自动驾驶

FAIR-Compute: A Roadmap for Fair and Efficient Allocation of Federated Digital Research Infrastructure

FAIR-Compute：联邦数字研究基础设施的公平与高效分配路线图

Konstantinos E. Zachariadis, Ahmed Sayed, Dimitris Fotakis, Angeliki Mathioudaki, Wan Shuen Siaw

专题命中 仿真评测 ：occupancy(abstract)

AI总结 FAIR-Compute 针对联邦数字研究基础设施的分配问题，结合多领域方法与实证研究，发现资源分配存在占用与利用率偏差、调度可优化、联邦需管控等关键问题，提出相关路线图方向。

Comments Final Report to the National Federated Compute Services (NFCS) Flexible Fund

Evaluating Fuzz Testing for Reinforcement Learning Agents

评估强化学习智能体的模糊测试

Zhibin Kang, Hanmo You, Dong Wang, Haiming Zheng, Junjie Chen

机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 研究针对强化学习智能体模糊测试评估差异问题，通过在三种环境下统一配置对五种方法及随机测试进行基准测试，从多角度评估，揭示不同方法特点，表明模糊测试能提升智能体鲁棒性等，还给出可操作指导。

Transfer Learning Architectures for Scalable Multi-Fidelity Bayesian Optimization

用于可扩展多保真贝叶斯优化的迁移学习架构

Jaewook Lee, Ethan Errington, Christian D. Lorenz, Miao Guo

机构 * King’s College London（伦敦国王学院） 纠错

专题命中 仿真评测 ：self-driving(abstract)

AI总结 研究针对可扩展多保真贝叶斯优化，在相同条件下对11种迁移学习代理和4种GP方法进行基准测试，发现迁移学习代理在分子和材料问题上表现更佳，贪婪利用迁移学习均值是更稳健选择，是分子和材料MFBO的首选代理。

MC-BRIDGE: A Modular Receiver-Chain Simulation Framework for OECT-Based Molecular Communication

MC-BRIDGE：用于基于有机电化学晶体管的分子通信的模块化接收链仿真框架

Hongbin Ni, Ozgur B. Akan

专题命中 仿真评测 ：occupancy(abstract)

AI总结 研究基于OECT的分子通信，提出MC-BRIDGE模块化框架，连接多种过程到电荷域检测，能生成噪声、支持多种键控，通过公共接口估计相关指标并分析干扰，经测试得出满足SER目标的预算上限，揭示多种因素对接收器结论的影响。

Comments 13 pages, 7 figures, submitted to IEEE Transactions on Molecular, Biological, and Multi-Scale Communications (TMBMC)

HybridQC: Hardware-Grounded Simulation of Tightly Integrated Hybrid Quantum-Classical Systems

HybridQC：紧密集成的混合量子-经典系统的硬件基础模拟

Panayiotis Christou, Shuwen Kan, Ying Mao

专题命中 仿真评测 ：occupancy(abstract)

AI总结 研究混合量子-经典系统性能受经典控制等因素限制的问题，提出HybridQC模拟器，通过将HCU建模为可配置图、分解作业并校准测量，可评估混合架构多方面限制，为其性能评估提供系统框架。

The Precursor Genome: A Pairwise Reaction Dataset for Solid-State Synthesis

前驱体基因组：用于固态合成的成对反应数据集

Lauren N. Walters, Matthew J. McDermott, Bernardus Rendy, Yuxing Fei, Kristin A. Persson, Gerbrand Ceder

专题命中 仿真评测 ：self-driving(abstract)

AI总结 针对固态反应缺乏相关数据集阻碍合成科学发展的问题，通过A-Lab自动驾驶实验室生成前驱体基因组数据集，涵盖多种反应、元素及元数据，经自动精修和人工验证，为固态反应性预测模型提供可重复使用的基准。

Comments 4 figures, 20 pages, article submission

E-CoDrive: A Co-Simulation Framework for Testing Energy-Critical Driving Scenarios

E-CoDrive：用于测试能源关键型驾驶场景的联合仿真框架

Manfredi Napolitano, Alessandra Somma, Alessio Gambi, Andrea Stocco, Nicola Mazzocca

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 研究自动驾驶中能源消耗问题，核心方法是用E-CoDrive框架整合多种模拟器，贡献是可对自动驾驶新能源车软件栈进行基于能源感知场景测试，揭示交通条件对能耗的影响。

Comments In proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE '26) - Tools and Datasets track

The Calibration Turn in AI-Assisted Research: A Conceptual and Methodological Framework for Evidence-Licensed Claims

AI辅助研究中的校准转向：证据许可主张的概念与方法论框架

Hongmin Li

机构 * School of Life Science and Technology, Institute of Science Tokyo（东京科学大学生命科学与技术学院） ； Department of Computational Biology and Medical Sciences, Graduate School of Frontier Sciences, The University of Tokyo（东京大学前沿科学研究生院计算生物学与医学科学系） 纠错

