自动驾驶

TRUAV: Distributed Multi-Agent Reinforcement Learning for Trajectory Planning and Routing Enhancement in UAV-Aided IoT-Enabled VANETs

TRUAV：无人机辅助的物联网支持的车联网中用于轨迹规划和路由增强的分布式多智能体强化学习

Muhammad Umar Farooq Qaisar, Lin Zhang, Zhen Chen, Wajdy Othman, Shehzad Ashraf Chaudhry, Chang Liu

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

AI总结 研究无人机辅助车联网中轨迹规划与路由增强问题，提出基于独立表格Q学习的分布式多智能体强化学习框架TRUAV，其智能体依局部信息运行，奖励设计兼顾多种因素，模拟显示该框架在多方面表现良好，还讨论了相关挑战与方向。

Comments 7 pages, 3 figures, submitted to IEEE Internet of Things Magazine

AEcroscopyWave: Towards Self-Driving Characterization Platforms for Agentic AI

AEcroscopyWave：迈向用于智能AI的自动驾驶表征平台

Yongtao Liu, Jawad Chowdhury, Ganesh Narasimha, Ralph Bulanadi, Liam Collins, Ruben Millan Solsona, Marti Checa, Asraful Haque, Sumner B. Harris, Stephen Jesse, Rama Vasudevan

专题命中 规划控制 ：self-driving(title,abstract)

AI总结 探讨电子材料表征的两种传统方式，介绍“自动驾驶”表征工具进展。基于AEcroscopyWave平台，通过创建控制硬件的API并整合AI方法，弥合行业规模自动化与高度定制系统差距，展示异构仪器供智能体使用的好处。

Comments 17 pages, 5 figures

Handover-Aware Trajectory Planning for Cellular-Connected UAVs under STL Specifications and URLLC Constraints

超可靠低延迟通信（URLLC）约束下蜂窝连接无人机的切换感知轨迹规划

Yuqi Ping, Tianhao Liang, Bofeng Zheng, Bingyan Xie, Tingting Zhang

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

AI总结 研究蜂窝连接无人机在URLLC约束下执行任务的切换感知轨迹规划，用信号时序逻辑和有限块长URLLC可行性表征要求，制定联合规划问题，采用逻辑网络流等求解，模拟表明规划器可执行任务并揭示多因素对轨迹等的影响。

Game-Theoretic Multi-Agent Reinforcement Learning for Swarm Trajectory Planning in Low-Altitude Wireless Networks

低空无线网络中基于博弈论的多智能体强化学习群体轨迹规划

Nguyen Duc Minh Quang, Ruoxi Chong, Zhiqiang Wei, Chang Liu, Derrick Wing Kwan Ng

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

AI总结 针对低空无线网络中多无人机在多小区基站下因资源块分配导致的轨迹耦合问题，提出合作随机拥塞博弈模型和CTDE-MAPPO算法，实现通信与任务联合优化。

Comments Submitted to IEEE/CIC ICCC 2026 in Wuhan

SIPTraj: Map-Free End-to-End Trajectory Prediction via Physics-Guided Scene Interaction

SIPTraj：无高精地图的物理引导场景交互端到端轨迹预测

Feifei Liu, Zejun Wei, Haozhe Wang, Yazhi Ye, Yuying Zhang, Jintao Cheng, Chi Man Vong, Xieyuanli Chen, Xiaoyu Tang

机构 * School of Data Science and Engineering, Xingzhi College, South China Normal University（华南师范大学行知学院数据科学与工程学院） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Macau（澳门大学） ； College of Intelligence Science and Technology, National University of Defense Technology（国防科技大学智能科学学院） ； School of Electronic Science and Engineering, South China Normal University（华南师范大学电子科学与工程学院） 纠错

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

AI总结 SIPTraj是一种无高精地图的端到端轨迹预测框架，通过分层智能体-场景编码器和物理引导迭代解码器解决场景锚定与物理可行性问题，在两个数据集上性能优于现有方法，推理无需高精地图。

Safe Polytope-in-Polytope Motion Planning and Control with Control Barrier Functions

基于控制障碍函数的安全多面体在多面体内的运动规划与控制

Alejandro Gonzalez-Garcia, Dries Dirckx, Jan Swevers, Wilm Decré

机构 * KU Leuven（鲁汶大学） 纠错

专题命中 规划控制 ：LiDAR(abstract,abstract_cn)；occupancy(abstract)；分类 cs.RO

AI总结 提出一种安全局部运动规划与控制方法，通过模型预测控制器中的离散时间控制障碍函数约束，保证多面体机器人足迹始终位于连续更新的凸自由空间内，计算时间随障碍物数量增加最多降低91倍。

