自动驾驶

A2RL V\textsubscript{max}: The A2RL autonomous racing dataset for long-range, high-speed perception and multi-vehicle interaction

A2RL V下标max：用于远程、高速感知和多车辆交互的A2RL自动驾驶数据集

Marvin Klemp, Dominic Ebner, Cornelius Schröder, Davide Malvezzi, László Turányi, Riccardo Donati, Ilia Schminik, Xia Ning, Yanxin Zhou, Matthew Flagg, Christoph Stiller, Markus Lienkamp, Marko Bertogna, Gergely Bári, Andreas Birk, Ren Jin, Chen Lv, Johannes Betz

机构 * Institute of Measurement and Control Systems, Karlsruhe Institute of Technology（测量与控制系统研究所，卡尔斯鲁厄理工学院） ； Institute of Automotive Technology, Technical University of Munich（汽车技术研究所，慕尼黑工业大学） ； Professorship of Autonomous Vehicle Systems, Technical University of Munich（自动驾驶车辆系统教授职位，慕尼黑工业大学） ； University of Modena and Reggio Emilia（摩德纳大学和雷焦艾米利亚大学） ； Humda Lab, Széchenyi István University（胡姆达实验室，塞切尼·伊什特万大学） ； Politecnico di Milano（米兰理工大学） ； Constructor University（康斯坦丁大学） ； Beijing Institute of Technology（北京理工大学） ； Nanyang Technological University（南洋理工大学） ； Code 19 Racing（代码19赛车） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich（慕尼黑机器人与机器智能研究所（MIRMI），慕尼黑工业大学） 纠错

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

AI总结 介绍A2RL V下标max开源数据集，专为高速自动驾驶和多车辆交互感知任务设计，含多样场景数据及专业标注激光雷达点云，以开发者友好格式提供，还对相关检测和跟踪方法做了实现与评估。

Comments 8 pages

Lifelong Multi-Subsystem Pickup and Delivery with Buffer-Limited Handover Stations

具有缓冲区受限交接站的终身多子系统取货与送货

Chuanlong Zang, Isabelle Barz, Anna Mannucci, Philipp Schillinger, Florian Lier, Wolfgang Hönig

机构 * Robert Bosch GmbH（罗伯特·博世有限公司） ； Technical University of Berlin（柏林工业大学） ； Robotics Institute Germany (RIG)（德国机器人研究所） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO、cs.AI

AI总结 研究终身多子系统取货与送货中协调子系统载荷转移的问题，提出交接感知预留与路由（HARR）方法，通过共享日历和缓冲区预测协调行动，模拟显示该方法能显著提高吞吐量、减少积压并降低规划时间，提升运输稳定性。

Comments IROS 2026

DeeperRadar: End-to-End MIMO Radar Design and Multi-Modal Fusion for Autonomous Vehicle Perception

深度雷达：用于自动驾驶车辆感知的端到端MIMO雷达设计与多模态融合

Eli Goldenshluger, Barak Pinkovich, Chaim Baskin

机构 * Technion–Israel Institute of Technology（以色列理工学院） ； Ben-Gurion University of the Negev（内盖夫本-古里安大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.AI

AI总结 深度雷达以雷达为中心，通过端到端学习稀疏采集模式，共同设计雷达传感与多模态3D检测。其可学习的MIMO设计模块在融合网络中训练，由其他传感器监督。在RADIal数据集上评估，能发现稀疏配置，降低成本与复杂性，表明最优设计取决于融合堆栈和感知任务。

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

Distilling Global Traversability Priors for Image-based Affordance Prediction in Off-road Environments

用于越野环境中基于图像的可承受性预测的全局可通行性先验知识提炼

Matthew Sivaprakasam, Samuel Triest, Micah Nye, Deegan Atha, Shehryar Khattak, David Fan, Wenshan Wang, Sebastian Scherer

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Field AI（现场人工智能公司） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 研究非结构化地形长距离自主导航易短视问题，利用卫星图像计算导航路径监督网络，直接从FPV图像提取远距离可通行性感知边界，提升长距离越野导航性能，减少人工干预。

