自动驾驶

Diffusion-based Galaxy Simulations for the Roman High Latitude Survey

基于扩散的星系模拟用于罗马高纬度调查

Diana Scognamiglio, Jake H. Lee, Eric Huff, Sergi R. Hildebrandt, Shoubaneh Hemmati

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种基于扩散的星系图像模拟方法，用于罗马高纬度调查的弱透镜分析，通过训练去噪扩散概率模型生成多波段星系图像，验证其在弱透镜校准中的有效性。

Comments 15 pages, 8 Figure, accepted for publication in ApJ

Journal ref ApJ 1003 (2026) 42

Ergodic Trajectory Design by Learned Pushforward Maps: Provable Coverage via Conditional Flow Matching

通过学习的推前映射进行遍历轨迹设计：通过条件流匹配实现可证明的覆盖

Ehsan Aghazadeh, Masoud Malekzadeh, Ahmad Ghasemi, Hossein Pishro-Nik

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出了一种epushforward框架，通过条件流匹配学习映射，将潜在轨迹分布转换为目标密度，实现轨迹的可证明覆盖，同时支持多智能体和不同约束条件。

Empirical confirmation of bosonic wealth statistics in Bitcoin UTXOs

玻色统计在比特币UTXO中的实证确认

Chanhee Park, Claudio J. Tessone, Yu Zhang, Jeong-Hyuck Park

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究通过比特币区块链数据验证了玻色统计在UTXO财富分布中的适用性，构建了一种几何分布模型，展示了其在财富持有和时间演变中的有效性，且参数一致性测试通过。

Comments 19 pages, 7 figures, 2 tables. Supplementary Information (38 pages) provided as ancillary file. Code: https://github.com/Jeong24th/bosonic-wealth-bitcoin

Time-Resolved Pore-Scale Imaging of Multiphase Dissolution during CO2-Saturated Brine Injection into a Carbonate: Competition between Hydrocarbon Mobilisation and Swelling

多相溶解过程的时域孔隙尺度成像：在二氧化碳饱和卤水注入碳酸盐中的竞争：烃类物质迁移与膨胀

Qianqian Ma, Rukuan Chai, Zhuangzhuang Ma, Yanghua Wang, Martin J. Blunt, Branko Bijeljic

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究通过时域孔隙尺度实验，探讨二氧化碳饱和卤水注入含残余烃类的碳酸盐岩中多相溶解过程，揭示烃类迁移与膨胀的竞争机制对流体输运的影响。

Comments 27 pages, 11 figures

Integrating the Expected Future in Load Forecasts with Contextually Enhanced Transformer Models

将预期未来整合到负载预测中：基于上下文增强的Transformer模型

Raffael Theiler, Leandro Von Krannichfeldt, Giovanni Sansavini, Michael F. Howland, Olga Fink

机构 * Intelligent Maintenance and Operations Systems (IMOS)（智能维护与运营系统） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校） ； Department of Mechanical and Process Engineering（机械与过程工程系） ； Eidgenössische Technische Hochschule (ETH)（瑞士联邦理工学院（ETH）） ； Department of Civil and Environmental Engineering（土木与环境工程系） ； Massachusetts Institute of Technology (MIT)（麻省理工学院） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种结合预测与回归的任务，通过上下文增强的Transformer模型提升能源预测准确性，通过铁路和建筑能耗案例验证了方法的有效性，显著降低预测误差。

Comments 39 pages, 8 figures and tables, journal paper

Data-driven moving-window Bayesian inference for transient CO2-temperature network models of buildings

数据驱动的滑动窗口贝叶斯推断用于建筑 transient CO2-温度网络模型

Zhijian Wang, Stein K. F. Stoter, Clemens V. Verhoosel, Idoia Cortes Garcia

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种将多区质量传输与热动力学通过共享潜在驱动因素、空气流动和占用情况联系起来的 CO2-温度网络模型，通过滑动窗口贝叶斯推断联合估计热参数、空气流动和占用轨迹，提供房间特定的传感器噪声水平，实现后验预测预测。

