yang

机构 * School of Artificial Intelligence and Robotics（人工智能与机器人学院） ； National Engineering Research Center of Robot Visual Perception and Control Technology（机器人视觉感知与控制技术国家工程研究中心） ； Institute for Anthropomatics and Robotics（人机一体化与机器人研究所） ； Karlsruhe Institute of Technology（卡尔斯鲁厄技术大学） ； INSAIT ； College of Electronic and Information Engineering（电子与信息学院） ； Shanghai Institute of Intelligent Science and Technology（智能科学与技术上海研究院） ； Shanghai Research Institute for Intelligent Autonomous Systems（智能自主系统上海研究院） ； Shanghai Key Laboratory of Intelligent Autonomous Systems（智能自主系统上海重点实验室） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室） ； Frontiers Science Center for Intelligent Autonomous Systems（智能自主系统前沿科学中心） 纠错

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

AI总结 本文提出DPR-Occ框架，通过双源部分标签推理解决3D语义占用预测中的标签噪声问题，实验表明其在高噪声环境下仍能保持性能。

Comments Accepted to IROS 2026. The benchmark and source code will be made publicly available at https://github.com/mylwx/OccNL

Connecting Diffuse Scattering to Atomic-Site-Resolved Occupancy and Displacement Fields through Fourier Filtering

通过傅里叶滤波将漫散射与原子位点分辨占有率和位移场联系起来

Maksim Eremenko, Victor Krayzman, Matthew G. Tucker, Igor Levin

专题命中 BEV与占用 ：occupancy(title)

AI总结 研究如何将漫散射与原子位点相关信息联系起来，核心方法是引入MOSAIC计算框架，通过对含相位散射振幅应用傅里叶滤波器获取相关图谱，主要贡献是能有效探究大规模结构模型中原子间相关性。

Comments 19 pages, 7 figures

2.5-D Decomposition for LLM-Based Spatial Construction

基于2.5-D分解的LLM空间构建

Paul Whitten, Li-Jen Chen, Sharath Baddam

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 本文提出了一种基于2.5-D分解的神经符号管道，通过让LLM在二维水平面上规划，同时确定性执行器计算垂直放置，从而消除一类错误，提升了空间构建的准确性。

Adversarially Guided Diffusion for LiDAR Range Image Synthesis

用于激光雷达距离图像合成的对抗引导扩散

Stavros Bouras, Antonios Makris, Alexandros Gkillas, Aris S. Lalos, Konstantinos Tserpes

机构 * School of Electrical and Computer Engineering, National Technical University of Athens（雅典国立技术大学电气与计算机工程学院） ； Industrial Systems Institute, Athena Research Center（雅典娜研究中心工业系统研究所） 纠错

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

AI总结 研究针对二维距离图像分割的无限制对抗攻击，提出基于扩散并利用分割损失对抗引导的方法，在SemanticKITTI数据集实验，能跨架构转移，相比基线在有效性与现实性间有独特权衡，实现可控退化。

Comments Accepted at the 1st Workshop on Secure and Trustworthy AI (STAI 2026), co-located with the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2026)

TOLiD: Bridging the Architecture Gap in Vision Foundation Model to LiDAR Pretraining via Token Lifting for Distillation

TOLiD：通过用于蒸馏的令牌提升弥合视觉基础模型与激光雷达预训练之间的架构差距

Sutharsan Mahendran, Darshana Priyasad, Kaushik Roy, Tharindu Fernando, Sridha Sridharan, Clinton Fookes, Peyman Moghadam

机构 * SAIVT Group, School of Electrical Engineering and Robotics, Queensland University of Technology（澳大利亚昆士兰科技大学电气工程与机器人学院SAIVT组） ； CSIRO Robotics, CSIRO（澳大利亚联邦科学与工业研究组织机器人部） 纠错

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

AI总结 研究提出TOLiD方法，通过耦合激光雷达主干与从冻结VFM教师初始化的学生ViT，利用视锥体池化、注意力及掩码双线性采样等技术，解决模态和架构差距问题，在多数据集上评估显示能提升迁移效果。