Roomie: Interference-Aware Colocation for Efficient Model Serving

Roomie：用于高效模型服务的干扰感知共置

Youssouph Faye, Francescomaria Faticanti, Shubham Jain, Francesco Bronzino

专题命中 感知 ：occupancy(abstract)

AI总结 针对DNN推理中GPU容量供不应求需共置模型的情况，Roomie架构通过解耦离线内核分析与在线干扰预测，用基于占用的模型预测干扰，经启发式算法和在线放置算法，有效降低推理延迟，提升吞吐量。

Compositional Semantic Communication for Physical AI: Category Theory Meets Game Theory

用于物理人工智能的组合语义通信：范畴论与博弈论相遇

Christo Kurisummoottil Thomas, Walid Saad, Emilio Calvanese Strinati

专题命中 感知 ：autonomous driving(abstract)

AI总结 研究物理人工智能系统中传输原始传感器数据的问题，提出组合语义通信框架，利用范畴论度量、格罗滕迪克拓扑等，将多设备协调表述为斯塔克尔伯格博弈，用ADMM算法计算策略，实现带宽减少和延迟降低，保持推理准确率。

Thermal management optimization of Battery Electric Vehicles via hierarchical NMPC with CMO-trained Neural Models

基于CMO训练的神经模型的分层NMPC对电池电动汽车进行热管理优化

Francesco Ripa, Diego Regruto, Pasquale Ceres, Christopher Strano

专题命中 规划控制 ：BEV(abstract,abstract_cn)

AI总结 研究电池电动汽车热管理优化问题，提出分层NMPC框架，上层平衡能耗与温度跟踪并转化为执行器命令序列，下层补偿干扰等，采用数据驱动神经网络模型，经高保真模拟器验证，相比基线策略能耗显著降低。

VLN-AVP: Zero-Shot Vision-Language Navigation with Hybrid Long-Short-Term Memory for Autonomous Valet Parking

VLN-AVP：用于自动代客泊车的基于混合长短时记忆的零样本视觉语言导航

Yijian Li, Xiangru Mu, Changze Li, Hantian Shi, Jiyuan Cai, Jia Cai, Xiaoxue Liu, Yajing Sun, Ming Yang, Tong Qin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Yinwang Intelligent Technology Co., Ltd.（银望智能科技有限公司） 纠错

专题命中 BEV与占用 ：BEV(summary_cn,abstract)；autonomous driving(abstract)；分类 cs.RO

AI总结 研究针对自主代客泊车依赖预建地图限制可扩展性问题，提出VLN-AVP零样本导航框架，结合BEV模型与VLM，引入混合记忆系统，构建数据集和基准，实验证明该方法在模拟和实际车辆实验中均有良好效果，提升了成功率。

VGOcc: Learning Visual-Geometric Gaussians for Vision-Centric 3D Driving Occupancy Prediction

VGOcc：学习视觉几何高斯用于以视觉为中心的3D驾驶占用预测

Junhong Lin, Xianda Guo, Kangli Wang, Yuqi Ye, Xiaoyu Liang, Yanlun Peng, Wei Gao

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

AI总结 研究仅视觉3D驾驶占用预测问题，提出VGOcc方法，通过从基础模型学习视觉和几何线索，纳入高斯建模的初始化与细化，实现高效语义占用预测，在nuScenes实验中达最优性能。

Lifelong Localization in Dynamic Indoor Environments Combining Odometry with Sparse Distance Sampling

结合里程计与稀疏距离采样的动态室内环境终身定位

Michael M. Bilevich, Tomer Buber, Dan Halperin

机构 * Blavatnik School of Computer Science and Artificial Intelligence, Tel-Aviv University（特拉维夫大学布拉瓦尼克计算机科学与人工智能学院） 纠错

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO

AI总结 研究动态室内环境中机器人定位问题，提出结合里程计与稀疏距离采样的终身定位框架，能实时解决绑架机器人问题，在静态和动态环境中均收敛到真实姿态，少量距离样本即可实现与SLAM相当的定位，具多方面优势。

