自动驾驶

MATS: A novel multi-modality multi-task learning framework for 3D perception in autonomous driving

MATS：一种用于自动驾驶中3D感知的新型多模态多任务学习框架

Junchen Huo, Wanming Hao, Song Wang, Enqing Chen, Shouyi Yang, Guanghui Wang

机构 * School of Electrical and Information Engineering, Zhengzhou University（郑州大学电气与信息工程学院） ； Tianping College of Suzhou University of Science and Technology（苏州科技大学天平学院） ； Toronto Metropolitan University（多伦多都会大学） 纠错

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

AI总结 针对自动驾驶3D感知，提出MATS多模态多任务学习框架，通过模态自适应BEV融合和特定任务MoE模块，在nuScenes基准测试中，多模态输入下显著优于现有技术，单任务也优于基线。

Comments 12 pages

OccTrack360: 4D Panoptic Occupancy Tracking from Surround-View Fisheye Cameras

OccTrack360: 从环视鱼眼相机实现4D全景占用跟踪

Yongzhi Lin, Kai Luo, Yuanfan Zheng, Hao Shi, Mengfei Duan, Yang Liu, Kailun Yang

机构 * School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） ； State Key Laboratory of Extreme Photonics and Instrumentation, Zhejiang University（极端光子学与仪器国家重点实验室，浙江大学） ； National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（机器人视觉感知与控制技术国家工程研究中心，湖南大学） 纠错

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

AI总结 OccTrack360提出新的4D全景占用跟踪基准及FoSOcc框架，解决鱼眼成像中的球面投影和体素定位问题，提升占用跟踪性能。

Comments Accepted to IEEE/RSJ IROS 2026. The benchmark and source code will be made publicly available at https://github.com/YouthZest-Lin/OccTrack360

Multi-model approach for autonomous driving: A comprehensive study on traffic sign-, vehicle- and lane detection and behavioral cloning

多模型方法用于自动驾驶：对交通标志、车辆和车道检测及行为克隆的综合研究

Kanishkha Jaisankar, Pranav M. Pawar, Diana Susan Joseph, Raja Muthalagu, Mithun Mukherjee, Dnyaneshawar Mantri, Ramjee Prasad

专题命中 感知 ：autonomous driving(title)；self-driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出多模型方法，通过预训练和定制神经网络提升自动驾驶中的交通标志、车辆和车道检测及行为克隆性能。

Comments 35 pages, 40 figures

SimBEV2X: A Large-Scale Dataset and Data Generation Tool for Multi-Task Vehicle-to-Everything Cooperative Perception

SimBEV2X：用于多任务车联网协同感知的大规模数据集与数据生成工具

Goodarz Mehr, Sepideh Gohari, Montasir Abbas, Azim Eskandarian

专题命中 感知 ：BEV(abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.RO、cs.CV

AI总结 研究针对V2X协同感知算法发展受限问题，介绍基于CARLA模拟器的SimBEV2X数据生成工具及数据集，通过它建立基线并提出CoBEVFusion架构，实现上下文感知多智能体特征聚合，性能优越。

Comments Submitted to IEEE for review

Test-Time Coverage: Test-Conditioned Data Curation for Deployment-Aware Learning

测试时覆盖：用于部署感知学习的测试条件数据管理

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 感知 ：autonomous driving(abstract)；end-to-end driving(abstract)；分类 cs.CV、cs.AI

AI总结 研究针对部署的AI系统训练需数据管理的问题，提出TTCov方法，通过构建任务图谱和知识图谱分别表示覆盖与分布，选择预算训练集，应用于自动驾驶时能提升数据质量及性能，实现对新领域的无缝适应。

Mutual Modality Trust with Lightweight Reconstruction Regularization for Fine-grained Tire Pattern Recognition

基于轻量级重建正则化的互模态信任用于细粒度轮胎花纹识别

Jianning Yang, Jie Fang, Xinda Ma, Zirui Song, Dianwei Wang, Nan Wang

机构 * School of Communications and Information Engineering, Xi’an University of Posts and Telecommunications（西安邮电大学通信与信息工程学院） ； School of Artificial Intelligence, Hainan Normal University（海南师范大学人工智能学院） ； School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能与光电学院） 纠错

