自动驾驶

Learn for Variation: Efficient AAV Trajectory Learning through a Differentiable Wireless World Model

为变化学习：在可微环境中变分引导的AAV轨迹学习

Xiucheng Wang, Zhenye Chen, Nan Cheng, Zhisheng Yin, Xuemin Shen

机构 * State Key Laboratory of ISN and School of Telecommunications Engineering, Xidian University（信息与通信工程国家重点实验室和西安电子科技大学电信工程学院） ； School of Aerospace Science and Technology, Xidian University（航天学院） ； Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系） 纠错

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

AI总结 本文提出L4V框架，通过变分引导解决AAV轨迹规划中的奖励驱动强化学习问题，利用密集政策梯度提升任务完成效率和传输速率。

DA-WAM: Decision-Aligned Future Latents for Driving World Models

DA-WAM：面向驾驶世界模型的决策对齐未来潜变量

Ruiguo Zhong, Benshan Ma, Xiaolong Chen, Lang Zhang, Mingyue Feng, Yaonong Wang, Pei Liu, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Leapmotor（零跑汽车） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.RO、cs.AI

AI总结 DA-WAM 是统一预测表示学习等模块的驾驶世界模型框架，通过动作条件未来潜变量实现决策对齐，在 NAVSIM 数据集上达到最优性能，验证了关键组件的有效性。

Bayesian inference on beta diversity via feature allocation models with imperfect detection

基于含不完美检测的特征分配模型的贝塔多样性贝叶斯推断

Federica Stolf, Tommaso Rigon, David B. Dunson

专题命中 BEV与占用 ：occupancy(summary_cn,abstract)

AI总结 针对含不完美检测的物种出现数据，提出结合潜在特征分配模型与基于 occupancy 的检测机制的贝叶斯特征分配模型，实现贝塔多样性的有效推断，模拟与真菌数据应用验证其性能提升。

Comparison of Silvaco and Synopsys TCAD Predictions Including the Perugia Radiation Damage Model in Silicon Pixel Detectors for the HL-LHC

硅像素探测器中Silvaco与Synopsys TCAD预测的比较，包含Perugia辐射损伤模型

M. Bomben, T. Croci, K. Aouadj, A. Fondacci, F. Moscatelli, A. Morozzi, D. Passeri

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究比较了Silvaco和Synopsys TCAD在包含Perugia辐射损伤模型下的预测，评估辐射对硅像素探测器中电荷收集性能、漏电流和击穿电压的影响，以优化运行条件和跟踪算法的鲁棒性。

Comments 8 pages, 7 figures, prepared for the proceedings of 21st Workshop on Advanced Silicon Radiation Detectors 17-19 February 2026 Perugia, Italy

Thermodynamically Consistent Coarse-graining: from Interacting Particles to Fields via Second Quantization

热力学一致的粗化：通过二次量子化从相互作用粒子到场

Atul Tanaji Mohite, Heiko Rieger

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究通过二次量子化方法，提出了一种热力学一致的粗化框架，用于分析相互作用粒子系统中的相变行为，揭示了噪声效应在不同密度区域中的不同作用。

UAV-Based Infrastructure Inspections: A Literature Review and Proposed Framework for AEC+FM

基于无人机的基础设施检查：面向AEC+FM的文献综述与提出框架

Amir Farzin Nikkhah, Dong Chen, Bradford Campbell, Somayeh Asadi, Arsalan Heydarian

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

AI总结 本文综述了无人机在基础设施检查中的应用，提出框架整合多模态数据与Transformer架构，以提高检测准确性和可靠性，未来研究方向包括轻量级AI模型和合成数据集。

Comments Accepted for publication in the Proceedings of the International Conference on Computing in Civil Engineering (i3CE 2025)

A quantum mechanical analysis of the coherence de Broglie wavelength for superresolution and enhanced sensitivity in a coupled interferometer scheme

关于超分辨率和灵敏度增强的耦合干涉仪方案中的德布罗意相干波长量子力学分析

B. S. Ham

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 本文提出了一种基于反称耦合马赫-曾德干涉仪的量子力学分析，用于实现无损耗传感的超分辨率和增强灵敏度。

Comments 8 pages, 2 figures

TestifAI: Tomography-Based Testing for Deep Learning Systems

TestifAI：基于层析成像的深度学习系统测试方法

Arooj Arif, Tobias Hartung, Elena Botoeva, Alexandros Koliousis

机构 * Northeastern University London（伦敦东北大学） ； University of Kent（肯特大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.AI

AI总结 TestifAI是一种深度学习测试框架，通过部分模型层析成像从低阶扰动观测预测高阶扰动测试结果，可高效准确估计多扰动下的模型鲁棒性，减少60-80%的推理量且总误差低于7%。