自动驾驶

Physical Model Guided Deep Image Deraining

Honghe Zhu, Cong Wang, Yajie Zhang, Zhixun Su, Guohui Zhao

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV、eess.IV

Comments IEEE ICME2020

VisionISP: Repurposing the Image Signal Processor for Computer Vision Applications

Chyuan-Tyng Wu, Leo F. Isikdogan, Sushma Rao, Bhavin Nayak, Timo Gerasimow, Aleksandar Sutic, Liron Ain-kedem, Gilad Michael

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV、eess.IV

Journal ref IEEE International Conference on Image Processing (ICIP), 2019, pp. 4624-4628

Driving Datasets Literature Review

Charles-Éric Noël Laflamme, François Pomerleau, Philippe Giguère

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

Attacking Optical Flow

Anurag Ranjan, Joel Janai, Andreas Geiger, Michael J. Black

专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.CV、eess.IV

Comments ICCV 2019

Car Monitoring System in Apartment Garages by Small Autonomous Car using Deep Learning

Leonardo León, Felipe Moreno-Vera, Renato Castro, José Navío, Marco Capcha

专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.RO、cs.CV

Comments 13 pages, 12 figures, Version 1 accepted in SimBig 2018. Improving to get better results

Utilizing Eye Gaze to Enhance the Generalization of Imitation Networks to Unseen Environments

Congcong Liu, Yuying Chen, Lei Tai, Ming Liu, Bertram Shi

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

Comments 4 pages, 3 figures, accepted by ICML 2019 Workshop on Understanding and Improving Generalization in Deep Learning

Arguing Machines: Human Supervision of Black Box AI Systems That Make Life-Critical Decisions

Lex Fridman, Li Ding, Benedikt Jenik, Bryan Reimer

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

A Minimal Closed-Form Solution for Multi-Perspective Pose Estimation using Points and Lines

Pedro Miraldo, Tiago Dias, Srikumar Ramalingam

专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.RO、cs.CV

Comments 22 pages, 6 figures

Journal ref European Conference on Computer Vision (ECCV), 2018

Sequential Attacks on Agents for Long-Term Adversarial Goals

Edgar Tretschk, Seong Joon Oh, Mario Fritz

专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.CV、cs.AI

Visual Global Localization with a Hybrid WNN-CNN Approach

Avelino Forechi, Thiago Oliveira-Santos, Claudine Badue, Alberto F. De Souza

专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.RO、cs.CV

Comments Accepted by IEEE 2018 International Joint Conference on Neural Networks (IJCNN)

Adaptive Performance Assessment For Drivers Through Behavioral Advantage

Dicong Qiu, Karthik Paga

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

Comments 10 pages, 3 figures. Appeared in the Proceedings of the 1st Hackauton Machine Learning Hackathon (Hackauton 2018), Pittsburgh, United States, 2018. First Place Winner (Fuel Efficiency Problem); Most Innovative Prize

Gradient-free Policy Architecture Search and Adaptation

Sayna Ebrahimi, Anna Rohrbach, Trevor Darrell

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

Comments Accepted in Conference on Robot Learning, 2017

Training a Convolutional Neural Network for Appearance-Invariant Place Recognition

Ruben Gomez-Ojeda, Manuel Lopez-Antequera, Nicolai Petkov, Javier Gonzalez-Jimenez

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

The 1st International Workshop on Disentangled Representation Learning for Controllable Generation (DRL4Real): Methods and Results

Qiuyu Chen, Xin Jin, Yue Song, Xihui Liu, Shuai Yang, Tao Yang, Ziqiang Li, Jianguo Huang, Yuntao Wei, Ba'ao Xie, Nicu Sebe, Wenjun, Zeng, Jooyeol Yun, Davide Abati, Mohamed Omran, Jaegul Choo, Amir Habibian, Auke Wiggers, Masato Kobayashi, Ning Ding, Toru Tamaki, Marzieh Gheisari, Auguste Genovesio, Yuheng Chen, Dingkun Liu, Xinyao Yang, Xinping Xu, Baicheng Chen, Dongrui Wu, Junhao Geng, Lexiang Lv, Jianxin Lin, Hanzhe Liang, Jie Zhou, Xuanxin Chen, Jinbao Wang, Can Gao, Zhangyi Wang, Zongze Li, Bihan Wen, Yixin Gao, Xiaohan Pan, Xin Li, Zhibo Chen, Baorui Peng, Zhongming Chen, Haoran Jin

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

Comments Workshop summary paper for ICCV 2025, 9 accepted papers, 9 figures, IEEE conference format, covers topics including diffusion models, controllable generation, 3D-aware disentanglement, autonomous driving applications, and EEG analysis

Ambiguous Annotations: When is a Pedestrian not a Pedestrian?