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

AI总结 针对现有细粒度轮胎识别技术的局限，提出含双分支独立推理和增强特征融合的轻量级方法，利用互模态信任、频域分层引导模块及轻量级重建正则化提升性能，建立数据集并经实验验证了算法优越性。

FogDrive: A Multi-Modal Synthetic Driving Dataset for Perception under Graded Fog

FogDrive：用于分级雾天感知的多模态合成驾驶数据集

Vansh Panwar

机构 * Indian Institute of Technology, Guwahati（印度理工学院古瓦哈提分校） 纠错

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

AI总结 FogDrive是用于分级雾天感知的多模态合成驾驶数据集，基于CARLA模拟器构建，含多种传感器数据，模拟不同密度雾。通过跨两种范式建立基线基准，得出训练中混合多密度雾可收紧3D边界框几何形状等见解，将开源加速多模态研究。

Denial of Deadline: Network-Driven Accuracy Collapse in Distributed Inference Pipelines

拒绝期限：分布式推理管道中网络驱动的精度崩溃

Jhonatan Tavori, Gur-Eyal Sela, Ion Stoica, Gil Zussman

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

AI总结 研究分布式推理管道中网络驱动的精度崩溃问题，通过模拟自动驾驶中的两层边缘云多目标跟踪管道，发现shaped workload攻击可致精度崩溃，如使良性p99延迟增加，降低跟踪质量，促使相关攻击与防御研究。

Reasoning to Regulate: Chain-of-Thought for Traffic Rule Understanding

推理以规范：用于交通规则理解的思维链

Yueru Luo, Xu Yan, Changqing Zhou, Yiming Yang, Chao Zhan, Shuqi Mei, Chao Zheng, Zhen Li

机构 * CUHK-SZ, Shenzhen-FNii（香港中文大学（深圳），深圳高等金融研究院） ； HKUST(GZ)（香港科技大学（广州）） ； Tencent T Lab（腾讯T实验室） 纠错

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

AI总结 针对交通规则理解这一自动驾驶关键挑战，提出为视觉语言模型配备思维链能力的框架，设计整理管道，采用两阶段训练方案，显著提升了可解释性和准确性，建立首个基于推理的自动驾驶框架。

Comments Technical Report

RoadVGGT: Road-Structure-Aware Feed-Forward Road Surface Reconstruction

RoadVGGT：基于道路结构感知的前馈式路面重建

Han Jiao, Chen Liu, Jiakai Sun, Zhanjie Zhang, Mengyuan Yang, Yimeng Li, Mofan Zhou, Kun Zhan, Lei Zhao

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

AI总结 针对现有道路重建方法需逐场景训练及场景依赖覆盖设计的局限，提出RoadVGGT框架，利用几何基础模型结合多视图图像等，经高斯头预测、坐标对齐及融合等重建紧凑高斯路面，提升多方面性能，证明几何基础模型在路面重建中的潜力。

Scalable Low-Cost Laboratory Automation: A Digital Twin-Integrated Robotic Platform for Autonomous Liquid Handling (RAINBOT)

可扩展的低成本实验室自动化：用于自主液体处理的数字孪生集成机器人平台（RAINBOTTM）

Mohamed Rami Ayeche, Souhil Sid, Ahyen Mostofa, Rehaan Hussain, Ali Shayesteh, Fadwa El Mellouhi

机构 * Acceleration Consortium, University of Toronto（多伦多大学加速联盟） ； AISCIA Informatics（AISCIA信息学公司） ； Hamad Bin Khalifa University (HBKU)（哈马德·本·哈利法大学） 纠错

专题命中 感知 ：self-driving(abstract)；分类 cs.RO

AI总结 研究针对商业液体处理系统的局限，提出将消费级3D打印机改装为低成本液体处理机器人RAINBOTTM的方法，通过数字孪生实现远程监控，结合CEIDTM框架进行目标导向实验，成本低，建立了可访问的物理 - 虚拟实验室自动化框架。

MAGS-SLAM: Monocular Multi-Agent Gaussian Splatting SLAM for Geometrically and Photometrically Consistent Reconstruction

MAGS-SLAM：单目多智能体高斯点云SLAM用于几何和光度一致的重建

Zhihao Cao, Qi Shao, Shuhao Zhai, Jing Zhang, Anh Nguyen, Hesheng Wang, Baoru Huang