专题命中 仿真评测 ：self-driving(abstract)

AI总结 提出AI辅助研究中证据许可主张的概念与方法论框架，通过五个算子描述研究过程，强调校准作为管理科学断言权的机制，并区分不同语义类型。

Comments 42 pages, 4 figures. Companion code and synthetic simulation artifacts: https://github.com/Li-Hongmin/calibration-turn-ai-assisted-research

Revisiting Action Factorization for Complex Action Spaces

重新审视复杂动作空间的动作分解

Timothy Flavin, Sandip Sen

机构 * The University of Tulsa（塔尔萨大学） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 本文对多种动作分解方法在PPO、SAC、DQN算法和离散、混合、连续动作空间上进行了横截面研究，提出了VDN-PPO和PPO-MIX，并发现分支决斗架构在计算和性能之间取得了最佳平衡。

Comments 53 Pages, 37 Figures, 6 Tables, Target Journal/Venue: ACM Transactions on Autonomous and Adaptive Systems TAAS

SafeGen: LLM-Driven Assertion Generation and Fault Criticality Evaluation for Functional Safety

SafeGen: 面向功能安全的LLM驱动断言生成与故障关键性评估

Xuanyi Tan, Arjun Chaudhuri, Rubin Parekhji, Krishnendu Chakrabarty

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 提出SafeGen框架，利用大语言模型和超知识图谱从设计文档提取规范并生成功能安全断言，结合门级到RTL故障映射与形式验证实现故障关键性语义分级，在FOC系统中验证了优于传统方法。

Comments Accepted by DAC 2026

Do as the Romans Do: Learning Universal Behaviors from Heterogeneous Agents

入乡随俗：从异构智能体学习通用行为

Caleb Chang, Davin Win Kyi, Natasha Jaques, Karen Leung

机构 * University of Washington（华盛顿大学） ； NVIDIA（英伟达） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 提出GRID方法，从追求不同目标的异构示范者中提取通用奖励，训练通用智能体以学习环境通用能力，避免模式平均偏差，提升下游任务微调效率。

ARTSN: Exact and Adaptive Self-triggered Traffic Scheduling for ARTS Networks

ARTSN：ARTS网络的精确自适应自触发流量调度

Ruide Cao, Shuangping Zhan, Jiashuo Lin, Yan Liu, Chenxi Ling, Yi Wang, Guoming Tang

专题命中 仿真评测 ：self-driving(abstract)

AI总结 针对自触发流量波动性和缺席性挑战，提出ARTSN调度范式，利用可推断到达信息实现精确离线调度，并设计自适应在线时隙释放机制，显著提升可调度性、可扩展性和效率。

Comments 11 pages. Accepted by ICDCS 2026

Modular2Simple: A Tool for Modular Scenario Creation Based on the OpenSCENARIO Format

Modular2Simple：基于OpenSCENARIO格式的模块化场景创建工具

Nikolai Khriapov, Mohamed Taha Drif, Renjue Li, Cas Widdershoven

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 提出Modular2Simple工具，通过组合简单场景为模块化场景，简化复杂自动驾驶场景创建，降低开发成本并提升复用性。

Comments 2nd International Conference on Electric Vehicle and Vehicle Engineering. CEVVE 2024

Robusto-2: Benchmarking Humans & VLMs for Autonomous Driving in Lima & New York City

Robusto-2: 在利马与纽约市对自动驾驶中人类与VLM的基准测试

Adrian Cespedes, Marcelo Chincha, Dunant Cusipuma, Victor Flores-Benites, David Ortega, Arturo Deza

机构 * Artificio Lima, Peru 纠错

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

AI总结 本研究通过视觉问答范式，比较人类驾驶员（来自利马和纽约）与视觉语言模型在利马和纽约的驾驶场景中的表现，发现人类与模型在回答事实、评级、反事实和推理四类问题时存在差异，但地理因素影响不显著。

Comments 11 pages main body. 42 pages total. Data publicly available online

Cross-View Sequential Visual Localization with Spatio-Temporal Context Modeling for Autonomous Driving

面向自动驾驶的融合时空上下文建模的跨视角序列视觉定位

Jiaping Wang, Shaobo Li, Zhen Wang

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

AI总结 本研究提出时序上下文增强的跨视角序列视觉定位框架，通过循环跨帧模块聚合历史上下文提升定位精度，在多个公开数据集及实装实验中均取得显著性能提升。

Targeted Structure Completion for Sparse-View 3D Reconstruction in Autonomous Driving

自动驾驶中稀疏视图3D重建的目标结构完成

Guoqing Wang, Pin Tang, Xiangxuan Ren, Liping Hou, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, Institute of AI, Shanghai Jiao Tong University（教育部人工智能重点实验室，上海交通大学人工智能研究院） ； Central Research Institute, Huawei（华为中央研究院） 纠错

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

AI总结 针对自动驾驶稀疏视图3D重建难题，提出FocusGS框架，通过解耦结构完成与确定性区域，集中计算于几何模糊区域，设计模块优化高斯查询，提升效率质量平衡。