The Value of Mechanistic Priors in Sequential Decision Making

在序列决策中机制先验的价值

Itai Shufaro, Gal Benor, Shie Mannor

机构 * Technion（技术学院） ； NVIDIA Research（NVIDIA研究） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文研究了机制先验在序列决策中的价值，通过渐近和预热阶段的分析，提出机制信息度量并展示其在5-FU给药模拟中的高效性，对比LLM先验发现其在机械信息上存在严重损失。

A Gauss-Newton-Induced Structure-Exploiting Algorithm for Differentiable Optimal Control

一种基于Gauss-Newton诱导的结构利用算法用于可微最优控制

Yuankun Chen, Zifei Nie, Xun Gong, Yunfeng Hu, Hong Chen

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

AI总结 本文提出FastDOC算法，利用Gauss-Newton近似和矩阵结构特性，提升可微最优控制的计算效率，实验证明在自动驾驶任务中具有显著优势。

Comments Accepted for publication at 2026 IFAC World Congress, Busan

A Single Deep Preference-Conditioned Policy for Learning Pareto Coverage Sets

一种单个深度偏好条件政策用于学习帕累托覆盖集

Akihiro Kubo, Kosuke Nakanishi, Shin Ishii

机构 * International Research Center for Neurointelligence, The University of Tokyo（国际神经智能研究中心，东京大学） ； ATR Neural Information Analysis Laboratories（ATR神经信息分析实验室） ； Department of Information Science, Kyoto University（京都大学信息科学系） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文研究了基于偏好条件的多目标强化学习，通过平滑Tchebycheff标量化方法证明了偏好与帕累托最优回报向量的唯一性和连续性，并提出CMDPI算法实现O(1/k)的收敛速度。

Global Optimality for Constrained Exploration via Penalty Regularization

通过惩罚正则化实现约束探索的全局最优性

Florian Wolf, Ilyas Fatkhullin, Niao He

机构 * Florian Wolf: , Ilyas Fatkhullin: , Niao He: 1The Computing \& Mathematical Sciences Department, California Institute of Technology, Pasadena, CA. 2Department of Computer Science, ETH Zurich, Switzerland. 3ETH AI Center, ETH Zurich, Switzerland. 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出Policy Gradient Penalty方法，通过二次惩罚正则化解决约束下的探索问题，实现全局收敛性和近优策略。

Optimal-Control Suggestion for Congestion on Freeways using Data Assimilation of Distributed Fiber-Optic Sensing

利用分布式光纤传感数据同化实现高速公路拥堵的最优控制建议

Yoshiyuki Yajima, Hemant Prasad, Daisuke Ikefuji, Takemasa Suzuki, Shin Tominaga, Hitoshi Sakurai, Manabu Otani

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出利用分布式光纤传感数据同化实现高速公路拥堵的最优控制方法，通过多目标优化实时监控数据，提升通行能力和缓解拥堵，验证了变量速度限制和流入控制在不同交通状态下的效果。

Comments 21 pages, 13 figures, presented in the Transportation Research Board 105th Annual Meeting 2026

Rethinking Trust Region Bayesian Optimization in High Dimensions

重新思考高维中的信任区域贝叶斯优化

Wei-Ting Tang, Joel A. Paulson

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本文提出AdaScale-TuRBO方法，通过动态调整GP长度尺度以解决高维优化中局部GP模型退化问题，提升性能。

Enabling Mixed criticality applications for the Versal AI-Engines

使Versal AI-Engines支持混合关键性应用

Vincent Sprave, Martin Wilhelm, Daniele Passaretti, Alberto Garcia-Ortiz, Thilo Pionteck

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

AI总结 本文提出动态任务调度架构，使Versal AI-Engines在运行时支持不同关键性任务的动态分配，通过并行处理能力提升混合关键性系统性能，降低延迟并提高吞吐量。

Policy Optimization for Unknown Systems using Differentiable Model Predictive Control

使用可微模型预测控制的未知系统策略优化

Riccardo Zuliani, Efe C. Balta, John Lygeros

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

AI总结 本文提出结合可微优化与零阶优化的新型策略优化框架，用于未知系统中的MPC策略优化，提升瞬态性能并保持收敛性。

Sub-additive service curves in the Network Calculus analysis

网络计算分析中的亚加性服务曲线

Anne Bouillard

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文探讨了网络计算分析中亚加性函数的应用，指出传统方法在反馈控制系统中仍可行，并纠正了Hamscher等人论文中的不严谨之处。