Luisa Schwirten, Jannes Scholz, Daniel Kondermann, Janis Keuper

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

Comments Paper accepted at the CVPR 2024 Vision and Language for Autonomous Driving and Robotics Workshop

On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach

Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield

专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.CV；autonomous driving(comments)

Comments CVPR 2018 Workshop on Autonomous Driving. For video, see https://youtu.be/0FPQdVOYoAU

A Robotic Testing Platform for Pipelined Discovery of Resilient Soft Actuators

一种用于流水线发现鲁棒性软执行器的机器人测试平台

Ang Li, Alexander Yin, Alexander White, Sahib Sandhu, Matthew Francoeur, Victor Jimenez-Santiago, Van Remenar, Codrin Tugui, Mihai Duduta

机构 * Department of Mechanical and Industrial Engineering, University of Toronto（多伦多大学机械与工业工程系） ； Institute of Materials Science, University of Connecticut（康涅狄格大学材料科学研究所） ； School of Mechanical, Aerospace, and Manufacturing Engineering, University of Connecticut（康涅狄格大学机械、航空航天与制造工程学院） ； Material Science and Engineering, University of Connecticut（康涅狄格大学材料科学与工程系） ； Inorganic Polymers Department, Petru Poni Institute of Macromolecular Chemistry（彼得·波尼宏分子化学研究所无机聚合物部门） 纠错

专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.RO

AI总结 本文提出了一种机器人测试平台，用于流水线发现鲁棒性软执行器的最优参数组合，显著提升其操作寿命和负载能力。

Toward Trustworthy Autonomous Science: A Two-Year Community Roadmap

迈向可信自主科学：两年社区路线图

Rafael Ferreira da Silva, Milad Abolhasani, Peter Beaucage, Laura Biven, Michael Bussmann, Kyle Chard, Ryan Coffee, Stephen DeWitt, Sagar Dolas, Carrie Eckert, David Elbert, Ian Foster, Tirthankar Ghosal, Anna Giannakou, Tom Gibbs, Leslie Hamilton, Glenn Lockwood, Theresa Mayer, Ben Mintz, Raffi Nazikian, Sal Nimer, Amanda Randles, Woong Shin, Sreenivas Rangan Sukumar, Frédéric Suter, Mitra Taheri, Michela Taufer, Draguna Vrabie

机构 * U.S. Department of Energy, Office of Science, Office of Advanced Scientific Computing Research（美国能源部科学办公室高级科学计算研究办公室） 纠错

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

AI总结 该研究针对自主科学领域发展现状及问题，更新路线图围绕七个维度，评估原有里程碑并新增四个，规划两年发展路径，第一年聚焦接口等搭建验证框架，第二年针对联盟等，强调基层网络的互操作性。

Stealthy Multi-Task Adversarial Attacks

隐蔽的多任务对抗攻击

Jiacheng Guo, Tianyun Zhang, Lei Li, Haochen Yang, Hongkai Yu, Minghai Qin

机构 * Cleveland State University（克利夫兰州立大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Western Digital Research（西部数据研究院） 纠错

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

AI总结 提出SMTA²框架，通过约束多目标优化和自动损失权重调整，实现对多任务模型中特定任务的隐蔽攻击，同时保持非目标任务性能不变。

Efficient 3D Gaussian Splatting with Axis-Shared Rasterization and Order-independent Transmittance

高效3D高斯散射与轴共享光栅化及顺序无关透射率

Zhican Wang, Guanghui He, Lingjun Gao, Dantong Liu, Shell Xu Hu, Chen Zhang, Zhuoran Song, Nicholas Lane, Hongxiang Fan

