自动驾驶

Adaptive Data Admission and Retention for Streaming Federated Learning

用于流式联邦学习的自适应数据接纳与保留

Zhuoyi Zhao, Ben Liang

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 研究客户端内存有限的流式联邦学习，提出联合服务器端接纳和客户端内存管理框架，开发ACDPP策略，结合K步保留规则与在线接纳规则等，通过论证使其与预言机基准联系，实验表明该策略在满足约束时接近基准。

On AI Safety and Security Technical Debt in Engineering AI-Enabled Systems

关于人工智能系统工程中的人工智能安全与保障技术债务

Muhammad Tukur, Hayatullahi B. Adeyemo, Tao Chen, Nour Ali, Anis Zarrad, Rick Kazman, Marco Agus, Rami Bahsoon

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

AI总结 研究人工智能系统工程中的安全与保障技术债务，通过系统综述识别31种AITD并分类，分析其与信任问题的关联，合成34条指南，引入AITD - MAP框架，助工程师应对AITDs。

Comments 64 pages, 7 figures, 8 tables, submitted to ACM Transactions on Software Engineering and Methodology (TOSEM)

Multi-Turn On-Policy Distillation with Prefix Replay

基于前缀重放的多轮在线策略蒸馏

Baohao Liao, Hanze Dong, Christof Monz, Xinxing Xu, Li Dong, Furu Wei

机构 * Microsoft Research（微软研究院） ； University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 研究用于智能体任务的在线策略蒸馏，提出重放前缀在线策略蒸馏方法，复用预收集教师轨迹作重放前缀，解决多轮在线策略蒸馏的前缀陷阱问题，提高效率且保持或提升精度。

2N and 3N Tensor Force in the $N=34$ Shell Evolution: An Ab Initio Perspective

2N和3N张量力在N=34壳层演化的研究：从微正则出发的视角

Anil Kumar, Takayuki Miyagi, Noritaka Shimizu

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文从微正则出发，研究了N=34壳层结构的演化，通过分析NN和3N相互作用的张量效应，揭示了NN张量力主导了壳层消失的过程，贡献约83%，而3N张量力贡献约17%。

Comments 9 pages, 5 figures. Accepted in Physics Letters B

UP-Fuse: Uncertainty-guided LiDAR-Camera Fusion for 3D Panoptic Segmentation

UP-Fuse：基于不确定性引导的激光雷达-摄像头融合用于3D全景分割

Rohit Mohan, Florian Drews, Yakov Miron, Daniele Cattaneo, Abhinav Valada

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

AI总结 UP-Fuse通过不确定性引导的融合框架，提升激光雷达与摄像头在3D全景分割中的鲁棒性和准确性。

Online Lidar-Only Odometry with Retrospective Refinement of Overlapping Submaps

基于图的在线激光雷达里程计与回顾性地图细化

Aaron Kurda, Simon Steuernagel, Marcus Baum

机构 * Institute of Computer Science, University of Goettingen（计算机科学研究所，哥廷根大学） 纠错

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

AI总结 本文提出基于图的在线激光雷达里程计方法，通过多地图配准和回顾性地图细化提升轨迹估计的精度与长期准确性。

Comments 8 pages, 3 figures, 5 tables

Learning Traversability-Aware Global Planners for Long Horizon Off-Road Navigation

学习用于长距离越野导航的可通行性感知全局规划器

Kasi Viswanath, Jason M. Gregory, Shaunak Kolhe, Srikanth Saripalli

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University（德克萨斯农工大学J. Mike Walker '66机械工程系） ； DEVCOM Army Research laboratory（陆军研究实验室） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 针对大型越野环境自主导航难题，提出从高空数据学习连续可通行性地图的方法，由人类驾驶轨迹监督、激光雷达先验塑造，发布相关数据集，实地试验显示该方法能减少操作员干预，轨迹接近人类路径长度。

An Indoor Radio Mapping Dataset Combining 3D Point Clouds and RSSI

一种结合3D点云和RSSI的室内无线电映射数据集

Ljupcho Milosheski, Kuon Akiyama, Blaž Bertalanič, Jernej Hribar, Ryoichi Shinkuma

机构 * Jožef Stefan Institute, Department of Communication Systems（乔泽夫·斯塔芬研究所，通信系统系） ； International Postgraduate School Jožef Stefan, Information and Communication Technologies（国际研究生学校乔泽夫·斯塔芬，信息与通信技术） ； Faculty of Engineering, Shibaura Institute of Technology（工学院， Shibaura技术研究所） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.AI