Comments This work has been submitted to the IEEE for possible publication

From Operational Design Domain to Action: A Systematic Behavioral Taxonomy for Autonomous Driving

从运行设计域到行动：自动驾驶的系统行为分类学

Chaitanya Shinde, Hadi Hajieghrary, Miguel Hurtado

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

AI总结 本文针对ADS安全保障中ODD规范与行为验证的差距，构建了涵盖三类运行域的21项行为能力分类学，结合标准验证并确定枢纽域需专项研究，为ADS行为测试提供场景基础。

What Probing Reveals about Autonomous Driving: Linking Internal Prediction Errors to Ego Planning

探测揭示自动驾驶：内部预测误差与自我规划的关联

Hyeonchang Jeon, Kyungbeom Kim, Eugene Vinitsky, Kyung-Joong Kim

机构 * Gwangju Institute of Science and Technology (GIST)（光州科学技术院） ； New York University（纽约大学） 纠错

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

AI总结 通过线性探测和因果干预，研究自动驾驶策略在碰撞事件中缺乏及时预测能力，导致规划缺陷，并证明纠正预测可提升安全性。

Comments 10 pages

THREAD: Trajectory Planning for Hybrid Rigid-Soft Manipulators with Environment-Aware Diffusion

THREAD: 面向混合刚柔机械臂的环境感知扩散轨迹规划

Shivani Kamtikar, Pranav Asthana, Naveen Kumar Uppalapati, Girish Krishnan, Girish Chowdhary

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Maryland College Park（马里兰大学帕克分校） 纠错

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

AI总结 提出首个基于扩散的混合刚柔机械臂轨迹规划器THREAD，通过物理启发损失联合约束刚柔段，实现狭窄环境穿行，任务成功率92.4%，碰撞减少5倍。

Comments Project Page: https://robot-thread.github.io, IROS 2026

Diffusion Forcing Planner: History-Annealed Planning with Time-Dependent Guidance for Autonomous Driving

扩散强制规划器：基于时间依赖引导的历史退火规划用于自动驾驶

Zehan Zhang, Neng Zhang, Yaoyi Li, Jia Cai, Zhiling Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； Yinwang Intelligent Technology Co., Ltd（银网智能科技有限公司） ； Hefei Institutes of Physical Science, Chinese Academy of Sciences（中国科学院合肥物质科学研究院） 纠错

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

AI总结 提出扩散强制规划器（DFP），通过历史引导控制实现异构联合扩散过程，结合退火历史的条件引导，解决运动规划中的时间不一致问题，在nuPlan上取得竞争性能。

Comments CVPR2026

Uncertainty-Aware Motion Planning for Autonomous Driving in Mixed Traffic Environment

混合交通环境下自动驾驶的不确定性感知运动规划

Ming Cheng, Hao Chen, Ziyi Yang, Ziluowen Luo, Senzhang Wang

机构 * Central South University（中南大学） ； City University of Macau（澳门城市大学） 纠错

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

AI总结 提出不确定性感知运动规划（UAMP），通过量化人类意图不确定性并引入不确定性校准值学习，提升自动驾驶在混合交通中的安全性和舒适性。

Entanglement-Free Trajectory Planning for Tethered Mobile Robots with a Slack Tether

带松弛系绳的系绳移动机器人的无纠缠轨迹规划

Gianpietro Battocletti, Dimitris Boskos, Bart De Schutter

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

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

AI总结 本研究针对带松弛系绳的移动机器人，提出一种含三步流程的运动规划算法，可生成动态可行的无纠缠轨迹，经仿真验证能实现更安全可靠的导航。

Comments 19 pages, 13 figures

Agentic self-driving microscopy benchmarks support qualification but do not necessarily generalize to unseen tasks

智能体自动驾驶显微镜基准测试支持性能验证，但不一定能泛化到未见任务

Nathan S Johnson, Ian Abshire

机构 * Carl Zeiss Research Microscopy Solutions（卡尔蔡司研究显微镜解决方案） 纠错

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

AI总结 本研究开发基准框架评估显微镜智能体架构等因素的性能，发现其虽可用于验证比较，但现有基准无法预测智能体在未见显微镜任务上的表现。

Comments 20 pages, 8 figures

Learning High-Level Decision Making with an Interaction-Aware Attention-Based Network in Autonomous Driving