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

A Numerically-Robust ROS 2 Port of iG-LIO: Diagnosing and Fixing Toolchain-Induced Failures in Incremental GICP LiDAR-Inertial Odometry

iG-LIO的数值稳健ROS 2端口：诊断和修复增量GICP激光雷达惯性里程计中工具链引起的故障

Afonso E. Carvalho, David Portugal, Paulo Peixoto

机构 * Robotics Institute (RI), Carnegie Mellon University (CMU)（卡内基梅隆大学机器人研究所） ； Institute of Systems and Robotics (ISR), University of Coimbra (UC)（科英布拉大学系统与机器人研究所） 纠错

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

AI总结 研究针对iG-LIO的ROS 2端口，诊断并修复由工具链导致的数值故障。通过分析QoS不匹配等问题，采取修正点场解析、添加传感器支持等方法，在多种传感器上验证了改进后的端口，为该端口提供了可引用参考。

Comments 3 pages, 1 figure, 4 references

Self-Healing Visual Recovery for Autonomous Ground Vehicles Using Camera-Only Visual Odometry

使用仅摄像头视觉里程计的自主地面车辆自愈视觉恢复

Jakob Solberg Berntzen, Safia Fatima, Leon Moonen

机构 * Simula Research Laboratory（Simula研究实验室） ； University of Oslo（奥斯陆大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 研究低成本无人地面车辆仅靠摄像头视觉导航时标线丢失的恢复问题，提出轻量级两阶段恢复方法，结合多种视觉工具，在模拟课程中评估，该方法成功率高，证明仅靠摄像头在成本和计算限制内实现可靠视觉恢复可行。

Comments 18 pages, 11 figures, 4 tables

A Ground Mobile Robot for Autonomous Terrestrial Laser Scanning-Based Field Phenotyping

一种用于自主地面激光扫描的田间表型分析机器人

Javier Rodriguez-Sanchez, Kyle Johnsen, Changying Li

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； The University of Georgia（佐治亚大学） ； Bio-Sensing, Automation and Intelligence Laboratory（生物传感、自动化与智能实验室） ； Agricultural & Biological Engineering（农业与生物工程） ； The University of Florida（佛罗里达大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本研究开发了一种自主地面机器人系统，利用高分辨率三维激光扫描仪实现田间表型分析，提高了田间作物生长监测的自动化和准确性。

Comments Submitted to Journal of Field Robotics

Millimeter Wave Radar: From Synthetic Aperture to Probabilistic Mapping

毫米波雷达：从合成孔径到概率地图

Jui-Te Huang, Ruoyang Xu, Michael Kaess

机构 * School of Computer Science, Robotics Institute, Carnegie Mellon University（卡内基梅隆大学计算机科学学院机器人研究所） 纠错

专题命中 多传感器融合 ：occupancy(abstract)；分类 cs.RO

AI总结 针对毫米波雷达数据创建概率地图的挑战，建立从原始信号到概率占用地图的完整流程，含合成孔径雷达处理与概率建模，经室内验证、性能分析及参数研究，展示方法有效性与局限性，并贡献开源数据集及处理管道。

OmniSCS: Omni Safety-Critical Scenario Synthesis for Autonomous Driving via a Fully Editable Driving World

OmniSCS：通过完全可编辑的驾驶世界实现自动驾驶的全场景安全关键场景合成

Xiaoyun Dong, Qian Xu, Yang Lu, Yang Lou, Yung-Hui Li, Jianping Wang

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

AI总结 研究针对自动驾驶安全关键场景合成难题，提出OmniSCS系统，通过完全可编辑驾驶世界构建和SCS合成两个模块，保持数据保真度，在多数据集实验中表现出色，能增强算法并支持实时闭环测试，为SCS优化测试提供高效方案。

A Risk-Field Enhanced Closed-Loop Digital Twin Framework for Autonomous Driving Safety Validation

一种用于自动驾驶安全验证的风险场增强闭环数字孪生框架

Yongzhi Liu

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

AI总结 针对自动驾驶安全验证，提出风险场增强闭环数字孪生框架，集成多方面功能，引入驾驶风险场描述风险，通过评估协议比较不同方法，该框架能让验证更具针对性、可解释性和可重用性，但受模型保真度等因素限制。