自动驾驶

End-to-End 3-D Spatiotemporal Perception with Multimodal Fusion and V2X Collaboration

端到端3D时空感知与多模态融合及V2X协作

Zhenwei Yang, Yibo Ai, Weidong Zhang

机构 * National Center for Materials Service Safety（材料服务安全国家中心） ； University of Science and Technology Beijing（北京科技大学） 纠错

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

AI总结 XET-V2X通过多模态融合与V2X协作，实现端到端3D时空感知，提升复杂交通场景下的检测与跟踪性能。

Comments 21 pages, 10 figures

Journal ref IEEE Internet of Things Journal, vol. 13, no. 15, pp. 33456-33475, 1 Aug.1, 2026

Integrated Eco-Driving and Powertrain Optimization for Hybrid Vehicles in Complex Urban Traffic

复杂城市交通中混合动力汽车的集成生态驾驶与动力总成优化

Milad Hasanzadeh, Amin Kargarian, Mehdi Farasat

专题命中 感知 ：occupancy(abstract)

AI总结 针对城市混合动力汽车，提出集成有限时域生态驾驶规划框架，联合优化交通行为与动力总成运行，同时建模多方面驾驶行为及动力总成运行，模拟研究表明该方法能在维持合规驾驶计划时改善能源性能。

Untangling Co-Drift: Proactive Multi-Intent Failure Prediction and Root-Cause Disambiguation for Self-Driving Networks

解开共同漂移：自动驾驶网络的主动多意图故障预测与根本原因消歧

Md. Kamrul Hossain, Walid Aljoby

专题命中 规划控制 ：self-driving(title,abstract)；分类 cs.RO

AI总结 研究自动驾驶网络中因意图因果耦合导致故障难辨的问题，提出MILD框架，通过教师增强的专家混合架构及混合目标优化意图故障预测与根本原因归因，经多环境评估，该框架能实现高故障检测率等，推动下一代自主网络闭环保证。

Comments Under review in IEEE Transactions on Network and Service Management

ForgeDrive: Bidirectional Cross-Conditioning for Unified Visual-Action Generation in Autonomous Driving

ForgeDrive: 自动驾驶中统一视觉-动作生成的双向交叉条件

Xuchang Zhong, He Zheng, Chenxu Zhao, Tianxiong Lv, Hangqi Fan, Bohua Wang, Yushan Liu, Li Gao, Zhihao Liao, Leigang Luo, Congyang Zhao, Yang Cai

机构 * Amap, Alibaba Group（阿里巴巴集团高德地图） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 提出ForgeDrive统一自回归扩散框架，通过“先动作后想象”范式实现视觉与动作的双向交叉条件，解决级联误差问题，在NAVSIM上优于现有规划器。

SLAM for Indoor Mapping of Wide Area Construction Environments

Vincent Ress, Wei Zhang, David Skuddis, Norbert Haala, Uwe Soergel

机构 * Institute for Photogrammetry（摄影测量研究所） ； Geoinformatics, University of Stuttgart, Germany（地理信息学，斯图加特大学，德国） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO、cs.CV

Journal ref ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, X-2-2024

Steeringless Drifting: Differential-Torque Control of a Four-Wheel Independently Driven Vehicle

无舵漂移：四轮独立驱动车辆的差动扭矩控制

Sheng Zhao, Zexin Wu, Dongyang Zhou, Bolin Zhao, Xiaodong Wu

机构 * School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院） 纠错

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

AI总结 研究针对无舵四轮独立驱动车辆，提出基于双轨车辆模型的差动扭矩漂移控制方法，经仿真和实验验证，该方法能使车辆实现特定角度的稳定圆周漂移及8字漂移跟踪，证明了仅用差动轮扭矩漂移控制的可行性。

Shared Voxel-Map-Based Cooperative Indoor UAV Guidance with a Multi-Agent Soft Actor-Critic Controller

基于共享体素地图的多智能体软演员-评论家控制器协同室内无人机导航

Thomas Hickling, Dylan Wynne, Yu Su, Nabil Aouf

专题命中 BEV与占用 ：LiDAR(summary_cn,abstract)；BEV(abstract)；occupancy(abstract)；分类 cs.RO、cs.AI

AI总结 研究室内无人机协同导航问题，提出结合共享体素地图与多智能体软演员-评论家控制器的框架，多无人机融合LiDAR观测构建地图并提供给各智能体，模拟中控制器成功率达90.3%，经微调后在现实实验中实现稳定协同操作，证明该地图表示有效且可扩展。

Comments 11 pages, 17 figures

Fitted Occupancy-Ratio Evaluation without Bellman Completeness

无需贝尔曼完备性的拟合占用比评估

Lars van der Laan, Nathan Kallus

机构 * Stanford University（斯坦福大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)