在自动驾驶中使用基于交互感知注意力的网络学习高级决策

Marcelo Contreras, Willi Poh, Christoph Stiller, Ehsan Hashemi

机构 * NODE lab, University of Alberta（节点实验室，阿尔伯塔大学） ； MRT Institute, Karlsruhe Institute of Technology（MRT 研究所，卡尔斯鲁厄理工学院） 纠错

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

AI总结 研究自动驾驶中高级决策问题，提出DecisionPerceiver将动态代理特征投影到固定大小潜在空间，通过潜在查询数调节特征粒度，还细化动作集，经多场景评估有性能提升、泛化能力及可扩展性。

Comments 6 pages, 5 figures, 3 tables, submitted to 2026 IEEE Intelligent Transportation Systems Conference (ITSC)

Multimodal Scenario Similarity Search for Autonomous Driving

用于自动驾驶的多模态场景相似性搜索

Tamás Matuszka, András Tamásy, Balázs Szolár

机构 * aiMotive（爱莫提夫） 纠错

专题命中 规划控制 ：autonomous driving(title)；分类 cs.CV

AI总结 研究自动驾驶场景相似性搜索，提出多模态框架结合视觉与轨迹表示，对比两种基于轨迹的方法与视觉基线，实验表明轨迹表示在运动事件中性能强，视觉嵌入在外观线索丰富时出色，结合二者可提升检索质量。

An LLM-Explainable DRL Framework for Passenger-Directed Autonomous Driving

面向乘客导向自动驾驶的LLM可解释DRL框架

Ouided Braoui, Meriem Bouali, Nadir Farhi

机构 * LITAN, ESTIN（LITAN，ESTIN） ； Cosys-Grettia, Univ Gustave Eiffel（Cosys-Grettia，古斯塔夫·埃菲尔大学） 纠错

专题命中 规划控制 ：autonomous driving(title)；分类 cs.AI

AI总结 提出结合深度强化学习与大型语言模型可解释模块的框架，实现自适应驾驶控制并向乘客解释决策，平衡安全性、适应性和可解释性。

VLADriveBench: Evaluating CoT-Action Relationship in VLA for Autonomous Driving

VLADriveBench：评估自动驾驶VLA中的CoT-动作关系

Thach Nguyen, Danhua Guo, Tom Lampo, Fei Wu, Burhan Yaman

机构 * Uber AV Labs（优步自动驾驶实验室） 纠错

专题命中 规划控制 ：autonomous driving(title)；分类 cs.CV

AI总结 提出VLADriveBench框架，结合观察指标和CoT干预协议评估VLA模型中思维链与驾驶动作的相关性和因果性，发现不同模型表现差异显著。

MPPI-based Informative Trajectory Planning for Search and Capture of Drifting Targets with ASVs

基于MPPI的自主水面艇搜索与捕获漂移目标的信息轨迹规划

Sanjeev Ramkumar Sudha, Marija Popović, Erlend M. Coates

机构 * Norwegian University of Science and Technology (NTNU)（挪威科技大学） ； TU Delft（代尔夫特理工大学） 纠错

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

AI总结 针对自主水面艇在动态环境中搜索并捕获多个漂移目标的问题，提出一种基于模型预测路径积分（MPPI）控制的混合规划框架，通过优化长时域连续轨迹平衡搜索与跟踪，并在拦截阶段切换至纯追踪制导，实验验证了有效性。

How Roadside Units Enhance Intersection Safety? Cooperative Autonomous Driving System Design and A Proof of Concept

路侧单元如何提升交叉口安全性？协作自动驾驶系统设计与概念验证

Taoyuan Yu, Kui Wang, Zongdian Li, Tao Yu, Walid Saad, Kei Sakaguchi

专题命中 规划控制 ：autonomous driving(title)

AI总结 本文提出基于RSU的V2I2V协作自动驾驶系统，结合全局与局部DT及HRL框架，经仿真与PoC试验验证，可提升智能交叉口的安全性与交通效率。

Neural operator learning for collision-aware trajectory planning of spacecraft swarms

面向航天器集群碰撞感知轨迹规划的神经算子学习

Sidhdharth D. Sikka, Suyi Gao, Zehui Lu, Rongjie Lai, Shaoshuai Mou

机构 * Purdue University（普渡大学） ； Manifold Research Group（流形研究组） 纠错

专题命中 规划控制 ：trajectory planning(title)

