自动驾驶

Enhancing Visual Perception in Foggy Conditions via Multiclass Fog Density Modeling

通过多类雾密度建模增强雾天条件下的视觉感知

Mohamad Mofeed Chaar, Galia Weidl

机构 * University of Applied Sciences, Aschaffenburg（阿沙芬堡应用科学大学） 纠错

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

AI总结 本研究针对自动驾驶雾天感知难题，基于Waymo数据集合成雾数据，按五类雾密度训练专用感知模型，使特浓雾召回率提升15.6个百分点，验证了多专用模型策略的有效性。

Comments 8 pages, 5 figures,2 tables

LLM-Assisted Coalition Formation for Cooperative Perception in Autonomous Driving

大语言模型辅助的自动驾驶协同感知联盟形成

Ahmad Sarlak, Hao Wang, Rahul Amin, Abolfazl Razi

专题命中 感知 ：autonomous driving(title,abstract)

AI总结 该研究针对现有协同感知方法未优化车辆选择的问题，提出LLM辅助的联盟形成框架，结合DPP与ADMM优化，在OPV2V等数据集上实现更优性能与网络效率。

Comments Accepted for presentation at IEEE Global Communications Conference (GLOBECOM 2026), Cognitive Radio and AI-Enabled Networks Symposium

RSC-GestureNet: Reliability-Aware Selective Causal Recognition of Chinese Traffic Police Gestures

RSC-GestureNet：面向中国交通警察手势的可靠性感知选择性因果识别模型

Cheng Li, Renjun Gao, Boyi Fu

机构 * Academy of Interdisciplinary Studies, The Hong Kong University of Science and Technology（香港科技大学跨学科研究学院） ； Faculty of Innovation Engineering, Macau University of Science and Technology（澳门科技大学创新工程学院） 纠错

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

AI总结 本研究提出RSC-GestureNet，通过对不可靠姿态关节降权、因果聚合时序证据等方式提升中国交通警察手势识别的早期性、稳定性与鲁棒性，在CTPGesture数据集上取得最优性能。

Comments 2026 PRCV Oral; Project Page: https://github.com/chengli24/rsc-gesturenet-prcv2026

GSRAIN: Physically Calibrated High-/Low-Frequency Rainfall Synthesis for 3D Gaussian Driving Scenes

GSRAIN：面向3D高斯溅射（3DGS）驾驶场景的物理校准高低频降雨合成方法

Fanyu Wang, Longgao Zhang, Junyi Chen

机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） 纠错

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

AI总结 GSRAIN针对自动驾驶降雨模拟的物理可控性与多视图一致性局限，结合实测数据与几何感知扩散模型生成可控降雨场景，在FID指标上优于现有方法，可用于自动驾驶算法的雨天测试。

PRISM: Privileged Probabilistic Latent Supervision for End-to-End Autonomous Driving Motion Planning

PRISM：面向端到端自动驾驶运动规划的特权概率潜在监督

Volodymyr Havrylov, Faris Janjoš, Andreas Look, Jürgen Mathes, Andreas Geiger

机构 * University of Tübingen（蒂宾根大学） ； Bosch Center for Artificial Intelligence（博世人工智能中心） ； Coburg University（科堡大学） ； Tübingen AI Center（蒂宾根人工智能中心） 纠错

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

AI总结 该研究针对端到端自动驾驶模型梯度微弱问题，提出基于真实值的概率潜在监督框架，在 nuScenes 数据集上实现规划 L2 误差降 8%、碰撞率降 3%，且计算开销可忽略。

A Forward-Inverse Dynamic Game Framework for Enhanced Multi-Agent Trajectory Planning

用于增强多智能体轨迹规划的前向-逆向动态博弈框架

Tianle Liu, Youcheng Niu, Jing Zeng, Shuo Li, Jinming Xu

机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） 纠错

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

AI总结 针对多智能体轨迹规划的动态博弈方法局限，本文提出带状态依赖权重的KL正则化动态博弈及上下文感知逆向博弈模块，经模拟与多机器人实验验证了其有效性。

SIPTraj: Map-Free End-to-End Trajectory Prediction via Physics-Guided Scene Interaction

SIPTraj：无高精地图的物理引导场景交互端到端轨迹预测

Feifei Liu, Zejun Wei, Haozhe Wang, Yazhi Ye, Yuying Zhang, Jintao Cheng, Chi Man Vong, Xieyuanli Chen, Xiaoyu Tang

机构 * School of Data Science and Engineering, Xingzhi College, South China Normal University（华南师范大学行知学院数据科学与工程学院） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Macau（澳门大学） ； College of Intelligence Science and Technology, National University of Defense Technology（国防科技大学智能科学学院） ； School of Electronic Science and Engineering, South China Normal University（华南师范大学电子科学与工程学院） 纠错