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Cambridge（剑桥大学） ； Imperial College London（伦敦帝国学院） ； Samsung AI（三星人工智能） 纠错

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

AI总结 本文提出轴共享光栅化和顺序无关透射率方法，提升3D高斯散射在资源受限平台的实时性能，实现1.33至1.88倍的加速。

Comments ISCA 2026

Explaining Failures of Cyber-Physical Systems with Actual Causality

用实际因果性解释信息物理系统的故障

Khen Elimelech, Tom Yaacov, David A. Kelly, Hana Chockler, Moshe Y. Vardi

机构 * Rice University（莱斯大学） 纠错

专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.RO

AI总结 提出利用实际因果性框架解释信息物理系统故障，解决理论空白并给出两种实用算法，在神经网络控制的自动驾驶汽车上验证。

Comments Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

Driving Video Retrieval for Complex Queries with Structured Grounding

面向复杂查询的驾驶视频检索与结构化对齐

Manyi Yao, Sparsh Garg, Christian Shelton, Amit Roy-Chowdhury, Abhishek Aich

机构 * NEC Laboratories, America（美国NEC实验室） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 提出STRIVE-D框架，通过弱监督领域视频校准规则、融合视觉语言与关键词检索信号，在驾驶视频检索中实现高达84%的top-1准确率提升。

Certified Robustness to Data Poisoning in Gradient-Based Training

基于梯度的训练中对数据投毒的认证鲁棒性

Philip Sosnin, Mark N. Müller, Maximilian Baader, Calvin Tsay, Matthew Wicker

机构 * Department of Computing, Imperial College London, United Kingdom（帝国理工学院伦敦分校计算机系） ； Department of Computer Science, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机科学系） ； LogicStar.ai, Switzerland（LogicStar.ai公司） ； The Alan Turing Institute, United Kingdom（艾伦·图灵研究所） 纠错

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

AI总结 提出首个框架，通过凸松弛过度近似参数更新集，为梯度下降训练的模型提供针对无目标、有目标投毒和后门攻击的可证明鲁棒性保证。

Comments 21 pages, 8 figures

On the interaction between Autonomous Mobility-on-Demand systems and the power network: models and coordination algorithms

关于自主出行-on-demand系统与电力网络相互作用：模型和协调算法

Federico Rossi, Ramon Iglesias, Mahnoosh Alizadeh, Marco Pavone

专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.RO

AI总结 本文研究了自主出行-on-demand系统与电力网络的相互作用，提出了一种模型来捕捉两者之间的耦合关系，并通过联合优化算法协调两个系统。

Comments Extended version of the paper presented at Robotics: Science and Systems XIV and accepted by TCNS. In Version 4, the body of the paper is largely rewritten for clarity and consistency, and new numerical simulations are presented. All source code is available (MIT) at https://dx.doi.org/10.5281/zenodo.3241651

On the Interaction between Autonomous Mobility-on-Demand and Public Transportation Systems

自动驾驶出行即服务与公共交通系统的交互

Mauro Salazar, Federico Rossi, Maximilian Schiffer, Christopher H. Onder, Marco Pavone

机构 * Stanford University（斯坦福大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

专题命中 其他自动驾驶 ：self-driving(abstract)；分类 cs.RO

AI总结 本文研究了自动驾驶出行即服务与公共交通系统的耦合模型及协调策略，通过网络流模型最大化社会福利，并设计定价与收费方案实现社会最优，以纽约市为例验证了协同效应。

Comments 9 pages, 8 figures, ITSC 2018

SoC: Semantic Orthogonal Calibration for Test-Time Prompt Tuning

SoC: 测试时提示调优的语义正交校准

Leo Fillioux, Omprakash Chakraborty, Ismail Ben Ayed, Paul-Henry Cournède, Stergios Christodoulidis, Maria Vakalopoulou, Jose Dolz

机构 * MICS, CentraleSupélec, Université Paris-Saclay（MICS，CentraleSupélec，巴黎萨克雷大学） ； LIVIA, ILLS, ÉTS Montréal（LIVIA，ILLs，蒙特利尔ÉTS） 纠错