AI总结 该研究提出排列等变神经算子，结合自监督物理目标与对抗威胁训练，实现航天器集群轨迹规划，可零样本泛化到大规模集群，精度接近最优控制求解器，性能优于无碎片感知基线。

Comments 27 pages, 6 figures, 6 tables. Submitted to Nature Machine Intelligence. Video abstract included as ancillary file

Reference-Free, Long-Horizon Trajectory Optimization for Aggressive Autonomous Driving in Milliseconds

无参考、长时域、毫秒级激进自动驾驶轨迹优化

Prayag Sharma, Jonathan Y. M. Goh, Franck Djeumou

专题命中 规划控制 ：autonomous driving(title)

AI总结 针对无参考初始猜测下长时域轨迹优化实时性差的问题，提出基于车辆刚度分析选择A稳定积分方法、动态平衡初始猜测生成及鲁棒非线性求解器策略，在260米时域内实现55毫秒求解，支持高速漂移避障。

Synthetic-to-Real Translation for Class-Agnostic Motion Prediction

用于类别无关运动预测的合成到真实翻译

Yizheng Wu, Hongwei Fan, Kewei Wang, Ruibo Li, Xingyi Li, Xiao Song, Zhe Wang, Chenjing Ding, Dongliang Wang, Zhiguo Cao, Guosheng Lin

机构 * Key Laboratory of Image Processing and Intelligent Control, Ministry of Education, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（图像处理与智能控制教育部重点实验室，华中科技大学人工智能与自动化学院） ； Nanyang Technological University（南洋理工大学） ； SenseAuto（未知（保留英文）） 纠错

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

AI总结 研究针对运动预测中合成到真实翻译的问题，提出将运动知识翻译框架与目标感知运动预测、目标辅助运动增强两个组件集成的方法，还生成了Motion4D数据集，实验证明该方法有效弥合域差距，在真实场景表现优异。

From Distances to Trajectories: Real-Time Signed Distance Function Mapping and Distance-Accelerated Motion Planning for UAVs

从距离到轨迹：无人机的实时带符号距离函数映射与距离加速运动规划

Jason Stanley, Zhirui Dai, Qihao Qian, Tzu-Chin Ho, Tianxing Fan, Siddharth Saha, Christopher Barngrover, Ki Myung Brian Lee, Nikolay Atanasov

机构 * UC San Diego（加州大学圣地亚哥分校） ； Shield AI（护盾人工智能公司） 纠错

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

AI总结 研究针对无人机在杂乱环境中的自主飞行，提出围绕带符号距离函数协同设计映射与规划阶段。开发OREN重建SDF，Bubble$^\star$基于距离信息规划，减少碰撞检查。集成方法在四旋翼飞行器上实时导航，提升SDF估计并快速找到长轨迹。

Comments 25 pages, 10 figures, 5 tables

Thermal management optimization of Battery Electric Vehicles via hierarchical NMPC with CMO-trained Neural Models

基于CMO训练的神经模型的分层NMPC对电池电动汽车进行热管理优化

Francesco Ripa, Diego Regruto, Pasquale Ceres, Christopher Strano

专题命中 规划控制 ：BEV(abstract,abstract_cn)

AI总结 研究电池电动汽车热管理优化问题，提出分层NMPC框架，上层平衡能耗与温度跟踪并转化为执行器命令序列，下层补偿干扰等，采用数据驱动神经网络模型，经高保真模拟器验证，相比基线策略能耗显著降低。

What's Hidden Matters: Identifying Planning-Critical Occluded Agents using Vision-Language Models

隐藏之物至关重要：使用视觉语言模型识别规划关键性的被遮挡智能体

Amirhosein Chahe, Tyler Naes, Jovin D'sa, Faizan M. Tariq, Sangjae Bae, Lifeng Zhou, David Isele

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

AI总结 提出利用视觉语言模型（VLM）识别对自车轨迹影响最大的被遮挡智能体，通过规划KL散度（PKL）度量进行排序，并微调VLM以提升性能，实验表明该方法比随机采样提升约30%。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 9 pages, 5 figures, 5 tables

The Array Control and Data Acquisition software of the Cherenkov Telescope Array Observatory