机构 * ETH Zurich（苏黎世联邦理工学院） ； Harbin Engineering University（哈尔滨工程大学） ； University of Liverpool（利物浦大学） ； University of Macau（澳门大学） ； University of Ottawa（多伦多大学） ； Wuhan University（武汉大学） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 MAGS-SLAM通过单目视觉实现多智能体高斯点云SLAM，无需RGB-D传感器即可完成几何和光度一致的场景重建，实验表明其跟踪精度和渲染质量可与现有RGB-D方法媲美。

Natural Adversaries: Fuzzing Autonomous Vehicles with Realistic Roadside Object Placements

自然对抗者：利用真实道路边物体布局进行自动驾驶车辆模糊测试

Yang Sun, Haoyu Wang, Christopher M. Poskitt, Jun Sun

机构 * School of Computing and Information Systems（计算与信息系统学院） 纠错

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

AI总结 本文提出TrashFuzz算法，通过操控道路边常见物体布局生成符合道路设计规范的现实对抗场景，以测试自动驾驶车辆感知系统的鲁棒性，并引发交通违规。

Comments Accepted by the 19th IEEE International Conference on Software Testing, Verification and Validation (ICST 2026)

Journal ref Proc. ICST'26, pages 40-51. IEEE, 2026

GLST: Defending Confidence-Driven V2X Collaborative Perception Against Stealthy Multi-Attacker Feature Injection

GLST：抵御针对置信驱动的V2X协同感知的隐秘多攻击者特征注入

Ji He, Ying Wang, Lijie Zheng, Xinghui Zhu, Yulong Shen, Xiaohong Jiang

专题命中 感知 ：driving perception(abstract)

AI总结 研究针对置信驱动的V2X协同感知的安全问题，提出伪装良性攻击利用空间置信机制降低检测性能。发现现有基于信任的防御弱点，进而提出GLST通过多视角评估协作者可靠性，实验表明其在多攻击者场景下鲁棒性强，对多种攻击有效。

TRUAV: Distributed Multi-Agent Reinforcement Learning for Trajectory Planning and Routing Enhancement in UAV-Aided IoT-Enabled VANETs

TRUAV：无人机辅助的物联网支持的车联网中用于轨迹规划和路由增强的分布式多智能体强化学习

Muhammad Umar Farooq Qaisar, Lin Zhang, Zhen Chen, Wajdy Othman, Shehzad Ashraf Chaudhry, Chang Liu

专题命中 规划控制 ：trajectory planning(title,abstract)

AI总结 研究无人机辅助车联网中轨迹规划与路由增强问题，提出基于独立表格Q学习的分布式多智能体强化学习框架TRUAV，其智能体依局部信息运行，奖励设计兼顾多种因素，模拟显示该框架在多方面表现良好，还讨论了相关挑战与方向。

Comments 7 pages, 3 figures, submitted to IEEE Internet of Things Magazine

AEcroscopyWave: Towards Self-Driving Characterization Platforms for Agentic AI

AEcroscopyWave：迈向用于智能AI的自动驾驶表征平台

Yongtao Liu, Jawad Chowdhury, Ganesh Narasimha, Ralph Bulanadi, Liam Collins, Ruben Millan Solsona, Marti Checa, Asraful Haque, Sumner B. Harris, Stephen Jesse, Rama Vasudevan

专题命中 规划控制 ：self-driving(title,abstract)

AI总结 探讨电子材料表征的两种传统方式，介绍“自动驾驶”表征工具进展。基于AEcroscopyWave平台，通过创建控制硬件的API并整合AI方法，弥合行业规模自动化与高度定制系统差距，展示异构仪器供智能体使用的好处。

Comments 17 pages, 5 figures

G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance

G2DP: 基于时空网格引导的扩散规划

Hang Yu, Ye Jin, Alessandro Canevaro, Julian Schmidt, Julian Jordan, Peizheng Li, Marc Kaufeld, Silvan Lindner, Johannes Betz, Wilhelm Stork

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； TU Munich（慕尼黑工业大学） ； University of Tübingen（图宾根大学） 纠错

