自动驾驶

FlexPath: Adapting Learned Connectivity Guidance to Path Preferences

FlexPath: 基于图像规划的学习语义路径先验

Taehyoung Kim, Tim Schoenbrod, David Eckel, Henri Meeß

机构 * Fraunhofer IVI（弗劳恩霍夫研究所） ； Technische Hochschule Ingolstadt（因戈尔施塔特技术大学） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 提出FlexPath两阶段框架，将可行性先验与偏好解耦，通过可微路径形状目标实现任务自适应，在最短路径规划中搜索代价降低14.3%，并支持零样本泛化与多目标适配。

STAGE: STyle-controllable Action GEneration for personalized autonomous driving

STAGE：面向个性化自动驾驶的风格可控动作生成

Zihao Liu, Xing Liu, Yizhai Zhang, Panfeng Huang

机构 * Northwestern Polytechnical University（西北工业大学） ； School of Astronautics（航天学院） ； Research Center for Intelligent Robotics（智能机器人研究中心） ； National Key Laboratory of Aerospace Flight Dynamics（航空航天飞行动力学重点实验室） 纠错

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

AI总结 本文针对自动驾驶系统难以匹配用户个性化驾驶风格的问题，提出STAGE风格可控动作生成方法，通过模仿学习与偏好学习实现风格控制，实验验证其风格对齐与安全性能。

Comments Accepted for publication in IEEE Robotics and Automation Letters

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 2, pp. 2130-2137, Feb. 2026

RAPiD: Reward-Guided Consistency Distillation of Diffusion Planners for Real-Time Autonomous Driving

RAPiD: 通过扩散行为先验实现安全高效的实时确定性轨迹规划

Ruturaj Reddy, Hrishav Bakul Barua, Junn Yong Loo, Thanh Thi Nguyen, Ganesh Krishnasamy

机构 * School of Information Technology, Monash University, Malaysia（墨尔本大学信息科技学院） ； Faculty of Information Technology, Monash University, Australia（墨尔本大学信息技术学院） ； TCS Research, India（印度TCS研究） 纠错

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

AI总结 RAPiD通过扩散行为先验实现高效安全的实时轨迹规划，优于现有方法。

A Group-Theoretical Framework for Local k-Space Topology and Berry Phase in 2D Photonic Systems

二维光子系统中局域k空间拓扑与贝里相位的群论框架

Xinyi Yuan, Grazia Salerno

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文构建了融入光子系统关键特征的群论框架，研究二维光子系统中局域k空间拓扑与贝里相位的对称性起源，分析结构设计与对称性扰动对拓扑特征的操控，相关分析可扩展至多类人工波晶体。

Thermalization Dynamics in the Two-Dimensional Hubbard Model with Neural-Network Quantum States

二维哈伯德模型中热化从实时动力学的崩溃

Alessandro Sinibaldi, Luciano Loris Viteritti, Riccardo Rende, Fakher F. Assaad, Giuseppe Carleo

专题命中 规划控制 ：occupancy(abstract)

AI总结 利用时间相关变分蒙特卡洛和基于变压器的神经网络量子态，研究二维哈伯德模型在相互作用淬火后的实时动力学，发现弱到中等相互作用下长时双占据与热化一致，而超过临界相互作用时出现热化破坏。

Comments 10 pages, 7 figures

Auto-JEPA: A Latent World Model of Continuous Intent for End-to-End Autonomous Driving

Auto-JEPA：面向端到端自动驾驶的连续意图隐式世界模型

Jiwei Yang, Zhengxian Chen, Chaosheng Huang, Jun Li

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

AI总结 Auto-JEPA是面向端到端自动驾驶的连续意图隐式世界模型，通过联合嵌入预测学习未来驾驶意图，无需密集未来世界建模，在NAVSIM数据集上取得优异规划性能，可聚焦规划相关视觉特征。

Group-wise Supervision with Focal-Dice Loss for Long-Tailed Indoor Semantic Occupancy Prediction

用于长尾室内语义占用预测的分组监督与焦点-骰子损失

Qi Zheng, Zihuang Su, Xiao Pan

机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； Guangdong Key Laboratory of Intelligent Information Processing（广东省智能信息处理重点实验室） 纠错

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

AI总结 针对室内语义占用预测的长尾类别瓶颈，提出Group-UFD Occ方法，通过分组策略与UFD损失优化，在EmbodiedScan数据集上较基线实现11.38%相对提升，长尾类别精度显著提高。

Comments 8 pages, 2 figures

Dual-Force: Enhanced Offline Diversity Maximization under Imitation Constraints

Dual-Force：模仿约束下的增强型离线多样性最大化算法

Pavel Kolev, Marin Vlastelica, Georg Martius

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

AI总结 Dual-Force是一种离线算法，通过后继特征的VdW力目标和功能奖励编码，实现模仿约束下的多样化行为策略学习，在Solo12仿真任务中提升了性能与鲁棒性。

CorrelationFlow: A Training-Free Geometric Approach for LiDAR Scene Flow Estimation

CorrelationFlow：一种用于激光雷达场景流估计的无训练几何方法

Minh-Quan Dao, Yancong Lin, Julie Stephany Berrio Perez, Holger Caesar

机构 * Nantes Université（南特大学） ； University of Nottingham（诺丁汉大学） ； University of Queensland（昆士兰大学） ； TU Delft（代尔夫特理工大学） 纠错

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

AI总结 针对激光雷达场景流估计的单一模式问题，本文提出无训练几何框架CorrelationFlow，在Argoverse 2026挑战赛多域测试集上的无监督方法中排名第二，且远距离性能优于学习方法。

Outcome-Guided Distillation: A Teacher-Student Framework to Advance VLM Reasoning in Autonomous Driving

结果引导蒸馏：一种提升自动驾驶中视觉语言模型推理能力的师生框架

Zeyu Dong, Yimin Zhu, Yu Wu, Yu Sun

机构 * Stony Brook University（石溪大学） ； Rutgers University（罗格斯大学） ； Sunrise Technology Inc.（晨昇科技公司） 纠错

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

AI总结 本研究提出结果引导蒸馏的师生框架，将VLM的显式推理与几何轨迹生成结合，在Waymo基准上使自动驾驶性能提升约24%，优于经典推理基线。