切伦科夫望远镜阵列观测站的阵列控制与数据采集软件

I. Oya, B. López, P. Aubert, G. Barni, P. Bauza, D. Berge, J. -P. Bolle, W. Boulakbech, P. Bruno, U. Bajc, A. Bulgarelli, M. Cappi, F. Cassol, S. Caroff, L. Castaldini, T. Collins, V. Conforti, A. Costa, L. David, G. De Cesare, E. de Ona Wilhelmi, A. Di Piano, K. Egberts, R. Fernandez, V. Fioretti, S. Fukami, E. García, E. Garcia, H. Gasparyan, S. Germani, J. Hinton, C. Hoischen, F. Incardona, D. Kostunin, E. Lyard, G. Maurin, D. Melkumyan, E. Mestre, K. Munari, T. Murach, A. Muraczewski, N. Nakhjiri, D. Neise, T. Oprinsen, G. Panebianco, N. Parmiggiani, E. Pietriga, V. Pollet, B. Rudak, I. Sadeh, S. Sah, A. Sarkar, M. Schefer, T. Schmidt, D. Soldevila, S. Spinello, C. Steppa, D. F. Torres, A. Tramacere, R. Vallés, T. Vuillaume, R. Walter, F. Werner, A. Wörheide

专题命中 规划控制 ：LiDAR(abstract,abstract_cn)

AI总结 本文介绍了切伦科夫望远镜阵列观测站（CTAO）的阵列控制与数据采集（ACADA）系统，该系统负责望远镜和辅助仪器的控制、监督、数据处理以及观测调度，并支持基于实时科学警报的快速响应。

Comments Accepted version. Published in Astronomy and Computing (2026). DOI: 10.1016/j.ascom.2026.101147

Journal ref Astronomy and Computing, Volume 57, 2026, 101147

A Unified Framework for Trajectory Prediction with Explicit Planning and Reaction Decomposition

显式规划与反应分解的轨迹预测统一框架

Jiaheng Chen, Jiaxing Li, Tinghe Zhang, Chaopeng Guo

机构 * Software College, Northeastern University（东北大学软件学院） 纠错

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

AI总结 针对现有轨迹预测方法未充分区分社会影响功能角色的问题，提出INTraJ框架，将社会影响分解为规划与反应两阶段，在四个基准上实现性能提升，验证了阶段性社会建模的重要性。

Comments Accepted by ACM MM 2026

Learning-Based Motion Planning for Dynamic Environments: From Foundational Algorithms to Emerging Paradigms

动态环境下基于学习的运动规划：从基础算法到新兴范式

Zongyuan Shen, Shalabh Gupta, Shancheng Zhao, Dehua Zhou, Gao Wang, Rui Cheng, Yaming Ou, Zhongqiang Ren, Yikui Zhai, C. L. Philip Chen

机构 * College of Information Science and Technology, Jinan University（暨南大学信息科学技术学院） ； University of Connecticut（康涅狄格大学） ； Guangzhou Maritime University（广州海事大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Wuyi University（五邑大学） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 本综述回顾2015至2025年动态环境下基于学习的运动规划代表性研究，提出学习作用分类法，分析相关影响因素，探讨安全可验证规划等开放挑战与未来方向。

AUTOPILOT VQA: Benchmarking Vision-Language Models for Incident-Centric Dashcam Understanding

自动驾驶视觉问答：以事件为中心的行车记录仪理解视觉语言模型基准测试

Siddharth Damodharan, Radhika Gupta, Ali Alshami, Ryan Rabinowitz, Jugal Kalita

机构 * University of Colorado Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校） ； University of Michigan（密歇根大学） ； University of Notre Dame（圣母大学） 纠错

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

AI总结 针对评估视觉语言模型对安全关键事件推理能力的挑战，提出AUTOPILOT-VQA基准，通过围绕真实驾驶事件的结构化问题评估系统，涵盖多安全相关类别，推动向安全意识推理发展，为自动驾驶系统评估提供标准，助力相关视觉语言系统开发。

Comments CVPR Autopilot Workshop

GraspIT: A Dataset Bridging the Sim-to-Real gap and back for Validated Grasping SE(3) Pose Generation

GraspIT：一个弥合模拟与现实差距并用于验证抓取SE(3)姿态生成的数据集

Paul Koch. Adem Karakurt, André Sers

机构 * Fraunhofer IPK（弗劳恩霍夫研究所） 纠错

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

AI总结 研究针对新型物体抓取，提出GraspIT数据集。通过在Isaac Sim中对桌面场景进行物理滑动测试标注，经Real↔Sim循环反向投影到真实场景。贡献约31.6万个带注释RGBD帧集及开源工具，可用于桌面操作策略学习等。

Comments Preprint, release soon