自动驾驶

Plug-and-Play Traffic Element Awareness for End-to-End Autonomous Driving

用于端到端自动驾驶的即插即用交通元素感知

Zongzheng Zhang, Jijun Wang, Saining Zhang, Shuo Wang, Yiru Wang, Hai Yang, Yang Chen, Yuwen Heng, Hao Sun, Anqing Jiang, Hao Zhao

机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Bosch Corporate Research（博世企业研究中心） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；end-to-end driving(abstract)；分类 cs.CV

AI总结 该研究首次系统探究端到端自动驾驶的交通元素感知，通过补充标注构建统一基础设施，以即插即用方式集成信号，在多范式多数据集上提升性能，在NAVSIM-v2上达到新SOTA。

Comments Accepted by ECCV 2026; Project Page: this https URL (https://zzongzheng0918.github.io/TE-Aware-E2E-AD/)

Multi-Observer Vehicle Localization Case Study with Roadside Radar and Connected Vehicle Sensing

基于路侧雷达与网联车辆感知的多观测器车辆定位案例研究

Aleksi Pippuri, Nilusha Jayawickrama, Risto Ojala

机构 * Aalto University（阿尔托大学） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出融合路侧雷达与网联车辆感知的多观测器车辆定位框架，经实测数据验证，其性能受场景影响，AEKF可小幅优于仅用LiDAR的基线，相关成果与代码已开源。

Comments 12 pages, 7 figures and 8 tables

WAM-Diff2: Hierarchical AR-to-Diffusion Distillation for Highly Efficient Autonomous Driving VLA

WAM-Diff2：面向高效自动驾驶视觉-语言-动作（VLA）的分层自回归到扩散蒸馏

Zhihao Zhu, Hanlin Shang, Mingwang Xu, Feipeng Cai, Zhuolin He, Yaoyi Li, Jianhua Han, Hang Xu, Siyu Zhu

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

AI总结 WAM-Diff2通过三阶段分层蒸馏策略，将预训练自回归VLA模型转化为高效扩散模型，缓解暴露偏差、实现与基线相当性能，解码速度提升2.8倍，结合系统级优化后达15.1倍加速。

Multi-Scale Spectral Attention Module-based Hyperspectral Segmentation in Autonomous Driving Scenarios

基于多尺度光谱注意力模块的自动驾驶场景高光谱分割

Imad Ali Shah, Jiarong Li, Tim Brophy, Martin Glavin, Edward Jones, Enda Ward, Brian Deegan

机构 * School of Engineering, University of Galway, Ireland（Galway大学工程学院，爱尔兰） ； Ryan Institute, University of Galway, Ireland（Galway大学Ryan研究所，爱尔兰） ； Valeo Vision Systems, Tuam, Ireland（爱尔兰Tuam市Valeo Vision Systems公司） 纠错

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

AI总结 本文提出多尺度注意力机制提升高光谱图像分割性能，通过不同核尺寸的1D卷积和自适应特征聚合，在多个城市驾驶场景数据集中提升mIoU和mF1指标，证明了最优核组合的dataset特异性。

Comments Under review-and-revisions

Mask What Matters: Saliency-Guided Video Self-Supervised Learning for Autonomous Driving

屏蔽关键内容：面向自动驾驶的显著性引导视频自监督学习

Christopher Lang, Alexander Braun, Abhinav Valada

机构 * Robert Bosch GmbH（罗伯特·博世有限公司） ； University of Freiburg（弗赖堡大学） 纠错

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

AI总结 针对现有视频自监督学习随机掩码削弱自动驾驶安全关键线索的问题，提出 V-JEPA4A 模型，采用显著性驱动掩码策略，在四个驾驶基准上取得优于 V-JEPA 的性能，仅增加少量预训练开销。

Comments Accepted at GCPR 2026. The final publication will be available through Springer

HMS-SCP: Task-Oriented Multi-Scale Semantic Communication for V2X Cooperative Perception

通过语义感知协同感知扩展智能交通系统的安全 horizon

Chun-Yeow Yeoh, Chee Keong Tan, Joanne Mun-Yee Lim, Heng-Siong Lim

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

AI总结 本文提出 HMS-SCP 框架，通过多尺度语义冗余与 JSCC 编码实现带宽效率与鲁棒性的平衡，在 V2X 环境中保障安全关键型协同感知的性能。

Comments 15 pages, 7 figures, 6 tables, Submitted to IEEE Transactions on Vehicular Technology (TVT)

Visual Prompting for Robotic Manipulation with Annotation-Guided Pick-and-Place Using ACT

面向机器人操作的视觉提示：采用带标注引导的拾取与放置方法，基于ACT算法

Muhammad A. Muttaqien, Tomohiro Motoda, Ryo Hanai, Yukiyasu Domae

机构 * Embodied AI Research Team（具身人工智能研究团队） ； National Institute of AIST（国家信息与系统技术研究所） 纠错

