自动驾驶

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。