自动驾驶

UnsDrive: Towards Robust End-to-End Autonomous Driving in Unstructured Scenes

UnsDrive：面向非结构化场景的鲁棒端到端自动驾驶

Nanxin Zeng, Ruiqi Song, Xiangyu Guo, Baiyong Ding, Yunfeng Ai

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Waytous Inc.（文远知行公司） 纠错

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

AI总结 针对非结构化采矿环境自动驾驶泛化差的问题，提出UnsDrive规划器，结合未知感知占用表示与流匹配规划器，引入专用损失和评分器，辅以MineLoop模拟器验证，性能优于基线。

Comments 9 pages, 4 figures, conference

Journal ref the 34th ACM International Conference on Multimedia, 2026

RealWeather: Realistic and Scene-Faithful Weather Translation with Driving World Models

RealWeather：基于驾驶世界模型的逼真且场景忠实的天气转换

Yuwei Ning, Liangzhi Wang, Yi Xiao, Zhenhua Wu, Yun Pang, Mingkun Chang, Jichang Li, Guanbin Li

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

AI总结 RealWeather是一种驾驶世界模型，通过渐进式逼真度引导和场景忠实度强化学习优化实现逼真且场景忠实的天气转换，在视觉逼真度、结构保留等方面优于现有方法，支持长尾天气场景生成与零样本泛化。

Comments Under submission

SLAC: Access-Driven CPU-to-GPU Side-channel Attacks via System-Level Cache on Apple Silicon

SLAC：基于Apple Silicon系统级缓存的访问驱动CPU到GPU侧信道攻击

Tianhong Xu, Saion K. Roy, Ruyi Ding, Aidong Adam Ding, Yunsi Fei

专题命中 端到端驾驶 ：occupancy(abstract)

AI总结 本研究针对Apple Silicon异构SoC发现GPU内存访问会在共享SLC留下可被CPU观测的集合级足迹，提出CPrime+CProbe及加速变体GPrime+CProbe侧信道技术，实现GNN图边重构与LLM隐私攻击，揭示Apple Silicon的微架构漏洞。

Comments Accepted to ACM CCS 2026. 15 pages

TARGET: Automated Scenario Generation from Traffic Rules for Testing Autonomous Vehicles via Validated LLM-Guided Knowledge Extraction

Yao Deng, Jiaohong Yao, Zhi Tu, Xi Zheng, Mengshi Zhang, Tianyi Zhang

专题命中 端到端驾驶 ：autonomous driving(abstract)

Journal ref IEEE Transactions on Software Engineering, Jul. 2025, pp. 1950-1968, vol. 51

Signature-Guided Capacity Occupancy for Dense Expert Merging

签名引导的容量占用用于密集专家合并

Lingching Tung, Chi-Jui Kim, Beicheng Xu, Yuchen Wang, Bin Cui

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

AI总结 针对密集专家合并的跨专家冲突容量分配等问题，提出SigMerge框架，在21种配对设置中优于三类基线合并方法，平均提升15.0%且获最佳平均排名。

Comments 31 pages, 20 figures

The Impact of Splashback Galaxies on Galaxy Assembly Bias

反弹星系对星系成团偏差的影响

Hernan Rincon, Idit Zehavi, Sergio Contreras, Yikun Wang, Xiaoju Xu

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究借助Millennium模拟和TNG300模拟，探究反弹星系对星系并合偏差的影响，明确反弹星系的特征及其对星系成团性信号的作用，为星系-晕连接建模提供参考。

Comments 17 pages, 5 figures

Many-Body Amplification of Ligand Instabilities Driving Verwey-Type Transitions in Altermagnet CsCr$_2$S$_2$O

交替磁体CsCr$_2$S$_2$O中的轨道选择性莫特转变与关联放大的电荷有序

Xiuhua Chen, Yilin Wang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究揭示交替磁体CsCr$_2$S$_2$O的类Verwey金属-绝缘体转变由轨道选择性莫特转变及关联放大的电荷有序驱动，表明配体工程对稳健金属性交替磁性至关重要。

Comments 5 pages, 4 figures

Operating regimes and materials limits of nonlinear magnon dynamics in Co-doped YIG

非adiabatic磁动力学的非线性稳定化

A. M. Tishin

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出了一种非线性磁动力学平台，用于在纳米级铁氧体结构中实现受限制的非adiabatic参数激发。通过非线性频率调节器U，研究了非线性调制如何抑制不受控制的参数增长并驱动系统向动态局部化的低占用磁动力学态发展。

Comments 54 pages, 11 figures

Stability Notions for Hospital Residents with Sizes

带容量的医院住院医生问题的稳定性概念

Haricharan Balasundaram, J B Krishnashree, Girija Limaye, Meghana Nasre

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文针对带容量的医院住院医生问题（HRS）研究基于容量的稳定性，证明该类问题必存在对应稳定匹配，给出严格优于3的近似算法，还证明最大规模该匹配问题及稳定匹配判定问题的NP难性，并提出受限场景下的稳定匹配高效算法。

Offline-Online Hierarchical 3D Global Relocalization With Synthetic LiDAR Sensing and Descriptor-Space Retrieval

