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

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

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。

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/)

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。

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