Comments Appeared in the 2026 IEEE International Conference on Robotics and Automation (ICRA)

Panache: One-Pass Motif Discovery at Every Window Length

Panache：在每个窗口长度下进行单遍基序发现

Tej Sanibh Ranade

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

AI总结 研究针对时间序列基序发现中模式持续时间未知的问题，提出单遍流算法Panache。通过滑动DFT递归等维护频谱状态，利用Parseval定理在哈希目录中让相似子序列碰撞，自行计算依赖数据的参数，在多个数据集上表现出色，速度远超基线方法。

Comments 23 pages, 4 figures, 19 tables

Rethinking Polling Efficiency in Service Core Network Stacks

重新思考服务核心网络栈中的轮询效率

Matheus Stolet, Simon Peter, Antoine Kaufmann

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究服务核心网络栈轮询效率，通过对AMD EPYC处理器测量，发现回收闲置核心收益低且增加调度复杂度，进而提出以预算为中心的观点，将功率作为基本资源，等待策略作为首要系统设计选择。

Richards' equation as a hydrodynamic limit: Chapman--Enskog reduction of the continuum kinetic equation for unsaturated soil water

作为流体动力学极限的理查兹方程：非饱和土壤水连续介质动力学方程的查普曼 - 恩斯科格约化

Riccardo Rigon

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究从孔隙填充分布的动力学理论推导非饱和水流的理查兹方程，通过查普曼 - 恩斯科格约化CKE，由达姆科勒数控制，得出相关结果，还能导出双渗透率和多渗透率模型，\(Da\)不小则需完整CKE。

Occupation-condensation transition of a sublinearly vertex-reinforced random walk on regular tree

正则树上次线性顶点强化随机游走的占据凝聚转变

Bon A Koo, Edward Ju

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究正则树上次线性顶点强化随机游走的占据凝聚转变，通过分析概率与参数关系，发现有限\(\beta_c(a,b)\)处的凝聚转变，四个估计器定位相同阈值，还研究了冻结环境下的可逆性及相关性质，揭示了占有率的非自平均和双峰现象。

InLiER: Learning-Free Heterogeneous LiDAR Place Recognition via Intermediate Mixed-Radix Structural Keypoint Tokenization

InLiER：通过中间混合基数结构关键点令牌化实现无学习的异构激光雷达地点识别

Nikolaos Stathoulopoulos, George Nikolakopoulos

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

AI总结 研究针对机器人平台结合多种激光雷达致现有描述符性能下降的问题，提出无学习管道InLiER，通过混合基数令牌ID编码关键点信息，经三个检索阶段处理，在相关数据集和实验中表现出色，优于基于学习的基线。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L). 8 pages, 8 figures

Move First, Commit Later: Selective LiDAR-to-BIM Global Initialization via Sequential Consensus with Symmetry-Aware Abstention

先移动，后提交：通过具有对称感知弃权的顺序共识进行选择性激光雷达到BIM全局初始化

Yujie Zhang, Yuxuan Guo, Jiashuo Zheng, Zeheng Fan, Xiaohui Jia, Jinyue Liu

机构 * School of Mechanical Engineering, Hebei University of Technology（河北工业大学机械工程学院） 纠错

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

AI总结 研究激光雷达到BIM全局初始化问题，提出“先移动，后提交”的选择性层，将配准前端作证据源决定是否提交，通过特殊方法聚合证据，在真实建筑和模拟中表现良好，能正确提交或弃权，提交锚点精度高且前端模块化。

Comments 8 pages, 6 figures, 3 tables. Preprint

SLAM in Low-Light Environments: Project Report

低光照环境下的同步定位与地图构建：项目报告

Oleh Basystyi, Anna Stasyshyn, Oleksandr Kosovan, Yaroslav Prytula

机构 * Applied Sciences Faculty, Ukrainian Catholic University（乌克兰天主教大学应用科学学院） 纠错

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

AI总结 研究低光照环境下RGB相机的SLAM问题，对六种不同范式的系统在五个序列上进行基准测试，发现仅RGB的SLAM需惯性融合和全局优化才能稳定跟踪，为后续改进提供方向。

