自动驾驶

RECO: Region-Aware Compensation for Extrinsic Perturbations in Roadside 3D Detection

RECO：用于路边3D检测中外在扰动的区域感知补偿

Junsheng Du, Zhaocheng He, Yuhuan Lu

机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院） ； Faculty of Applied Sciences, Macao Polytechnic University（澳门理工大学应用科学学院） 纠错

专题命中 感知 ：BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV

AI总结 针对路边3D检测中现有方法对相机外部参数敏感问题，提出RECO框架，通过预测范围边界划分场景区域，用分段6自由度姿态偏移校正外部参数，引入辅助重投影损失监督优化，实验证明其在多种偏差下优于基线且能应对不同扰动。

HGeo-TopoMap: Boosting Topological Mapping with Hierarchical Geometric Priors

HGeo-TopoMap：利用分层几何先验增强拓扑映射

Siyu Li, Kunyu Peng, Di Wen, Beiping Hou, Zhiyong Li, Kailun Yang

机构 * Zhejiang University of Science and Technology（浙江科技学院） ； Hunan University（湖南大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 感知 ：autonomous driving(abstract)；driving perception(abstract)；分类 cs.RO、cs.CV、eess.IV

AI总结 针对现实环境中心线检测难题，提出HGeo-TopoMap，利用显式先验地图和隐式空间关系，设计几何自适应和一致性学习模块增强拓扑映射，在OpenLane-V2数据集上评估，提高了精度与鲁棒性，优于基线方法。

Comments The source code and model weights will be made publicly available at https://github.com/lynn-yu/HGeo-TopoMap

A Real-Time Generalized Nash Equilibrium Framework for Interaction-Aware Autonomous Driving in Mixed Traffic

用于混合交通中交互感知自动驾驶的实时广义纳什均衡框架

Nouhed Naidja, Mohamed-Cherif Rahal, Steve Pechberti, Stéphane Font, Guillaume Sandou, Marc Revilloud

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

AI总结 针对自动驾驶在混合交通环境中的挑战，提出将驾驶交互建模为广义纳什均衡问题的决策框架，基于粒子群优化提出实时求解器，经实验验证能处理关键场景，求解器操作可行且收敛快。

Journal ref The 12th 2026 International Conference on Control, Decision and Information Technologies (CoDIT 2026), Jul 2026, Bari (Italy), Italy

DTIF: Robust Loop Closure Detection via Delaunay Triangle Topology in Complex Forests

DTIF：通过复杂森林中的德劳内三角拓扑进行稳健的回环检测

Xin Zhao, Jianping Li, Qin Zou, Fuxun Liang, Zhen Dong, Bisheng Yang

机构 * School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； School of Urban Design, Wuhan University（武汉大学城市设计学院） ； LIESMARS, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 针对森林环境中合并局部地图的难题，提出DTIF框架。通过提取树干地标、德劳内拓扑编码、统计筛选、一致性验证等步骤构建加权顶点对应，纳入可靠性权重到姿态估计器。实验证明该方法在边缘平台上兼顾鲁棒性、效率与可部署性，实现准确配准。

Comments 19 pages, 6 figures, 4 tables. Submitted to IEEE Transactions on Geoscience and Remote Sensing

Multi-turn RL with Structural and Performance Aware Rewards for CUDA Kernel Generation

用于 CUDA 内核生成的具有结构和性能感知奖励的多轮强化学习

Quazi Ishtiaque Mahmud, Nesreen K. Ahmed, Ali Jannesari

机构 * Iowa State University（爱荷华州立大学） ； Cisco AI Research（思科人工智能研究院） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 研究针对 CUDA 内核生成，提出 CudaPerf 框架，结合可验证执行奖励与结构代码感知奖励，分离线排序和在线训练两阶段，利用执行反馈迭代细化，通过实验证明其显著优于基线，在加速和正确性上有大幅提升。

Update the Unseen Only: Minimizing AoI for Collaborative Perception through Online Learning

仅更新未见过的信息：通过在线学习最小化协作感知中的信息年龄

Yanan Ma, Zhuoyi Zhao, Zhengru Fang, Haonan An, Xianhao Chen, Yuguang Fang

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对协作感知中因带宽有限致数据过时问题，提出移动感知AoI最小化框架，推导闭式表达式，开发LocMW算法，性能保证其优于基准，仿真显示该算法能大幅降低AoI并提高检测精度。

Comments 15 pages, 8 figures

Self-Supervised Bio-Inspired Robotic Trajectory Planning with Obstacle Avoidance

具有避障功能的自监督生物启发式机器人轨迹规划

Miroslav Krupa, Miroslav Cibula, Kristína Malinovská

机构 * Faculty of Mathematics, Physics and Informatics, Comenius University Bratislava（布拉迪斯拉发夸美纽斯大学数学、物理与信息学院） 纠错

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

AI总结 研究机器人轨迹规划问题，提出基于自监督学习框架，利用正反模型作监督机制，在含障碍物环境下规划轨迹，实验证明方法可行，针对规划器问题提出并评估了额外训练机制和缓解策略。