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

AI总结 针对自动驾驶扩散规划器随机性导致的安全与路线保持问题，提出G2DP，通过可微时空代价体积在去噪过程中注入密集梯度，实现无碰撞与路径最优的轨迹生成，在nuPlan等基准上取得最优性能。

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

BC-NMPC: Battery-Constrained NMPC with Propulsion Prediction and Replanning for High-Speed Flight

BC-NMPC：用于高速飞行的具有推进预测和重新规划的电池约束非线性模型预测控制

Parakh M. Gupta, Matej Mihulka, Matej Novosad, Robert Penicka, Martin Saska

机构 * Czech Technical University in Prague（捷克技术大学（布拉格）） 纠错

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

AI总结 针对高速飞行中无人机因电池问题致轨迹跟踪性能下降的问题，提出将电池和推进系统模型集成到NMPC框架的方法，能实时预测相关参数，通过轨迹规划算法提高性能，实验验证了模型准确性和算法有效性。

Comments [Submitted to Elsevier RAS]

Kernel-SDF: An Open-Source Library for Real-Time Signed Distance Function Estimation using Kernel Regression

基于核回归的SDF库：利用核回归进行实时符号距离函数估计的开源库

Zhirui Dai, Tianxing Fan, Mani Amani, Jaemin Seo, Ki Myung Brian Lee, Hyondong Oh, Nikolay Atanasov

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

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

AI总结 本文提出Kernel-SDF开源库，通过核回归实时估计带不确定性的符号距离函数，提供高精度SDF、梯度和网格构造，适用于机器人应用。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L) 2026; code: https://github.com/ExistentialRobotics/kernel_sdf

Low-Latency Quasi-Static Modeling of UAV Tether Aerodynamics

无人机缆线气动学的实时准静态建模

Max Beffert, Andreas Zell

机构 * Cognitive Systems Group, University of Tübingen（图宾根大学认知系统组） 纠错

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

AI总结 本文提出两种互补方法用于实时准静态缆线建模，分析法基于悬链线理论，计算速度快；数值法将缆线分段并离散化，通过CasADi和IPOPT求解平衡方程，实现实时性能，适用于离线优化和在线任务。

Comments Accepted at ICUAS2026

Journal ref 2026 International Conference on Unmanned Aircraft Systems (ICUAS) 1231-1238

Characterizing Warp Divergence from Pascal to Blackwell

从帕斯卡到布莱克威尔架构的 warp 发散特性研究

Alpin Dale

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究从帕斯卡到布莱克威尔架构的 warp 发散特性，通过多种测试方法区分稳定行为与架构变化，发现发散路径线性序列化，执行效率与路径数量有关，不同架构重新收敛机制有变化，新屏障类无明显运行时效果，发散性能成本稳定可预测。

Comments 6 pages, 4 figures

CAPS: Fine-Tuning CCA Timing

CAPS：微调 CCA 定时

Raphael Zailer, Isaac Keslassy

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究数据中心拥塞控制，提出 CAPS 轻量级分布式调度层，通过将发送方传输与 ACK 时钟瓶颈时隙锁相及每流校正补偿异构 RTT，刻画多种拓扑稳态并验证，能降低队列占用率且不损失吞吐量。

Semi-on-Demand Off-Peak Transit Services with Shared Autonomous Vehicles -- Service Planning, Simulation, and Analysis in Munich, Germany

基于共享自动驾驶车辆的半按需非高峰公交服务——德国慕尼黑的服务规划、模拟与分析

Max T. M. Ng, Roman Engelhardt, Florian Dandl, Vasileios Volakakis, Hani S. Mahmassani, Klaus Bogenberger

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究基于共享自动驾驶车辆的半按需非高峰公交服务，结合分析建模与模拟方法，探讨德国慕尼黑十条公交线路的服务规划等关键问题，发现SAV可提高服务质量，验证了分析模型，明确最佳SoD设置及过渡阶段的情况。

Comments 38 pages, 10 figures, accepted for publication in Transportation Research Part C: Emerging Technologies. A previous version was presented at the 104th Transportation Research Board Annual Meeting, Washington, D.C