Comments Conducted as part of the certification program "Off-Road Visual Navigation: Development and Evaluation of Systems in Challenging Environments'' at the Faculty of Applied Sciences, Ukrainian Catholic University, in collaboration with the UCU UGV Club

Numerical Investigation of a 3D End-Firing Antenna Array Based on Two-Photon Polymerization on Thin-Film Lithium Niobate for Optical Beam Steering

基于双光子聚合在薄膜铌酸锂上的三维端射天线阵列用于光束转向的数值研究

David Trop, Boris Desiatov

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 研究基于双光子聚合在薄膜铌酸锂上设计三维端射天线阵列用于光束转向，解决传统OPA设计权衡问题。通过提升聚合物天线实现二维光束转向并保持宽带优势，模拟展示高效传输及特定视场与波束宽度，为3D光子相控阵奠定基础。

RayOcc: Occlusion-Aware Ray Occupancy Estimation via Gaussian Mixture Intensity

RayOcc：通过高斯混合强度进行遮挡感知光线占有率估计

Junho Kim, Seongwon Lee

机构 * School of Electrical Engineering, Kookmin University（韩国建国大学电气工程学院） 纠错

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

AI总结 研究针对仅相机的3D语义占有率预测中因深度模糊和遮挡带来的挑战，提出RayOcc框架。该框架将光线建模为多标签存在预测，通过估计高斯混合强度及转换为占有率概率，初始化高斯基元进行语义占有率预测，在nuScenes基准测试中取得最优成绩。

Comments Accepted to IROS 2026

What Do They See? Interpreting Complex Road Scenarios Through the Eyes of Vision-Language-Action Models for Safe and Trustworthy Autonomous Vehicle Learning

他们看到了什么？通过视觉-语言-动作模型的视角解读复杂道路场景以实现安全可靠的自动驾驶学习

Kalpana Panda, Wesley Maia, Vinti Agarwal, Ross Greer

机构 * Birla Institute of Technology and Science, Pilani（贝拉理工科学学院皮拉尼分校） ； University of California, Merced（加州大学默塞德分校） 纠错

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

AI总结 研究自动驾驶模型内部逻辑不透明问题，提出反事实消融框架CVAA，通过移除摄像头图像中物体创建反事实集评估模型响应差异，应用于阿尔帕马约1轨迹预测器，分析物体因果影响，还通过可解释性技术深入理解模型，创建可解释驾驶系统巩固人机信任。

Hybrid Machine Learning for Articulation Angle Estimation of Truck-Semitrailer Combinations

用于卡车-半挂车组合铰接角估计的混合机器学习

Qixuan Zhang, Jonas Boettcher, Simon F. G. Ehlers, Marvin Stuede

机构 * ZF CV Systems Hannover GmbH（采埃孚商用车系统汉诺威有限公司） ； Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

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

AI总结 研究针对卡车-半挂车组合铰接角估计问题，提出基于学习的模型并集成于EKF框架，应用自适应加权方案，通过大量实际实验验证，该混合方法能准确可靠估计铰接角，降低实施要求，具有实际部署优势。

Comments Accepted for publication at 2026 International Conference on Intelligent Transportation Systems (ITSC)

From Modalities to Propositions: A Language-Centric Framework for Multimodal Intelligence

从模态到命题：多模态智能的语言中心框架

Nadine Chang, Maying Shen, Shizhe Diao, Jialiang Wang, Jingde Chen, Thomas Breuel, Pavlo Molchanov, Rafid Mahmood, Jose M. Alvarez

机构 * NVIDIA（英伟达） ； University of Ottawa（渥太华大学） 纠错

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

AI总结 该研究提出多模态数据语言表示框架，将观察结果表示为原子命题，通过全局语义码本统一为共享词汇表，置于可解释空间，实现跨模态理解等，还在自动驾驶等数据上进行了展示。