Comments 12 pages, 3 figures. To be published in 2026 International Conference on Artificial Neural Networks (ICANN) proceedings. This research was supported by the Slovak Research and Development Agency, project APVV-21-0105

Deep Reinforcement-Learning-Guided Model Predictive Control for Preventing Overtakes in Autonomous Racing

深度强化学习引导的模型预测控制在自主赛车中防止超车的应用

Yufei Xi, Yijie Liao, Tulga Ersal

机构 * University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 研究自主赛车防御性阻挡问题，通过分层强化学习引导的模型预测控制框架，将防御转化为空间占用调节问题。在仿真中提升平均超车时间，减少对手前进距离，使车辆有效利用轮胎力，且求解时间短，支持实时高速对抗。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 7 figures

HyWorldVLA: A Vision-Language-Action Model with Hybrid World Modeling for Autonomous Driving

HyWorldVLA：一种用于自动驾驶的具有混合世界建模的视觉-语言-动作模型

Quanfu Yu, Xian Wu, Hao Xu, Liulong Ma

机构 * Automotive New Technology Research Institute, BYD Company Limited（比亚迪汽车新技术研究院） 纠错

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

AI总结 研究针对自动驾驶中视觉-语言-动作模型的不足，提出HyWorldVLA框架，统一像素级监督与潜在表征学习。预训练阶段预测视频潜在并重建帧，微调阶段预测潜在特征生成轨迹，实验表明其性能优于基线，还建立了世界模型噪声鲁棒性评估新基准。

Comments 20 pages with 13 figures

Boosting Robustness for All-Weather Self-Supervised Depth Estimation in Autonomous Driving

增强自动驾驶中全天候自监督深度估计的鲁棒性

Mengshi Qi, Xiaoyang Bi, Xianlin Zhang, Huadong Ma

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 研究自动驾驶中全天候自监督深度估计问题，提出用多教师蒸馏和鲁棒雷达融合的自训练管道，包括不确定性感知多教师蒸馏及POV-BEV雷达融合方法，经实验验证该方法具鲁棒性且性能达最优。

From Berg-Purcell precision bounds to clock-limited information capacity

从伯格 - 珀塞尔精度界限到时钟限制信息容量

Michał Komorowski

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究化学传感中伯格 - 珀塞尔精度界限与分子受体信息容量的关系，推导两者联系的表达式，表明理想模型下扩散限制采样不设限，考虑时间积分等因素后得出时钟限制的信息容量界限，建立了有限的受体级信息界限。

Machine Learning for Charge State Characterization of Isolated Double Quantum Dots

用于孤立双量子点电荷态表征的机器学习

Hyma Vallabhapurapu, Marco Candido, Krishna Choudhary, Paul Steinacker, Ensar Vahapoglu, Chris Escott, Wee Han Lim, Andre Saraiva, Nard Dumoulin Stuyck, MengKe Feng

机构 * School of Electrical Engineering and Telecommunications, University of New South Wales, Sydney, New South Wales, Australia（电子工程与电信学系，新南威尔士大学，悉尼，新南威尔士，澳大利亚） 纠错

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究针对孤立双量子点电荷态表征，提出两个参数少的卷积神经网络，经训练可识别电荷不稳定性、定位跃迁线等，合成图像预训练提高标注效率，模型在标准硬件上表现良好，为量子点器件表征和调谐提供实用路径。

Factorized Spatio-Temporal Convolutions for Human Pose Estimation from Planar Lidar

用于基于平面激光雷达的人体姿态估计的分解时空卷积

Simone Arreghini, Mirko Nava, Nicholas Carlotti, Antonio Paolillo, Alessandro Giusti

机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA), USI-SUPSI（瑞士意大利语区大学提契诺大学人工智能达勒莫利研究所） 纠错

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

AI总结 针对服务机器人仅配备平面激光雷达和普通处理器的情况，提出基于时空块的轻量级网络，用于全向人体检测和相对2D姿态估计，通过跨模态自监督训练，优于基线模型，适用于计算受限的服务机器人空间感知。

Beyond Episodic Evaluation: Memory Architectural Bottlenecks in Sequential Embodied Question Answering

超越情节性评估：序列式具身问答中的内存架构瓶颈

Zikui Cai, Kaushal Janga, Tan Dat Dao, Seungjae Lee, Shivin Dass, Mingyo Seo, Kaiyu Yue, Mintong Kang, Nandhu Pillai, Monte Hoover, Aadi Palnitkar, Ruchit Rawal, Ruijie Zheng, Bo Li, Yuke Zhu, Roberto Martín-Martín, Tom Goldstein, Furong Huang

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 研究序列式具身问答中不同内存架构表现，发现仅保留现有记忆不足，短视情节数据训练的智能体有时间不匹配问题。强调结构化、基于空间记忆的必要性，实验表明其能打破准确性-效率权衡，对真实机器人连续智能操作至关重要。

Comments Accepted to IROS 2026