Journal ref Transportation Research Part C: Emerging Technologies, 2026

MOJITO: Modal Joint Learning for Unified End-to-End Autonomous Driving

MOJITO：用于统一端到端自动驾驶的模态联合学习

Zhijing Cheng, Xuancheng Zhang, Donglin Di, Lei Fan, Baorui Ma, Hao Li, Xun Yang

机构 * University of Science and Technology of China（中国科学技术大学） ； Li Auto（理想汽车） ； University of New South Wales（新南威尔士大学） 纠错

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

AI总结 研究针对端到端自动驾驶系统问题，提出基于模态联合学习的MOJITO框架，去除级联接口，执行逐块模态联合注意力更新多模态特征，在数据集上取得新的最优成绩，展现出强大能力。

What Can Be Enforced? A Theory of Certified Runtime Safety for Tool-Using Agents

什么可以被强制执行？关于使用工具的智能体的认证运行时安全理论

Shawn Ray

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

AI总结 研究使用工具的智能体认证运行时安全，区分三个问题：确定性门与安全策略、外部法则下的边界及证书、闭环边界识别；介绍了相关方法，通过多种实验针对差异进行研究。

Comments 26 pages, 8 figures. Extended version with complete proofs and additional experiments

MatDiffract: A Material-Informed Automated Analysis Platform for X-ray Powder Diffraction

MatDiffract：用于X射线粉末衍射的材料信息自动分析平台

Hongqing Wang, Mingwei Chen, Hongjie Luo, Wen Yin, Fazhi Qi, Xuqing Chai, Miao Liu, Fengyao Hou

专题命中 端到端驾驶 ：self-driving(abstract)

AI总结 MatDiffract平台致力于解决XRPD数据自动解释问题，基于Atomly数据库，通过构建模拟衍射数据库等方法，实现了对XRPD的高通量表征，在单相和多相混合物测试中取得高准确率，能快速输出完整晶体学结果，支持新材料系统扩展。

Comments 19 pages, 7 figures

GaussianSeed: Hierarchical Gaussian Seeding for High-Resolution 3D Occupancy Prediction

高斯种子：用于高分辨率3D占用预测的分层高斯播种

Xinzhuo Li, Xianghui Pan, Jiayuan Du, Wei Wei, Liuyi Wang, Chengju Liu, Qijun Chen

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

AI总结 针对现有3D占用预测方法难以扩展到高体素分辨率的问题，提出高斯种子框架，通过分层设计规避内存瓶颈，构建TJScenes数据集，实验表明该方法在保持高精度的同时具有最低延迟，推动了高分辨率3D占用预测的效率-质量前沿。

InterOCF: Spatio-Temporal 2D-3D Interaction for Camera-Only 4D Occupancy Forecasting

InterOCF：用于仅相机4D占用预测的时空2D-3D交互

Qi Zhang, Xinquan Yu, Kaiyi Zhang, Hui Huang

机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件学院） 纠错

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

AI总结 研究针对仅相机4D占用预测中输入多视图帧间时空建模不足问题，提出InterOCF框架，通过联合建模3D体素表示和多视图分割序列中的时间动态，并纳入2D与3D分支特征交互，实验证明其性能优于现有方法。

Comments 12 pages, 7 figures

Atomic-scale phase-field modeling with dopants: Stochastic self-consistent harmonic approximation with fractional site occupancy

含掺杂剂的原子尺度相场建模：具有分数占位的随机自洽谐波近似

Kairi Masuda, Yu Kumagai

专题命中 BEV与占用 ：occupancy(title)

AI总结 研究将相场概念扩展到原子尺度，基于随机自洽谐波近似理论制定原子系统自由能，通过计算自由能导数获化学势，成功再现银在铜中的分布及晶格膨胀，还研究了晶界掺杂剂偏析，可识别偏析位点并可视化原子尺度图案形成。

Quantum-Inspired Evolutionary Neighborhood Search for Arrival-Departure Track Utilization Adjustment under Short-Term Disturbances

量子启发式进化邻域搜索用于短期干扰下到发轨道利用调整

Xiaobin Li, Wuming Lei, Yanbin Gao, Weiguang Wang

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

AI总结 研究针对短期干扰下的到发轨道利用调整问题，提出结合邻域搜索的量子启发式进化算法QEA-NS，通过构建模型求解，与CP-SAT对比，结果显示该算法能提高恢复计划延误性能，但计算效率需提升。