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

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。

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

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]

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。

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

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。

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)

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。

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。

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。