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

AI总结 SIPTraj是一种无高精地图的端到端轨迹预测框架，通过分层智能体-场景编码器和物理引导迭代解码器解决场景锚定与物理可行性问题，在两个数据集上性能优于现有方法，推理无需高精地图。

Neural operator learning for collision-aware trajectory planning of spacecraft swarms

面向航天器集群碰撞感知轨迹规划的神经算子学习

Sidhdharth D. Sikka, Suyi Gao, Zehui Lu, Rongjie Lai, Shaoshuai Mou

机构 * Purdue University（普渡大学） ； Manifold Research Group（流形研究组） 纠错

专题命中 规划控制 ：trajectory planning(title)

AI总结 该研究提出排列等变神经算子，结合自监督物理目标与对抗威胁训练，实现航天器集群轨迹规划，可零样本泛化到大规模集群，精度接近最优控制求解器，性能优于无碎片感知基线。

Comments 27 pages, 6 figures, 6 tables. Submitted to Nature Machine Intelligence. Video abstract included as ancillary file

Learning-Based Motion Planning for Dynamic Environments: From Foundational Algorithms to Emerging Paradigms

动态环境下基于学习的运动规划：从基础算法到新兴范式

Zongyuan Shen, Shalabh Gupta, Shancheng Zhao, Dehua Zhou, Gao Wang, Rui Cheng, Yaming Ou, Zhongqiang Ren, Yikui Zhai, C. L. Philip Chen

机构 * College of Information Science and Technology, Jinan University（暨南大学信息科学技术学院） ； University of Connecticut（康涅狄格大学） ； Guangzhou Maritime University（广州海事大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Wuyi University（五邑大学） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 本综述回顾2015至2025年动态环境下基于学习的运动规划代表性研究，提出学习作用分类法，分析相关影响因素，探讨安全可验证规划等开放挑战与未来方向。

Policy Optimality Measurement for Multi-Vehicle Decision-Making: From Extrinsic Indicators to Intrinsic Quality

多智能体决策的策略最优性测量：从外在指标到内在质量

Ye Han, Lijun Zhang, Dejian Meng

机构 * School of Automotive Studies, Tongji University（同济大学汽车学院） 纠错

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

AI总结 该研究针对自动驾驶多智能体强化学习策略的黑箱评估问题，提出基于MCTS的信息论诊断框架，构建策略最优性评分以精准暴露策略缺陷，为内在多智能体策略质量提供严格基准标准。

Comments 8 pages, 7 figures

DecoupleGS: Interactive 3D Gaussian Splatting for End-to-End Autonomous Driving Testing

DecoupleGS：用于端到端自动驾驶测试的交互式三维高斯溅射

Siying Li, Ying Ni, Jie Sun, Jian Sun, Haotian Shi

机构 * College of Transportation, Tongji University（同济大学交通运输学院） ； Key Laboratory of Road and Traffic Engineering, Ministry of Education（教育部道路与交通工程重点实验室） 纠错

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

AI总结 DecoupleGS是一种解耦三维高斯溅射框架，通过分解场景为静态背景与动态智能体，结合三个针对性模块实现高保真交互，为端到端自动驾驶测试提供实用闭环传感器仿真平台。

Comments Accepted to ECCV 2026

MoRAL: Sensor-Grounded BEV Reasoning for Compact VLMs toward Edge-Oriented Autonomous Driving

MoRAL：面向边缘自动驾驶的紧凑型视觉语言模型的传感器接地鸟瞰图推理

Ambarish Govindarajulu Kaliamurthi, Kaikai Liu

专题命中 BEV与占用 ：BEV(title,summary_cn)；autonomous driving(title,abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 MoRAL是一种两阶段微调流水线，指导Cosmos-Reason2-2B基于物理编码的BEV表示进行驾驶决策，在参数仅为零样本基准四分之一的情况下，在8类驾驶问题中7类胜出，紧急制动召回率提升至47.8%，可在消费级8GB GPU高效运行。

Comments 7 pages, 5 figures, 6 tables. Accepted to the 14th IEEE International Conference on Intelligent Mobile Computing (IEEE IMC 2026), Fukuoka, Japan, July 27-30, 2026

Driver2Map: Imitating Human Driving for Online High-Definition Map Construction

Driver2Map：模仿人类驾驶的在线高清地图构建

Pan Yin, Runtian Xia, Weisong Kuang, Kaiyu Li, Cong Zhao, Xiangyong Cao

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

AI总结 该研究提出受人类驾驶启发的Driver2Map模型，可融合三种模态数据，通过两阶段对齐、姿态引导BEV融合等模块提升在线高清地图构建性能，在IoU和AP指标上优于现有方法。

HSRAI: Permutation-Preserving Address Interleaving with Hierarchical Balance Metrics

