自动驾驶

DH-VLM: Dual-Horizon Cooperative Latent Reasoning for Autonomous Driving

DH-VLM：面向自动驾驶的双时域协同隐层推理框架

Ziyi Song, Chen Xia, Hang Yu, Sheng Zhou, Zhisheng Niu

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文提出DH-VLM双时域协同隐层推理框架，结合基础设施与自车实现非对称语义协同，构建协同QA数据集支撑推理，在规划性能、通信成本等指标上优于现有方法，为协同自动驾驶提供实用鲁棒范式。

Open-World Hierarchical Perception: Taxonomic Abstraction over Class-Agnostic Proposals for the Safe Handling of Out-of-Vocabulary Road Objects

开放世界层次感知：针对类无关候选区域的分类抽象，用于安全处理词汇外道路对象

Felix Schaller

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

AI总结 本文提出开放世界层次感知层，在类无关区域候选上实现分类抽象，通过结合三类开放世界信号，在自动驾驶留类基准测试中，可安全处理词汇外道路对象且无分类错误。

Comments 6 pages, 4 figures, 1 table. Third paper in a series; v1 archived at Zenodo, doi:10.5281/zenodo.21593472. Code: https://github.com/freshNfunky/IE2025-Research-Paper

DA-NBV: A Direction-Aware Next-Best-View Planner for Efficient 3D Reconstruction of Ships at Sea

DA-NBV：一种用于海上船舶高效3D重建的方向感知最优下一个视点规划器

Jiaming Chen, Juntao Yang, Zhentao Zou, Qi Ming, Yi Yu, Zhihang Zhong, Xue Yang, Xue Jiang, Yue Zhou

专题命中 感知 ：occupancy(abstract)；分类 cs.RO、cs.AI

AI总结 针对海上船舶3D重建中现有NBV策略忽略方向观测历史的问题，本文提出DA-NBV策略，结合PAF等方法，在SeaShip-3D数据集与仿真环境下实现了更高效的船舶3D重建性能。

Comments 16pages, 11 figures

Multi-Task Consistency-based Detection of Adversarial Attacks

基于多任务一致性的对抗攻击检测

Cong Chen, Jean-Philippe Monteuuis, Jonathan Petit

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

AI总结 针对自动驾驶中DNNs易受对抗攻击且现有防御成本高的问题，提出基于多任务视觉任务输出一致性的高效检测方案，在BDD100k数据集上对PGD攻击的ROC-AUC达99.9%。

Geometry Beats Estimated Depth: RGB-Only Multi-Camera 3D Tracking under Sim2Real

几何胜过估计深度：Sim2Real 场景下仅用 RGB 的多相机 3D 跟踪

Abdullah Naeem, Anav Katwal, Ayon Dey, Noman Khan, Md Tamjidul Hoque

机构 * LSU New Orleans（路易斯安那州立大学新奥尔良分校） ； PinPark, Inc.（PinPark公司） 纠错

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

AI总结 在 Sim2Real 场景下，研究人员通过实验验证跨视图几何一致性而非单目深度精度决定仅用 RGB 的多相机 3D 跟踪性能，提出几何优先流水线并取得显著优于伪激光雷达方法的结果。

ResemBrick: Brick Reconstruction from Photographs with Perceptual Fidelity and Buildability

ResemBrick：从照片重建兼具感知保真度与可建造性的积木模型

Xilun Chen, Hanwen Wan, Yusong Zhao, Zexin Lin, Ruixiang Liao, Xiaoqiang Ji

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 ResemBrick将离散化与组装耦合，通过预算占用补全和可建造性构建，生成兼具感知保真度与可建造性的积木模型，性能优于现有系统。

GeoRoute: Geometry-Aware Hybrid Inference for Traffic Future-Frame Prediction

GeoRoute：面向交通未来帧预测的几何感知混合推理方法

Khang Minh Le, Hieu Dinh Trung Pham, Luu Thanh Danh, Nam-Tien Le, Hieu Anh Ngo, Phuong Huu Vu Tran, Son Nguyen Minh Le, Nguyen Trong Nghia, Tu Tran Thi Cam, Huy Minh Nhat Nguyen, Cuong Tuan Nguyen

机构 * Vietnamese-German University（越南-德国大学） ； University of Science, Ho Chi Minh City（胡志明市科学大学） ； Ho Chi Minh City University of Technology（胡志明市技术大学） ； University of Information Technology, Ho Chi Minh City（胡志明市信息技术大学） 纠错

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

AI总结 GeoRoute是一种无需训练的几何感知混合推理框架，通过多帧深度分层渲染器和视角条件选择预测器，在AI City Challenge Track 5基准上实现了具有竞争力的交通未来帧预测性能，提升了静态几何稳定性。

Comments accepted to the ECCV 2026 AI City Challenge Workshop

Can Webcam Gaze Constrain Mesa-Objectives in Driving Models? An Instrument Precision Analysis

网络摄像头眼动能否约束驾驶模型中的 mesa 目标？一项仪器精度分析

Lennox Anderson, Ahmed Boutar, Jonah Mulcrone, Tal Erez

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

AI总结 该研究探究能否用 WebGazer 眼动数据约束自动驾驶模型的 mesa 目标，经多组实验发现无统计显著效果，原因是 WebGazer 误差过大无法实现物体级注视归因。

Comments 6 pages, 3 figures, 4 tables

RayLift: Lifting Complementary Ray-Wise Evidence with 3D Geometry Priors for Semantic Scene Completion

RayLift：利用3D几何先验提升互补射线级证据以实现语义场景补全

Meng Wang, Hongxia Yu, Wenzhe He, Xingdong Song, Huilong Pi, Jiapeng Zhang, Ruihui Li