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

AI总结 针对便利店机器人拾取放置任务的挑战，提出带标注引导视觉提示的感知-行动流水线，采用ACT算法实现自适应操作，提升了零售环境下的抓取精度与适应性。

Planning-aligned Token Compression for Long-Context Autonomous Driving

面向长上下文自动驾驶的规划对齐令牌压缩

Zhixuan Liang, Yuxiao Chen, Yurong You, Peter Karkus, Wenhao Ding, Boyi Li, Alexander Popov, Yan Wang, Maximilian Igl, Yiming Li, Danfei Xu, Nikolai Smolyanskiy, Boris Ivanovic, Ping Luo, Marco Pavone

机构 * NVIDIA Research（NVIDIA研究） ； School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） 纠错

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

AI总结 提出COMPACT-VA框架，基于条件VQ-VAE将长上下文压缩为有界表示，通过规划对齐实现决策关键信息保留，在动态场景中成功率提升超6%，速度提升3.3倍。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L) 2026. 8 pages

ControlledShifts: Towards Standardizing Robustness Evaluation in Trajectory Prediction Under Distribution Shifts

ControlledShifts：面向分布偏移下轨迹预测鲁棒性评估的标准化

Ingrid navarro, Pablo Ortega-Kral, Yutong Duan, Jonathan Francis, Jean Oh

机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； Lavoro AI（拉沃罗人工智能公司） ； Stack AV（斯塔克自动驾驶公司） ； Bosch Center for Artificial Intelligence（博世人工智能中心） 纠错

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

AI总结 本文提出ControlledShifts框架与基准套件，通过标准化划分轨迹数据集及统一鲁棒性评分，评估不同容量Transformer架构在分布偏移下轨迹预测的鲁棒性，揭示其处理潜在相关性与环境结构的差异。

Comments 8 pages, 8 figures, 1 table

Stability Control for Real World Testing in Autonomous Racing

自主赛车真实场景测试中的稳定性控制

Phillip Pitschi, Simon Sagmeister, Frederik Werner, Markus Lienkamp, Boris Lohmann

机构 * Technical University of Munich（慕尼黑工业大学） 纠错

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

AI总结 针对自主赛车无安全驾驶员、车辆易失稳的问题，提出含ESC、SC、CS的稳定性控制系统，经仿真与实车验证可维持稳定、扩展可运行区域，且提供开源实现。

Comments Accepted at IEEE ITSC 2026

Beyond the Trace: Coupling an Interpretable Reasoning-State Readout to Native MoE Routing

超越轨迹：将可解释推理状态读出与原生MoE路由耦合

Kang Chen, Sihan Zhao, Yixin Cao, Yugang Jiang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本研究提出将可解释推理状态读出J64与原生MoE路由耦合的两级机制，提升推理过程可解释性与性能，R64作为低开销代理可保留其核心增益，还能优化分支选择与投票策略、调整推理行为。

Domain-Adapted Molecular Language Models for Efficient Search of Make-on-Demand Libraries

用于按需构建库高效搜索的领域适配分子语言模型

Henrik Wille, Luis-Finley Schütz, Felix Strieth-Kalthoff

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

AI总结 该研究通过在6个虚拟分子库上对4种分子语言模型进行基准测试，发现显式领域适配可提升分子表示性能，适配后的编码器在基准任务中表现最佳，为虚拟筛选等领域提供了样本高效的自适应决策策略。

UniReflex: Plug-and-Play Force Control for Pretrained Generative Policies via Fast-Slow Reflex

UniReflex：基于快慢反射的预训练生成策略的即插即用力控制

Yan Huang, Shoujie Li, Ziwu Song, Wenbo Ding

机构 * Tsinghua University（清华大学） ； Shenzhen International Graduate School（深圳国际研究生院） ； Nanyang Technological University（南洋理工大学） ； X Square Robot（X Square机器人公司） ； Xspark AI（Xspark人工智能公司） 纠错

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

AI总结 UniReflex是一种即插即用框架，通过快速反射网络和解耦的可变阻抗控制，为冻结的生成策略提升接触稳定性与成功率，同时保留位置精度且延迟大幅降低。

Parallel Branch Model Predictive Control on GPUs

GPU上的并行分支模型预测控制

Luyao Zhang, Chenghuai Lin, Sergio Grammatico

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

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

AI总结 该研究提出基于GPU的分支模型预测控制轨迹规划求解器，结合迭代LQR等方法，开发两种定制内部LQR求解器，在大规模轨迹规划问题上性能优于高性能CPU求解器。

Comments 8 pages, 7 figures

Physics-Grounded Causal Auditing of End-to-End Driving Planners

CADET: 基于物理的因果审计与无训练去混杂的端到端驾驶规划器

Zikun Guo, Minglan Chen, Jinyou Zhai, Rongjin Zou

机构 * School of Electronics Engineering, Kyungpook National University（庆北国立大学电子工程学院） 纠错

