自动驾驶

Can Attribution Predict Risk? From Multi-View Attribution to Planning Risk Signals in End-to-End Autonomous Driving

属性能否预测风险？从多视图属性到端到端自动驾驶中的规划风险信号

Le Yang, Haijun Liu, Jiawei Liang, ShangQuan Sun, Xiaochun Cao

机构 * Sun Yat-sen University（中山大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出了一种层次化属性框架，用于端到端规划中的风险预测，通过提取三种属性统计作为预测信号，提升了对轨迹误差和碰撞检测的预测能力。

PersonaDrive: Controllable Trajectory Prediction with Multi-Dimensional Driving Personas

PersonaDrive：基于多维驾驶 personas 的可控轨迹预测

Chan Lee, Kimin Yun, Yuseok Bae, Seong Tae Kim, Jung Uk Kim

机构 * Kyung Hee University（庆熙大学） ； ETRI（韩国电子通信研究院） 纠错

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

AI总结 针对现有轨迹预测方法可控性不足的问题，提出 PCT 数据集与 PersonaDrive 框架，通过多轴设计实现可控轨迹生成，性能优于基线。

Comments Accepted to ECCV 2026

Robot-Body-Aware Traversal Risk Graph Planning for Wheeled-Legged Robots in Complex Terrain

面向复杂地形中轮腿式机器人的机器人本体感知遍历风险图规划

Zhiqiao Guo, Bichi Zhang, Sören Schwertfeger

机构 * ShanghaiTech University（上海科技大学） ； Key Laboratory of Intelligent Perception and Human-Machine Collaboration（智能感知与人机协同重点实验室） 纠错

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

AI总结 该研究针对轮腿式机器人复杂地形导航的TRG规划缺陷，提出RB-TRG方法，提升了导航成功率，获IEEE ICRA 2026挑战赛奖项，代码已开源。

Marker-Constrained Pose-Graph Correction for Cross-Platform Georeferencing in GNSS-Denied Environments

GNSS拒止环境下跨平台地理配准的标记约束位姿图校正

Marco Giberna, Jose Luis Sanchez Lopez, Holger Voos

机构 * University of Luxembourg（卢森堡大学） ； Interdisciplinary Centre for Security, Reliability and Trust (SnT)（安全、可靠性与信任跨学科中心（SnT）） ； Faculty of Science, Technology and Medicine, University of Luxembourg（卢森堡大学科学、技术与医学院） 纠错

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

AI总结 该研究提出基于胆固醇球形反射器伪装标记的框架，通过标记约束位姿图优化实现 GNSS 拒止环境下跨平台地理配准，大幅降低轨迹漂移，提升重建一致性。

Comments 14 pages, 5 figures, 5 tables, submitted to SPIE Security + Defence conference

Spatial Attention Noise Masking for Causally Sufficient Interpretability

用于因果充分可解释性的空间注意力噪声掩码

Benjamin Formby, Kuang-Ching Wang, D Hudson Smith

机构 * Clemson University（克莱姆森大学） ； Binghamton University（宾汉姆顿大学） 纠错

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

AI总结 本研究提出空间注意力噪声掩码框架，结合UNet风格掩码生成器与Resnet18编码器等，实现计算机视觉模型的因果充分可解释性，在五项分类任务中兼具掩码忠实性、分类性能与分布偏移鲁棒性。

Efficient Block-Layer Parallel Inference for Vision-Language-Action on Hybrid Architectures

面向混合架构的视觉-语言-动作（VLA）高效块级并行推理

Haibo HU, Lianming Huang, Qiao Li, Nan Guan, Chun Jason Xue

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

AI总结 该研究针对VLA模型部署于车载平台的延迟与内存压力问题，提出混合CPU-GPU推理框架，通过块级划分实现资源调度，在Bench2Drive数据集及实车部署中均取得性能提升。

Hybrid System Planning using a Mixed-Integer ADMM Heuristic and Hybrid Zonotopes

混合系统规划使用混合整数ADMM启发式方法和混合聚束体

Joshua A. Robbins, Andrew F. Thompson, Jonah J. Glunt, Herschel C. Pangborn

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

AI总结 本文提出了一种混合系统规划框架，结合混合聚束体与ADMM启发式方法，以提高混合系统规划的效率和收敛速度。

Learning Sequential Mobility Choice: A Review of Route and Activity Choice through Inverse Reinforcement and Imitation Learning

学习序列出行选择：基于逆强化学习与模仿学习的路径与活动选择综述

Tien Mai

专题命中 规划控制 ：occupancy(abstract)

AI总结 本综述构建了将交通选择建模与IRL、IL结合的统一框架，综述多种相关学习方法，提出嵌入行为约束的混合模型可提升出行选择预测性能。

A Deep Learning Model for Spatially Clustered Data via Differentiable Cluster Assignment

基于可微聚类分配的空间聚类数据深度学习模型

Kexuan Li, Weidong Ma

专题命中 规划控制 ：occupancy(abstract)

AI总结 该研究针对空间域划分未知且响应与协变量关联随划分变化的非参数回归问题，提出联合学习划分与聚类回归函数的深度学习模型，经模拟和真实数据验证了其有效性。

KC-BFPRL: Knowledge-Guided Multi-UAV Collaboration for Grassland Restoration via Bilevel Formerpointer-Based Reinforcement Learning

KC-BFPRL：基于知识引导的多无人机草原修复协作方法——通过 bilevel Formerpointer 强化学习实现

Dongbin Jiao, Xianyi Wang, Yuchen Yuan, Weibo Yang, Peng Yang, Peng Zhao, Zhanhuan Shang, Shi Yan

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 KC-BFPRL 是一种知识引导的 bilevel Formerpointer 强化学习框架，可解决多无人机草原修复的 RAMP 问题，性能优于现有方法，适用于大规模自动化生态修复。