Comments 28 pages

Modeling the Impact of Communication and Human Uncertainties on Runway Capacity in Terminal Airspace

通信与人为不确定性对终端空域跑道容量影响的建模

Yutian Pang, Andrew Kendall, John-Paul Clarke

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文通过蒙特卡洛离散时间仿真研究通信和人为不确定性对跑道容量的影响，提出自动化最终进近引导模型，并验证通信不确定性对当前语音操作的影响。

Solving Stochastic Constraints by Oracle-based Gradient Descent and Interval Arithmetic

通过基于Oracle的梯度下降和区间算术解决随机约束

Xiakun Li, Hao Wu, Bican Xia, Tengshun Yang, Naijun Zhan

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

AI总结 本文提出一种新框架，通过结合随机优化与符号技术，利用基于Oracle的随机梯度下降寻找高质量参数候选，结合区间算术计算严格认证的下界，以解决随机约束问题。

Chance-Constrained Neural MPC under Uncontrollable Agents via Sequential Convex Programming

在不可控代理下通过序列凸编程实现机会约束神经MPC

Shuqi Wang, Mingyang Feng, Yu Chen, Yue Gao, Xiang Yin

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

AI总结 本文提出一种神经MPC框架，通过学习离线数据预测不可控代理轨迹，并采用区域鲁棒符合预测方案构建时间依赖性不确定性界，以确保预测误差的正式概率保证，实验表明该方法在自动驾驶场景中安全性和效率优于基线方法。

Comments Extended version of a paper accepted to the 23rd IFAC World Congress 2026, Busan, Korea, under the journal publication option

Two-Layer Reinforcement Learning-Assisted Joint Beamforming and Trajectory Optimization for Multi-UAV Downlink Communications

双层强化学习辅助多无人机下行通信中的联合波束成形与轨迹优化

Ruiqi Wang, Essra M. Ghoura, Omar Alhussein, Yuzhi Yang, Jing Ren, Shizhong Xu, Sami Muhaidat

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

AI总结 本文提出双层框架，结合图神经网络与多智能体强化学习，解决无人机波束成形与轨迹优化问题，提升系统速率和收敛速度。

A Two-Timescale Primal-Dual Framework for Reinforcement Learning via Online Dual Variable Guidance

一种用于强化学习的双时间尺度对偶框架：通过在线对偶变量引导

Axel Friedrich Wolter, Tobias Sutter

机构 * Department of Computer Science University of Konstanz（康斯坦茨大学计算机科学系） ； Department of Economics University of St.Gallen（圣加尔登大学经济学系） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出PGDA-RL算法，结合正则化线性规划与随机逼近理论，解决正则化马尔可夫决策过程，实现双时间尺度分解与在线策略更新，证明其收敛性与有限时间保证。

Comments 68 pages, 1 figure; 2nd Revised version with additional corollary

Neural Processes Maintain Calibrated Biomass Estimates Across Spatiotemporal Gaps and Disturbance

神经过程在时空间隙和扰动中保持校准的生物量估计

Robin Young, Srinivasan Keshav

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)

AI总结 本文提出神经过程框架用于时空稀疏数据下的生物量估计，通过空间-时间对称建模实现校准的不确定性预测，适用于森林碳核算的MRV应用。

Hierarchical Flow Decomposition for Turning Movement Prediction at Signalized Intersections

用于信号灯交叉口转向预测的分层流量分解

Md Atiqur Rahman Mallick, Kamrul Hasan, Pulock Das, Liang Hong, S M Shazzad Rassel

专题命中 规划控制 ：LiDAR(abstract)

AI总结 本文提出HFD-TM框架，通过预测走廊通行流量再扩展至个体转向流，降低转向流量预测误差，实验显示其在实时交通应用中具有优势。

Comments Accepted to IEEE SoutheastCon 2026. 6 pages, 5 figures

Integrating Domain-Specialized Language Models with AI Measurement Tools for Deterministic Atomic-Resolution Experimentation