离线-在线分层3D全局重定位与合成LiDAR感知及描述空间检索

Jiahua Ren, Kai Shen, Muhua Zhang, Lei Ma

机构 * School of Electrical Engineering, Southwest Jiaotong University（西南交通大学电气工程学院） 纠错

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

AI总结 本文提出一种离线-在线分层框架，通过分离搜索空间提升大规模空间中的重定位效率和精度，实测平均重定位时间3秒，精度8厘米，计算效率提升一个数量级。

Rethinking 3D Segmentation from Individual LiDAR Scans: Incidence-Aware Sampling on the SIP Benchmark

从单个激光雷达扫描数据重新思考三维分割：SIP基准上的入射角感知采样

Seongyong Kim, Jingdao Chen, Yong Kwon Cho

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

AI总结 针对单个激光雷达扫描的三维分割，本研究在SIP基准上提出入射角感知采样策略，提升了非平面构件等的分割性能，降低了对采样分辨率的敏感性。

Unordered Landmark Visual Navigation

无序地标视觉导航

Hao Ren, Junzhe Zhu, Yihan Li, Zetong Bi, Le Zheng, Zhi Li, Yiqing Yuan, Zhaoliang Wan, Dizhe Zhang, Lu Qi, Hui Cheng

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

AI总结 针对无序图像导航的挑战，本文提出无需时间与里程计先验的ULVN框架，通过整合建图、定位与规划，在仿真和真实场景中性能优于现有最优方法。

Comments ECCV2026 Oral & Spotlight

Unsupervised Point Cloud Registration with Self-Distillation

基于自蒸馏的无监督点云配准

Christian Löwens, Thorben Funke, André Wagner, Alexandru Paul Condurache

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

AI总结 本文针对点云配准依赖真实位姿标注的问题，提出自蒸馏无监督方法，在3DMatch基准上优于现有方法，且可泛化至汽车雷达场景。

Comments Oral at BMVC 2024

CRUISE: Vision-Language Model-Guided Uncertainty-Aware Cross-Modal Sensor Fusion for Robust Autonomous Driving

CRUISE：面向鲁棒自动驾驶的视觉语言模型引导的不确定性感知跨模态传感器融合

Junyao Wang, Yulin Xu, Yu Li, Pramod Khargonekar, Mohammad Abdullah Al Faruque

机构 * University of California, Irvine（加利福尼亚大学欧文分校） 纠错

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

AI总结 针对现有不确定性感知融合方法泛化性差的问题，提出CRUISE框架，结合VLM引导的UQ模块与动态自适应机制，实现鲁棒的自动驾驶跨模态传感器融合。

What Irregularity Costs: CUDA C++, Rust, and Triton on a Hash-Blocked GPU Workload

非规则性的代价：哈希阻塞GPU工作负载上的CUDA C++、Rust与Triton

Petr Korolev

机构 * Spacial Intelligence Labs（空间智能实验室） 纠错

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

AI总结 该研究对比了CUDA C++、Rust、Triton在哈希阻塞GPU工作负载上的性能，发现规则阶段三者性能接近，非规则阶段Triton慢一个数量级，Rust接近CUDA，还分析了性能差异原因并修复了cuda-oxide的一个缺陷。

Comments 23 pages, 5 figures, 4 tables. Includes a correctness result for TSDF fusion implementations: at hash load factors reached by ordinary depth trajectories, the Triton implementation silently discards blocks. Code, raw measurement CSVs and an interactive viewer: https://github.com/realitymatrix/what-irregularity-costs

FedSceneX: Time-to-Target Orchestration for Same-Scene Multimodal Federated Edge Learning

FedSceneX：面向同场景多模态联邦边缘学习的目标时间编排

Dhe Yeong Tchalla, Beining Wu, Jun Huang, Shuyang Gu, Qiang Duan

专题命中 仿真评测 ：LiDAR(abstract,abstract_cn)

AI总结 FedSceneX针对同场景多模态联邦边缘学习的轮次耗时不固定问题，提出VHP优化方法，在nuScenes基准测试中缩短每轮次活跃时间，20小时预算内准确率最高且保持全部四种模态。

CMU-Drive and V2V-VLA: Cooperative Multi-agent Unified Driving with Reasoning Benchmark and Vehicle-to-Vehicle Vision-Language-Action Models

CMU-Drive与V2V-VLA：具备推理能力的协同多智能体统一驾驶基准及车对车视觉-语言-动作模型

Hsu-kuang Chiu, Stephen F. Smith

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出协同多智能体统一驾驶基准CMU-Drive及车对车视觉-语言-动作模型V2V-VLA，解决现有VLA模型缺乏协同能力的问题，构建了协同自动驾驶研究的首个基准并将相关资源开源。

From Annual Throughput to Vessel Schedules: A Stochastic Generator for Transshipment Hub Simulation

从年度吞吐量到船舶班期：一种用于中转枢纽仿真的随机生成器

Qiaohong Li, Haobin Li, Tianhao Chen, Ek Peng Chew

专题命中 仿真评测 ：occupancy(abstract)

AI总结 该研究针对集装箱中转枢纽仿真的现有模型预测失真问题，提出基于公共港口数据校准的Gamma-GDF随机生成器，经两大超级枢纽验证精度良好，为港口仿真提供稳健基础。