AI总结 针对离线强化学习分布偏移下的离策略评估问题，提出拟合占用比评估方法FORE，通过伴随贝尔曼递归估计占用比，仅需占用比可实现性，无需贝尔曼完备性等条件，保障离线策略评估收敛性。

SynFlow: Scaling Up LiDAR Scene Flow Estimation with Synthetic Data

SynFlow：通过合成数据扩大LiDAR场景流估计

Qingwen Zhang, Xiaomeng Zhu, Chenhan Jiang, Patric Jensfelt

机构 * RPL, KTH Royal Institute of Technology（RPL，瑞典皇家理工学院） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出SynFlow，通过大规模合成数据生成管道，为LiDAR场景流估计提供鲁棒的运动先验。实验表明，基于SynFlow-4k的模型在多个真实世界基准上表现优异，且在少量真实标签下仍能超越基线模型。

Comments ECCV 2026; 18 pages, 4 figures

T2LDM++: A Self-Conditioned Representation Guided Diffusion Model for Realistic Text-to-LiDAR Scene Generation

T2LDM++：一种用于真实文本到激光雷达场景生成的自条件表示引导扩散模型

Wentao Qu, Qi Zhang, Chenxu Wang, Guofeng Mei, Yongfei Liu, Xiaoshui Huang, Gim Hee Lee, Liang Xiao

机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； Nanjing University of Science and Technology（南京理工大学） ； Faculty of Data Science（数据科学学院） ； City University of Macau（澳门城市大学） ； Beijing Institute of Technology（北京理工大学） ； Fondazione Bruno Kessler（布鲁诺·凯瑟尔基金会） ； School of Public Health（公共卫生学院） ； Shanghai Jiao Tong University（上海交通大学） ； School of Computing（计算机学院） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 针对文本-激光雷达数据稀缺导致场景过平滑和可控性不足的问题，提出T2LDM++模型，通过自条件表示引导（SCRG）提供重建监督，并构建高质量基准数据集，实现几何细节丰富的激光雷达场景生成。

A2D2: Audi Autonomous Driving Dataset

A2D2：奥迪自动驾驶数据集

Jakob Geyer, Yohannes Kassahun, Mentar Mahmudi, Xavier Ricou, Rupesh Durgesh, Andrew S. Chung, Lorenz Hauswald, Viet Hoang Pham, Maximilian Mühlegg, Sebastian Dorn, Tiffany Fernandez, Martin Jänicke, Sudesh Mirashi, Chiragkumar Savani, Martin Sturm, Oleksandr Vorobiov, Martin Oelker, Sebastian Garreis, Peter Schuberth

专题命中 激光雷达 ：autonomous driving(title,abstract)；LiDAR(abstract)；分类 cs.CV、eess.IV

AI总结 为加速机器学习等领域研究，发布奥迪自动驾驶数据集A2D2，含同步图像与3D点云等，有多种注释，传感器全方位覆盖，数据经同步配准，还提供大量未标注序列，按许可可商业使用，数据等信息可在指定网址获取。

Comments https://a2d2-dataset.github.io/

3D Gaussian Splatting against Moving Objects for High-Fidelity Street Scene Reconstruction

针对移动物体的3D高斯散射用于高保真的街道场景重建

Peizhen Zheng, Dongjing Jiang, Qingchong Jiao, Redouane EL Bouchtaoui, Flynnwell Jianfei Zhang

机构 * Ontario Knowledge Intelligence Centre, Canada（加拿大安大略知识智能中心） ； Canadian Institute of Interscience, Canada（加拿大跨学科科学研究所） ； DeepCox Intelligence, Canada（加拿大DeepCox智能科技公司） 纠错

专题命中 激光雷达 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出了一种新的3D高斯点分布方法，通过自适应透明机制消除移动物体并保留高保真静态场景细节，结合迭代优化提升几何精度和纹理表现。

Comments arXiv admin note: This paper has been withdrawn by arXiv due to unverifiable authorship and affiliation

Certified-Gap Dual-Price Policies for Real-Time Truckload Bid Acceptance with Relocating, Clock-Constrained Resources

具有重新定位、时钟约束资源的实时卡车满载投标接受的认证差距双价格策略

Aswin Chandrasekaran

机构 * Bubba AI（Bubba人工智能公司） 纠错

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

AI总结 研究实时卡车满载投标接受决策问题，基于拉格朗日松弛构建双价格策略，证明其有效性、渐近最优性及证书局限性，实验表明该策略在基准测试中表现良好，决策速度快，证书稳定。

Comments 19 pages, 1 figure. Companion benchmark paper: arXiv:2607.07343. v2: fleet-coupling estimate proved in full (new Appendix A); terminal-value accounting in the fluid LP corrected; price-table granularity made explicit; empirical results unchanged