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

AI总结 针对现有语义场景补全方法的深度误差传播问题，提出RayLift框架，通过互补上下文编码器、深度射线证据提升模块和语义感知体素集成器，在两个基准数据集上实现优于现有方法的性能。

Data collection from highways: a geometric, class-agnostic approach to embedded vehicle counting

高速公路数据采集：一种用于嵌入式车辆计数的几何、类别无关方法

Lucas Gouveia Omena Lopes, William W. M. Lira, Alexandre M. Lima, Thales M. A. Vieira

机构 * Universidade Federal de Alagoas（阿拉戈斯联邦大学） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 本文提出一种面向嵌入式设备的类别无关几何车辆计数方法，无需物体模型与训练集，在树莓派硬件上快于实时运行，实地部署准确率达91%，适用于无标注数据等场景。

PSP: Low-Overhead Packet-Level Load Balancing for Stale-State and Bandwidth-Asymmetric Networks

PSP：面向 stale 状态与带宽非对称网络的低开销报文级负载均衡

Jiaqi Liu, Chunyang Zhang, Heng Pan, Yanbiao Li

专题命中 感知 ：occupancy(abstract)

AI总结 针对数据中心网络微突发与高并发问题，提出概率状态比例（PSP）报文级负载均衡算法，其性能优于 JSQ、随机调度，与 Top-k 相当且硬件成本更低，实现性能、稳定性与开销的平衡。

Comments 12 pages, 10 figures, 5 tables. Accepted by IEEE LCN 2026

Finite Constant Frontiers and Auditable Regret Certificates for Average-Reward Reinforcement Learning

平均奖励强化学习的有限常数前沿与可审计后悔证书

Ibne Farabi Shihab, Abu Sa-Adat Mohamed Moon-Im Al Ahsan, Md Najmus Swaqeeb

机构 * Iowa State University（爱荷华州立大学） ； BRAC University（BRAC大学） 纠错

专题命中 感知 ：occupancy(abstract)

AI总结 本文针对平均奖励强化学习，提出感知常数的比较协议，推导通信MDP的有限下界证书，改进已发表系数，给出跨度约束乐观学习者的可审计组合规则，完成相关形式化与诊断测试。

FactorDrive: Adaptive Multi-Step Reasoning Driven by Planning-Critical Factors for End-to-End Autonomous Driving

FactorDrive：面向端到端自动驾驶的、由规划关键因素驱动的自适应多步推理

Guolei Huang, Tengfei She, Yuxuan Lu, Yao Huang, Yuqi Ye, Yongjun Shen

机构 * Southeast University（东南大学） ； Universiti Malay（马来亚大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Peking University（北京大学） 纠错

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

AI总结 该研究针对现有端到端自动驾驶方法在空间物理证据融合、推理适应及推理路径优化上的不足，提出FactorDrive框架，通过PCF-CoT数据集与QS-GRPO算法优化推理，在两类基准上取得最优规划性能。

From Operational Design Domain to Action: A Systematic Behavioral Taxonomy for Autonomous Driving

从运行设计域到行动：自动驾驶的系统行为分类学

Chaitanya Shinde, Hadi Hajieghrary, Miguel Hurtado

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

AI总结 本文针对ADS安全保障中ODD规范与行为验证的差距，构建了涵盖三类运行域的21项行为能力分类学，结合标准验证并确定枢纽域需专项研究，为ADS行为测试提供场景基础。

Entanglement-Free Trajectory Planning for Tethered Mobile Robots with a Slack Tether

带松弛系绳的系绳移动机器人的无纠缠轨迹规划

Gianpietro Battocletti, Dimitris Boskos, Bart De Schutter

机构 * Delft University of Technology（代尔夫特理工大学） ； Delft Center for Systems and Control（代尔夫特系统与控制中心） 纠错

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

AI总结 本研究针对带松弛系绳的移动机器人，提出一种含三步流程的运动规划算法，可生成动态可行的无纠缠轨迹，经仿真验证能实现更安全可靠的导航。

Comments 19 pages, 13 figures

How Roadside Units Enhance Intersection Safety? Cooperative Autonomous Driving System Design and A Proof of Concept

路侧单元如何提升交叉口安全性？协作自动驾驶系统设计与概念验证

Taoyuan Yu, Kui Wang, Zongdian Li, Tao Yu, Walid Saad, Kei Sakaguchi

专题命中 规划控制 ：autonomous driving(title)

AI总结 本文提出基于RSU的V2I2V协作自动驾驶系统，结合全局与局部DT及HRL框架，经仿真与PoC试验验证，可提升智能交叉口的安全性与交通效率。

Beyond the Plane: Coupling Planar Vehicle Dynamics with Three-Dimensional Road Geometry

超越平面：平面车辆动力学与三维道路几何的耦合

Simon Sagmeister, Phillip Pitschi, Nico Haja, Markus Lienkamp

机构 * Technical University of Munich（慕尼黑工业大学） ； School of Engineering & Design（工程与设计学院） 纠错

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

AI总结 本文提出将平面车辆动力学模型与三维道路几何耦合的新方法，通过转换车辆状态、计算道路诱导力验证其在赛车场及合成赛道的准确性，开源实现以弥合平面仿真与真实三维道路的差距。

Indirect Geoeconomic Influence: A Switching Dynamical Systems Framework for Mechanism Design

间接地缘经济影响：一种用于机制设计的切换动力系统框架

Nikolos Gurney, Boxi Fu, Soham Hans, Volkan Ustun

专题命中 规划控制 ：occupancy(abstract)

AI总结 该研究提出切换动力系统框架分析间接地缘经济影响，通过操控政权过渡核设计机制，经模拟和盲审验证其用于生成高性能地缘经济影响机制的可行性。

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

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

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

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。

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。