HSRAI：基于分层平衡度量的置换保留型地址交织

Xiaotong Yuan

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出HSRAI地址交织方法，保留高低阶地址位，针对全域与剪枝拓扑分别采用GF(2)仿射搜索及CRT结合重映射，在128节点拓扑上实现双射、均衡及无饥饿，改善各层级流量指标

Spectroscopy of the Hyperfine Structure of HD$^+$ in Rotationally Excited States with 10-ppb Uncertainty

转动激发态HD⁺超精细结构的光谱学研究，不确定度达10ppb

D. Kliukin, V. Barbé, T. Klijn Velderman, J. B. E. Schokking, J. John, K. S. E. Eikema, J. C. J. Koelemeij, J. -Ph. Karr

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究通过线性保罗阱结合马约拉纳退极化与黑体辐射布居再分布的新技术，测得HD⁺（v=0,L=3）振转态超精细间隔，不确定度达10ppb，其与理论值偏差及与同体系基态测量结果的一致性或可解决超精细结构的理论实验偏差问题。

Comments 7 pages, 3 figures. Supplemental Materials file available upon request to the corresponding author

Pressure-induced self-doping and Fermi surface reconstruction in UAs2

压力诱导下UAs2中的自掺杂与费米面重构

Zhenchao Wu, Yingying Cao, Yi-feng Yang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究采用DFT+DMFT方法，揭示压力诱导UAs2发生轨道选择性电荷重分布（自掺杂），使费米面重构，为理解其高压超导提供电子结构依据，表明费米面嵌套与电荷涨落或提升超导Tc。

EBSD and Subtle Crystallographic Differences - A Study of Resolving Interlayer Spacings in Nb-Ni and Nb-Co mu-phases

EBSD与细微晶体学差异——Nb-Ni和Nb-Co μ相中间层间距的分辨研究

Lukas Berners, Nisa Ulumuddin, Annika Baum, Silvia Richter, Khalil Rejiba, Joshua Spille, Siyuan Zhang, Christina Scheu, Joachim Mayer, Benjamin Berkels, T. Ben Britton, Sandra Korte-Kerzel

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究评估EBSD分辨金属间化合物细微晶体学特征的能力，结合模式匹配与动力学模拟，成功预测Nb-Co和Nb-Ni μ相的中间层间距变化，与XRD和HR-TEM结果吻合。

CalibBEV: LiDAR-Camera Calibration via BEV Alignment

CalibBEV：基于鸟瞰图对齐的激光雷达-相机标定方法

Filippo D'Addeo, Lorenzo Cipelli, Adriano Cardace, Emanuele Ghelfi, Andrea Zinelli, Massimo Bertozzi

机构 * University of Bologna（博洛尼亚大学） ； University of Parma（帕尔马大学） ； Stanford University（斯坦福大学） ； VisLab srl（VisLab有限公司） ； Ambarella Inc.（安霸公司） 纠错

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

AI总结 CalibBEV是一种激光雷达-相机标定方法，通过两步BEV对齐结合CLIP对比损失实现跨模态统一，在KITTI、nuScenes基准上大幅降低了标定误差，达到最优性能。

Journal ref Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2026. p. 4345-4354

TravKAN: Fast and Interpretable Nonlinear Traversability Analysis with Kolmogorov-Arnold Networks

TravKAN：基于Kolmogorov-Arnold网络的快速可解释非线性可通行性分析

Daniel Fusaro, Simone Mosco, Wanmeng Li, Alberto Pretto

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

AI总结 本文提出基于Kolmogorov-Arnold网络的TravKAN框架，结合LiDAR反射率手工特征，在公开数据集上性能优于传统深度模型，兼具可解释性与高效性，适用于安全关键的机器人可通行性分析。

Comments This paper has been accepted for publication at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Sen-Cap: Sensor-Flexible and Noise-Resilient Human Motion Capture via LiDAR-Camera Integration

Sen-Cap：基于激光雷达-相机融合的传感器灵活且抗噪的人体运动捕捉框架

Aoru Xue, Yujing Sun, Yiming Ren, Kwok-Yan Lam, Mao Ye, Yuexin Ma

机构 * ShanghaiTech University（上海科技大学） ； Digital Trust Centre, Nanyang Technological University（南洋理工大学数字信托中心） 纠错

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

AI总结 Sen-Cap是一种无需传感器间校准的激光雷达-相机融合人体运动捕捉框架，通过跨传感器运动估计器与抗噪轨迹跟踪器实现灵活部署与强鲁棒性，在多数据集上达最优性能，适用于真实场景。

Comments 16 pages, 8 figures, 4 tables. Accepted at ECCV 2026. Aoru Xue and Yujing Sun contributed equally. Yuexin Ma is the corresponding author

