自动驾驶

Learning Direct Control Policies with Flow Matching for Autonomous Driving

通过流匹配学习自动驾驶的直接控制策略

Marcello Ceresini, Federico Pirazzoli, Andrea Bertogalli, Lorenzo Cipelli, Filippo D'Addeo, Anthony Dell'Eva, Alessandro Paolo Capasso, Alberto Broggi

机构 * Università degli Studi di Parma（帕尔马大学） ； Alma Mater Studiorum - Università di Bologna（博洛尼亚大学） ； VisLab (an Ambarella Inc. company)（VisLab（安柏莱拉公司）） 纠错

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

AI总结 本文提出一种基于流匹配的自动驾驶规划器，直接输出由加速度和曲率剖面定义的可控轨迹，通过鸟瞰图栅格输入，在少量常微分方程积分步骤中生成控制序列，实现低延迟推理。在真实城市场景上训练并在多车道高速公路等新环境中评估，证明模型能可靠泛化。

Comments 16 pages, 6 figures, 2 tables. Accepted for oral presentation at the 2026 IEEE International Conference on Intelligent Transportation Systems (ITSC 2026)

Who Responds When the Driver Is Gone? A Framework for Holistic Passenger Intent Understanding

当驾驶员离开时谁来做出反应？一种人类意图理解框架

Xuewen Luo, Ding Fan, Ruiqi Chen, Ye Cao, Xiujin Liu, Bo Yu, Fengze Yang, Chenxi Liu

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 研究无人驾驶时谁理解并回应乘客，提出Intent2Drive框架，将意图建模为潜在认知状态，构建数据集和推理器，引入分层规划器，提升意图推理等能力，迈向响应乘客的自动驾驶系统。