AI总结 本文提出了一种结合3D点云和RSSI的室内无线电映射数据集，用于支持无线网络规划和优化。

Comments 19 pages, 8 figures, 3 tables

Ultranarrow-linewidth self-injection-locked tunable blue GaN DFB laser

超窄线宽自注入锁定可调谐蓝光氮化镓分布反馈激光器

Georges Perin, Laurent Lablonde, Marco Rossetti, Marco Malinverni, Antonino Castliglia, Marcus Duelk, Stéphane Trebaol

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 研究展示了452nm超窄线宽自注入锁定DFB二极管激光器，通过与基于FBG的外腔耦合降低线宽，实验与理论吻合，还表征了调谐能力，其架构利于集成，可为集成光学原子钟和水下激光雷达提供关键的紧凑稳定且可调的可见光光源。

Calibrated Tree-Neural Fusion for Fine-Grained Vegetation Community Classification

用于细粒度植被群落分类的校准树神经融合

Dristi Datta, Md Khalid Hasan Sakib, Manoranjan Paul

机构 * School of Information Technology and Engineering, Sydney Metropolitan Institute of Technology (SydneyMet)（悉尼都会理工学院信息技术与工程学院） ； Department of Electrical & Electronic Engineering, Rajshahi University of Engineering & Technology（拉杰沙希工程技术大学电气与电子工程系） ； School of Computing, Mathematics and Engineering, Charles Sturt University（查尔斯·斯特尔特大学计算、数学与工程学院） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)

AI总结 该研究针对植被群落分类问题，提出Calibrated EcoTreeFuseNet-Plus框架，结合多种方法进行融合，在小样本、细粒度生态分类中实现了可靠的判别校准权衡，取得较好准确率等指标且性能稳定。

AutoWorld: Learning Multi-Agent Traffic Simulation with Self-Supervised World Models

AutoWorld: 通过自监督世界模型扩展多智能体交通仿真

Mozhgan Pourkeshavarz, Tianran Liu, Nicholas Rhinehart

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 本文提出AutoWorld框架，利用未标记的LiDAR数据自监督学习世界模型，提升多智能体交通仿真的真实感与性能，实验表明未标记数据能有效提升仿真效果。

CoopReflect: Towards Natural Language Communication for Cooperative Autonomous Driving via Multi-Agent Learning

CoopReflect：通过多智能体学习实现协同自动驾驶的自然语言通信

Jiaxun Cui, Chen Tang, Jarrett Holtz, Janice Nguyen, Alessandro G. Allievi, Hang Qiu, Peter Stone

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Robert Bosch LLC（罗伯特·博世有限公司） ； University of California, Riverside（加州大学河滨分校） ； Sony AI（索尼人工智能） 纠错

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

AI总结 研究探索自然语言用于车对车通信的潜力，开发基于大语言模型的驾驶智能体，引入CoopReflect多智能体学习框架，通过试错等为智能体配备相关知识，实验表明其能生成更优消息，实现跨场景泛化并降低决策延迟。

Journal ref Proc. 25th Int. Conf. Autonomous Agents and Multiagent Systems (AAMAS), 744-752 (2026)

ObsDriveBench: Benchmarking Multimodal Understanding under Adverse Weather with Observability Awareness

ObsDriveBench：具有可观测性意识的恶劣天气下多模态理解基准测试

Qiao Yan, Yihan Wang, Zhenghao Xing, Jiaqi Xu, Pheng-Ann Heng

机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Institute of Medical Intelligence and XR, The Chinese University of Hong Kong（香港中文大学医学智能与扩展现实研究所） 纠错

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

AI总结 研究恶劣天气下视觉语言模型在多模态输入时的表现，引入ObsDriveBench基准测试，通过可观测性元标注等构建含多类问题的测试集，实验发现现有模型性能降，还引入ObsDrive模型提升其在多方面的鲁棒性。

Evaluating Fuzz Testing for Reinforcement Learning Agents

评估强化学习智能体的模糊测试

Zhibin Kang, Hanmo You, Dong Wang, Haiming Zheng, Junjie Chen

机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 研究针对强化学习智能体模糊测试评估差异问题，通过在三种环境下统一配置对五种方法及随机测试进行基准测试，从多角度评估，揭示不同方法特点，表明模糊测试能提升智能体鲁棒性等，还给出可操作指导。

Transfer Learning Architectures for Scalable Multi-Fidelity Bayesian Optimization

用于可扩展多保真贝叶斯优化的迁移学习架构

Jaewook Lee, Ethan Errington, Christian D. Lorenz, Miao Guo

机构 * King’s College London（伦敦国王学院） 纠错

专题命中 仿真评测 ：self-driving(abstract)

AI总结 研究针对可扩展多保真贝叶斯优化，在相同条件下对11种迁移学习代理和4种GP方法进行基准测试，发现迁移学习代理在分子和材料问题上表现更佳，贪婪利用迁移学习均值是更稳健选择，是分子和材料MFBO的首选代理。