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

AI总结 针对视觉语言模型测试时提示调优中校准被忽视的问题，提出基于Huber的正则化方法SoC，在保持语义邻近性的同时实现平滑的原型分离，从而改善校准性能并保持判别能力。

Journal ref CVPR 2026

Stabilizing Streaming Video Geometry via Dynamic Feature Normalization

通过动态特征归一化稳定流视频几何

Xiaoyang Lyu, Muxin Liu, Xiaoshan Wu, Ruicheng Wang, Yi-Hua Huang, Yang-Tian Sun, Shaoshuai Shi, Xiaojuan Qi

机构 * The University of Hong Kong（香港大学） ； USTC（中国科学技术大学） ； Voyager Research, Didi Chuxing（滴滴出行 Voyager 研究） 纠错

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

AI总结 针对流式RGB输入中单目几何模型的时间不一致问题（主要表现为尺度-偏移漂移），提出轻量级因果循环模块DyFN，通过动态调制特征统计量实现稳定几何估计，仅微调2%参数即可达到SOTA时间稳定性。

Comments 16 pages, 9 Figures, page: https://shawlyu.github.io/DyFN

Towards Resilient and Autonomous Networks: A BlueSky Vision on AI-Native 6G

迈向稳健和自主的网络：AI原生6G的BlueSky愿景

Liang Wu, Kelly Wan, Mayank Darbari, Liangjie Hong

机构 * Nokia（诺基亚） 纠错

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

AI总结 本文提出了一种AI原生6G的BlueSky愿景，旨在将人工智能原生整合到6G中，从'为AI的网络'转向'为网络的AI'，通过基础模型和协作多智能体系统，将网络管理转化为统一的多模态多任务优化问题，推动6G向智能自维持通信基础设施发展。

Comments Accepted at KDD 2026

Toward Cooperative Driving in Mixed Traffic: An Adaptive Potential Game-Based Approach with Field Test Verification

迈向混合交通的协作驾驶：一种基于自适应势游戏的适应性方法与实地测试验证

Shiyu Fang, Xiaocong Zhao, Xuekai Liu, Peng Hang, Jianqiang Wang, Yunpeng Wang, Jian Sun

机构 * State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（智能绿色车辆与移动国家重点实验室，清华大学） ； State Key Lab of Intelligent Transportation System, School of Transportation Science and Engineering, Beihang University（智能交通运输系统实验室，北京航空航天大学交通科学与工程学院） 纠错

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

AI总结 本文提出自适应势游戏框架，通过建立系统效用函数、引入Shapley值和动态优化人类驾驶车辆偏好，提升混合交通中的协作安全与效率，实验证实其有效性。

Driving risk emerges from the required two-dimensional joint evasive acceleration

驾驶风险源自所需二维联合规避加速度

Hao Cheng, Yanbo Jiang, Wenhao Yu, Rui Zhou, Jiang Bian, Keyu Chen, Zhiyuan Liu, Heye Huang, Hailun Zhang, Fang Zhang, Jianqiang Wang, Sifa Zheng

机构 * School of Vehicle and Mobility, Tsinghua University, Beijing 100084, China（车辆与移动系统学院，清华大学，北京100084，中国） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Beijing 100084, China（智能绿色车辆与移动国家重点实验室，北京100084，中国） ； School of Traffic & Transportation Engineering, Central South University, Changsha 410000, China（交通与运输工程学院，中南大学，长沙410000，中国） ； Singapore-MIT Alliance for Research and Technology (SMART), Massachusetts Institute of Technology, Singapore 138602, Singapore（新加坡-麻省理工联合研究技术联盟（SMART），麻省理工学院，新加坡138602，新加坡） ； School of Automotive Engineering, Chang’an University, Xi’an 710064, China（汽车工程学院，长安大学，西安710064，中国） 纠错

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

AI总结 本文提出二维规避加速度模型，用于更准确地量化碰撞风险，通过分析所有可能的规避方向，定义风险为所需最小相对加速度矢量的模，该方法在多个数据集上表现出更早的显著预警和更好的碰撞预测能力。

Comments 23 pages, 5 figures; supplementary information provided as an ancillary file