Proteus: A Truncation-Robust Entropy Model for Progressive LiDAR Compression

Proteus：适用于渐进式激光雷达压缩的抗截断熵模型

Yihan Qiu, Xiaodong Lin, Baoquan Zhao, Hailong Jiao, Ge Li

机构 * Peking University（北京大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 提出名为Proteus的激光雷达压缩编解码器，通过解耦编码实现抗70%比特流截断，在理想信道下优于G-PCC、Draco等标准及Unicorn，可用于安全关键感知场景。

Hybrid BaTiO3/TiO2 Metasurface for Efficient Gigahertz-Speed Free-Space Electro-Optic Modulation

用于高效千兆赫兹速自由空间电光调制的混合BaTiO3/TiO2超表面

Zhongpeng Sun, Kerolos M. A. Yousef, Michael Domm, Agham Posadas, Xudong Li, Marcus Ossiander, Maryna L. Meretska, Yiwei Ju, Isabel Barth, Jason Tischler, Theodore P. Letsou, Moaz Waqar, Amirhassan Shams-Ansari, Xiaoqing Pan, Alexander A. Demkov, Federico Capasso

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 该研究开发混合BaTiO3/TiO2超表面，结合可扩展薄膜生长与纳米加工技术，实现高效千兆赫兹速自由空间电光调制，为激光雷达等领域提供高性能调制器的可扩展方案。

Comments 21 pages, 4 figures, 1 table. Supplementary Information: 27 pages, 11 figures, 7 supplementary notes

STAR-VLM: Spatiotemporal Grounding Vision-Language Models for Motion and Velocity Estimation via Automotive Radar Supervision

STAR-VLM：基于汽车雷达监督的时空视觉语言模型，用于运动与速度估计

Pou-Chun Kung, Aryaman Rao, Utkrisht Sahai, Hemanth Murali, Yi Liu, Rui-Yu Lin, Katherine A. Skinner

机构 * University of Michigan（密歇根大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 该研究提出STAR-VLM框架，利用汽车雷达监督提升时空视觉语言模型的运动推理与度量速度估计能力，在驾驶场景相关任务上实现了优于特定任务方法的最先进性能。

DerainSplat: Feed-Forward Clean 3D Gaussian Splatting from Sparse Rainy Views

DerainSplat：基于稀疏雨天视图的前馈式干净3D高斯溅射重建

Fuzhen Jiang, Changyue Shi, Chuxiao Yang, Xinyuan Hu, Wenjie Ye, Minghao Chen

专题命中 多传感器融合 ：autonomous driving(abstract)；分类 cs.CV

AI总结 DerainSplat是一种前馈框架，可从少量雨天视图重建干净3D场景，通过四阶段合成数据集与天气网络等设计，在多类数据集上优于现有方法且泛化性强。

TALSC: Timeliness-Aware Large-Small VLM Collaboration for Infrastructure-Assisted Autonomous Driving

TALSC：面向基础设施辅助自动驾驶的时效性感知大小视觉语言模型协作

Mengmeng Zhu, Yuxuan Sun, Wei Chen, Bo Ai

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

AI总结 针对基础设施辅助自动驾驶中VLM协作的时效性问题，提出TALSC框架，通过李雅普诺夫漂移加估计惩罚算法优化调度，在nuScenes仿真中较最优基线实现Micro-F1最高12.6%的归一化提升。

Comments This paper has been accepted by IEEE GLOBECOM 2026

WM-Cov: Test Adequacy for Interactive World-Model-Style Autonomous Driving Simulation

WM-Cov：交互式世界模型式自动驾驶仿真的测试充分性

Jianxun Cui, Ping Wu, Stanisa Peric, Marko Milojkovic, Vladan Devedzic

机构 * School of Transportation Science and Engineering, Harbin Institute of Technology（哈尔滨工业大学交通科学与工程学院） ； Chongqing Research Institute of HIT（哈尔滨工业大学重庆研究院） ； Chongqing Changan Automobile Co., Ltd.（重庆长安汽车股份有限公司） ； University of Nis（尼什大学） ； University of Belgrade（贝尔格莱德大学） 纠错

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

AI总结 本文针对交互式世界模型式自动驾驶仿真测试的充分性问题，提出与提供方无关的 WM-Cov 评估层，经多组实验验证其可通过有效交互式证据收敛性更科学地评估测试效果。

Comments 11 pages, 6 figures, 7 tables

Goal-Oriented Logic-based Semantic Communication for Neuro-Symbolic Reasoning with Applications onto Autonomous Driving

面向目标的基于逻辑的语义通信及用于自动驾驶的神经符号推理

Ahmet Faruk Saz, Duo Xu, Faramarz Fekri

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

AI总结 本文针对自动驾驶场景，提出基于一阶逻辑的目标导向语义通信方法，通过选择关键证据传输实现安全决策，在相同通信预算下优于均匀证据选择。