专题命中 端到端驾驶 ：end-to-end driving(title)；分类 cs.RO、cs.AI

AI总结 提出CADET框架，无需重新训练即可审计和修复预训练端到端驾驶规划器中的虚假关联，通过物理因果图识别混杂因素并干预测试时输入。

Comments 8pages 4figures

SPVC: Structured and Panoptic Video Fixing for Cross-Dataset Driving Scene Rendering

SPVC：面向跨数据集驾驶场景渲染的结构化全景视频修复

Gen Li, Shu Han, Yun Xi Qiao, Hua Chen, Xuyang Dai, Bohan Li, Hao Zhao, Chaojian Li

机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Zhejiang University（浙江大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Great Wall Motor Company Limited（长城汽车股份有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出SPVC框架，通过结构化、全景、视频及跨数据集修复原则，训练两阶段可控视频扩散模型，解决驾驶场景渲染的伪影问题，实现跨数据集的高效修复。

Comments Project page: this https URL (https://li00147.github.io/SPVC-Project-Page/)

Saturation Equations of State in Critical Gravitational Collapse: The Primordial Black Hole Threshold

临界引力坍缩中的饱和状态方程：原初黑洞阈值

Benaoumeur Bakhti

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 通过广义相对论模拟，研究具有饱和密度的状态方程对原初黑洞形成阈值和临界标度指数的影响，发现阈值增加约0.5%，但临界指数保持不变。

Terrain-Aware Local Path Planning with Global DEM Data Integration for Autonomous UGV Navigation

面向自主无人地面车辆（UGV）导航的融合全球数字高程模型（DEM）数据的地形感知局部路径规划

Devender Singh, Issah Nazif Suleiman, Paul Mitten, Glenn Cutler, Vinicius Prado da Fonseca, Matthew Hamilton

机构 * Memorial University of Newfoundland（纽芬兰纪念大学） ； Compusult Ltd.（康普萨尔特有限公司） 纠错

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

AI总结 本研究针对UGV户外导航中全局地图与实时传感器反馈脱节的问题，提出融合DEM与LiDAR的混合路径规划框架，经仿真验证可提升障碍物规避率、降低平均坡度，为可靠自主导航提供支撑。

Spatially explicit feature importance for building height estimation using research-access high-resolution SAR and optical sensors

利用科研可获取的高分辨率SAR与光学传感器进行建筑高度估计的空间显式特征重要性

Guilherme Iablonovski, Pierre-Louis Frison, Tatiana Silva da Silva

专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)

AI总结 本研究结合TerraSAR-X StripMap、PlanetScope与Sentinel-1数据，采用地理加权随机森林模型，在巴西某大城市实现建筑高度估计，RMSE为5.34m、R²为0.756，揭示了不同建筑类型的特征重要性差异，为相关应用提供了选择指导。

Comments 4 pages, 3 figures, intended for JURSE 2027

Rapid Debris-Volume Estimation from Post-Hurricane Aerial Imagery

飓风后航拍图像的快速 debris 体积估算

Kooshan Amini, Jamie Ellen Padgett, Guha Balakrishnan

机构 * Rice University（莱斯大学） ； Ken Kennedy Institute（肯·肯尼迪研究所） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、eess.IV

AI总结 该研究提出 DebrisHeightNet 网络，利用飓风后单次航拍 RGB 图像，结合 CW-LMF 等技术实现残骸体积快速估算，精度优于传统参数化方法，部署便捷。

Risk-Controllable Multi-View Diffusion for Driving Scenario Generation

可控风险多视角扩散用于驾驶场景生成

Hongyi Lin, Wenxiu Shi, Heye Huang, Dingyi Zhuang, Song Zhang, Yang Liu, Xiaobo Qu, Jinhua Zhao

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

AI总结 RiskMV-DPO通过整合风险水平与物理风险建模，实现可控风险的多视角驾驶场景生成，提升3D检测性能并减少FID，推动安全导向的具身智能发展。

Comments 10 pages, 4 figures; accepted at the CVPR 2026 Workshop on Video Generative Models: Benchmarks and Evaluation (VGBE). Updated to the complete camera-ready version

PowderLine: a programmatic powder diffraction analysis application

PowderLine：一款程序化粉末衍射分析应用程序

Adam A. Corrao, Jennifer A. Perez, John D. Langhout, Megan M. Butal, Thomas A. Caswell, Daniel Olds

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 PowderLine是一款Python应用，将粉末衍射全谱拟合精修封装为声明式配方，适配各类工作流程，解决大规模应用粉末衍射分析需自定义脚本的问题，支持程序化自动化分析。

Comments 11 pages, 3 figures