Comments Accepted by ECCV2026

PUDA: An AI-Native Hardware Harness for Self-Driving Laboratories

PUDA：面向自动驾驶实验室的AI原生硬件控制框架

Zekun Ren, Hongzhao Tan, Jiaen Yee, Kedar Hippalgaonkar

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

AI总结 该研究提出面向自动驾驶实验室的AI原生硬件控制框架PUDA，通过命令行环境实现智能体与硬件的确定性交互，分离科学编排与物理操作，为智能体自动驾驶实验室提供实用执行与数据环境。

BLUE: Toward Better Language Use in Efficient Vision-Language-Action Models for Autonomous Driving

BLUE：迈向自动驾驶高效视觉-语言-动作模型中更好的语言使用

George Ling, Lijin Yang, Hao Yang, Zhongzhan Huang

机构 * Bosch Research（博世研究院） 纠错

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

AI总结 提出BLUE方法，通过轻量门控机制在视觉-语言-动作模型中按帧决定是否激活语言生成，实现性能提升和2.54倍推理加速。

Comments preprint

Red Light, Grey Zone: A Multi-Perspective Interactive Narrative for Autonomous Driving Ethics

红灯，灰色地带：自动驾驶伦理的多视角交互式叙事

Mengyi Wei, Nianhua Liu, Chenyu Zuo, Liqiu Meng

专题命中 其他自动驾驶 ：autonomous driving(title,abstract)

AI总结 研究自动驾驶伦理这一公共问题，提出多视角交互式叙事方法，通过“红灯，灰色地带”原型展开研究。经探索性用户研究发现，该方法能支持非专家对人工智能系统中的问责、证据和治理进行反思，尤其在责任判断等方面有积极效果。

Hybrid Machine Learning for Articulation Angle Estimation of Truck-Semitrailer Combinations

用于卡车-半挂车组合铰接角估计的混合机器学习

Qixuan Zhang, Jonas Boettcher, Simon F. G. Ehlers, Marvin Stuede

机构 * ZF CV Systems Hannover GmbH（采埃孚商用车系统汉诺威有限公司） ； Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

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

AI总结 研究针对卡车-半挂车组合铰接角估计问题，提出基于学习的模型并集成于EKF框架，应用自适应加权方案，通过大量实际实验验证，该混合方法能准确可靠估计铰接角，降低实施要求，具有实际部署优势。

Comments Accepted for publication at 2026 International Conference on Intelligent Transportation Systems (ITSC)

From Modalities to Propositions: A Language-Centric Framework for Multimodal Intelligence

从模态到命题：多模态智能的语言中心框架

Nadine Chang, Maying Shen, Shizhe Diao, Jialiang Wang, Jingde Chen, Thomas Breuel, Pavlo Molchanov, Rafid Mahmood, Jose M. Alvarez

机构 * NVIDIA（英伟达） ； University of Ottawa（渥太华大学） 纠错

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

AI总结 该研究提出多模态数据语言表示框架，将观察结果表示为原子命题，通过全局语义码本统一为共享词汇表，置于可解释空间，实现跨模态理解等，还在自动驾驶等数据上进行了展示。

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。

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。

Flaky Test Recognition when Testing CPSs Using Hybrid Models

使用混合模型对网络物理系统（CPS）进行测试时的不稳定测试识别

Zahra Sadri-Moshkenani, Justin Bradley, Gregg Rothermel

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本研究在HyTest基础上整合TReVa与FlaRe形成HyTestTF，可在CPS开发早期阶段仅一轮额外测试中用混合模型识别不稳定测试用例与条件，实证显示其能正确区分不稳定与非不稳定测试用例

From Failure to Alignment: A Requirements Engineering Framework for Machine Learning Systems

从失败到对齐：机器学习系统的需求工程框架

Amel Bennaceur, Gopi Krishnan Rajbahadur, Prince Mercy, Bashar Nuseibeh, Faeq Alrimawi

机构 * The Open University, United Kingdom（英国开放大学） ； University of Limerick, Ireland（爱尔兰利默里克大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 提出REAL框架，通过需求工程方法，结合数据、模型和系统需求，利用失败驱动探索替代需求，实现迭代可追溯的MLS需求细化，以对齐利益相关者需求。

Comments 12 pages

Journal ref RE 2026 - the 34th IEEE International Requirements Engineering Conference

Accuracy of Joint Time-Based and Carrier-Phase Positioning in 5G Networks under Correlated Measurement Errors

5G网络中相关测量误差下基于时间与载波相位联合定位的精度

Nahidul Islam, Mohammad Razzaghpour, Marwan Hammouda, Carsten Bockelmann, Armin Dekorsy

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 研究联合ToA与载波相位定位方法，考虑测量误差相关性，分析5G系统参数对精度的影响，在工厂和城市环境下实现约7%的性能提升。

Comments 6 pages, 5 figures