将领域专用语言模型与AI测量工具整合用于确定性原子分辨率实验

Zhuo Diao, Kouma Matsumoto, Linfeng Hou, Masahiro Ohara, Hayato Yamashita, Masayuki Abe

专题命中 规划控制 ：self-driving(abstract)

AI总结 本文提出一种框架，通过专门的小语言模型实现扫描探针显微镜的自主控制，结合AI驱动的测量工具，实现室温下的原子分辨率SPM实验，提升实验可靠性和可控性。

Robust Multi-Agent Safety via Tube-Based Tightened Exponential Barrier Functions

通过管状紧缩指数屏障函数实现多智能体系统鲁棒安全性

Armel Koulong, Ali Pakniyat

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

AI总结 本文提出一种构造性框架，用于合成非线性多智能体系统在有界扰动下的可证明安全控制器。核心贡献是通过约束紧缩方法将鲁棒误差反馈与名义轨迹规划相结合，利用RPI管的几何特性推导状态依赖的安全余量，从而保证轨迹安全性。

Comments Joint submission to IFAC World Congress 2026 and NAHS journal (Reference: NAHS_101717). Accepted for NAHS journal; under review by World Congress

Inferring Occluded Agent Behavior in Dynamic Games from Noise Corrupted Observations

从噪声受损观测中推断动态博弈中被遮挡行为

Tianyu Qiu, David Fridovich-Keil

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

AI总结 本文提出一种考虑遮挡的博弈推理方法，用于估计可能被遮挡的智能体位置，并推断可见和被遮挡智能体的意图，同时验证了在噪声观测下的导航安全性。

Asymptotically Optimal Policies for Weakly Coupled Markov Decision Processes

弱耦合马尔可夫决策过程的渐近最优策略

Diego Goldsztajn, Konstantin Avrachenkov

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文研究了通过n个弱耦合马尔可夫决策过程在无限时间范围内最大化期望平均奖励的问题，提出了一种将问题与确定性连续变量控制问题联系起来的方法，并给出了在n趋于无穷时实现最大期望平均奖励的策略构造方法。

Comments Accepted at the Journal of Applied Probability, 40 pages, 4 figures

Integrating Macrostate Probability Distributions with Swing Adsorption Modeling for Binary/Ternary Gas Separation

将宏观态概率分布与摆动吸附建模相结合用于二元/三元气体分离

Sunghyun Yoon, Jui Tu, Li-Chiang Lin, Yongchul G. Chung

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种结合宏观态概率分布与循环过程优化的建模框架，用于高效预测多组分吸附平衡，提升气体分离过程的设计效率。

Collision Avoidance Control for a Two-wheeled Vehicle under Stochastic Vibration using an Almost Sure Control Barrier Function

在随机振动下使用几乎确定控制障碍函数的双轮车避障控制

Taichi Arimura, Yuki Nishimura, Taichi Ikezaki, Daisuke Tabuchi

专题命中 规划控制 ：LiDAR(abstract)

AI总结 本文提出基于随机控制障碍函数的双轮车避障控制方法，通过实验验证在随机振动环境下实现碰撞避免的安全性。

Energy Efficient Orchestration in Multiple-Access Vehicular Aerial-Terrestrial 6G Networks

多接入车载天地6G网络中的能效编排

Mohammad Farhoudi, Hamidreza Mazandarani, Masoud Shokrnezhad, Tarik Taleb, Ignacio Lacalle

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

AI总结 本文提出一种新型框架，整合无人机轨迹规划、多接入控制和服务放置，以实现高效能服务覆盖和超低延迟通信，解决动态车载环境中的干扰、资源稀缺和移动性挑战。

Hierarchical Control Framework Integrating LLMs with RL for Decarbonized HVAC Operation

分层控制框架：整合大语言模型与强化学习用于去碳化暖通空调操作

Dianyu Zhong, Tian Xing, Kailai Sun, Xu Yang, Heye Huang, Irfan Qaisar, Tinggang Jia, Shaobo Wang, Qianchuan Zhao

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种分层控制框架，结合大语言模型与强化学习，通过生成状态依赖的可行动作掩码，优化多区暖通空调系统的去碳化操作，提升探索效率和训练稳定性。