自动驾驶

Hardware for Machine Learning: Challenges and Opportunities

Vivienne Sze, Yu-Hsin Chen, Joel Emer, Amr Suleiman, Zhengdong Zhang

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

Comments Published as an invited conference paper at CICC 2017

Modeling the Resource Requirements of Convolutional Neural Networks on Mobile Devices

Zongqing Lu, Swati Rallapalli, Kevin Chan, Thomas La Porta

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

Journal ref ACM Multimedia 2017

VidLoc: A Deep Spatio-Temporal Model for 6-DoF Video-Clip Relocalization

Ronald Clark, Sen Wang, Andrew Markham, Niki Trigoni, Hongkai Wen

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

Comments To appear at CVPR 2017

Risk-Sensitive Cooperative Games for Human-Machine Systems

Agostino Capponi, Reza Ghanadan, Matt Stern

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

Comments 15 pages, 10 figures

Towards Closing the Energy Gap Between HOG and CNN Features for Embedded Vision

Amr Suleiman, Yu-Hsin Chen, Joel Emer, Vivienne Sze

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

CHAOS: A Parallelization Scheme for Training Convolutional Neural Networks on Intel Xeon Phi

Andre Viebke, Suejb Memeti, Sabri Pllana, Ajith Abraham

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

Comments The Journal of Supercomputing, 2017

Characterizing Driving Styles with Deep Learning

Weishan Dong, Jian Li, Renjie Yao, Changsheng Li, Ting Yuan, Lanjun Wang

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

Fast Incremental Learning for Off-Road Robot Navigation

Artem Provodin, Liila Torabi, Beat Flepp, Yann LeCun, Michael Sergio, L. D. Jackel, Urs Muller, Jure Zbontar

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

Engineering the Hardware/Software Interface for Robotic Platforms - A Comparison of Applied Model Checking with Prolog and Alloy

Md Abdullah Al Mamun, Christian Berger, Jörgen Hansson

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

Comments Presented at DSLRob 2013 (arXiv:cs/1312.5952)

Observing a Moving Target -- Reliable Transmission of Debug Logs from Embedded Mobile Devices

Björn Daase, Leon Matthes, Lukas Pirl, Lukas Wenzel

专题命中 其他自动驾驶 ：self-driving(abstract,comments)

Comments to be presented at the 1st International Workshop on Testing Distributed Internet of Things Systems; associated implementation code can be found at https://gitlab.com/hpi-potsdam/osm/self-driving-carrera

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

Analyzing the Impact of Adversarial Attacks on C-V2X-Enabled Road Safety: An Age of Information Perspective

分析对抗攻击对C-V2X赋能道路安全的影响：信息年龄视角

Mahmudul Hassan Ashik, Moinul Hossain

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

AI总结 本文提出了一种针对NR-V2X的资源饥饿攻击，通过降低SLRs导致自动驾驶安全风险，并利用信息年龄模型验证攻击影响。

Comments 6 pages, 5 figures, Accepted for publication at 2026 IEEE International Conference on Communications

Journal ref ICC 2026 - IEEE International Conference on Communications, Glasgow, United Kingdom, 2026, pp. 1-6

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

Conditional Normalizing Flows for Forward and Backward Joint State and Parameter Estimation

条件归一化流用于前向和后向联合状态与参数估计

Luke S. Lagunowich, Guoxiang Grayson Tong, Daniele E. Schiavazzi

机构 * Department of Computer Science and Engineering University of Notre Dame（计算机科学与工程系诺特达姆大学） ； Department of Pediatrics Stanford University（儿科系斯坦福大学） ； Department of Applied and Computational Mathematics and Statistics University of Notre Dame（应用与计算数学与统计系诺特达姆大学） 纠错

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

AI总结 针对非线性非高斯系统，提出基于条件归一化流的状态滤波方法，结合MLP、Transformer或Mamba-SSM生成条件嵌入，并引入最优传输动力学损失缓解过参数化，在自动驾驶和COVID-19联合估计中验证有效性。

A Mixed-Logical-Dynamical model for Automated Driving on highways

高速公路自动驾驶的混合逻辑动态模型

Filippo Fabiani, Sergio Grammatico

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

AI总结 本文提出了一种混合决策框架，通过混合逻辑动态系统建模车辆动力学，采用简单驾驶规则防止冲突，将协调问题形式化为广义混合整数势博弈，平衡个体最优与整体安全。

Joint Transportation and Charging Scheduling in Public Vehicle Systems - A Game Theoretic Approach

公共车辆系统中的运输与充电调度——一种博弈论方法

Ming Zhu, Xiao-Yang Liu, Xiaodong Wang

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文研究公共车辆系统中运输与充电调度的协同问题，采用蛋糕切割博弈模型协调车辆组、云平台和智能电网之间的交互，提出算法求解纳什均衡，通过模拟验证方案在新纽约市出租车和电网数据集下的有效性。

Comments 13 pages

Uncertainty Estimation via Hyperspherical Confidence Mapping

基于超球面置信映射的不确定性估计

Eunseo Choi, Ho-Yeon Kim, Jaewon Lee, Taeyong jo, Myungjun lee, Heejin Ahn

机构 * KAIST（韩国科学技术院） ； Samsung Electronic Co., Ltd（三星电子有限公司） 纠错

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

AI总结 提出超球面置信映射（HCM），通过将输出分解为幅度和归一化方向向量并利用几何约束违反程度实现无采样、无分布假设的不确定性估计，在回归和分类任务中匹配或超越集成与证据方法且推理成本更低。

Comments Accepted at ICLR 2026. 24 pages, 7 figures, including appendix. Updated references

To Overlay or to Customize? Revisiting Architectural Choices in Heterogeneous Systems

覆盖还是定制？异构系统中架构选择的再探讨

Xingzhen Chen, Shixin Ji, Zheng Dong, Peipei Zhou

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

AI总结 本文从部署角度系统研究了覆盖架构与定制加速架构在自动驾驶场景中的权衡，分析了工作负载变化、架构设计、重配置延迟和切换频率等实际条件下的适用性。

Beyond Scalar Objectives: Expert-Feedback-Driven Autonomous Experimentation for Scientific Discovery at the Nanoscale

超越标量目标：基于专家反馈的自主实验探索用于纳米尺度科学发现

Ralph Bulanadi, Jefferey Baxter, Arpan Biswas, Hiroshi Funakubo, Dennis Meier, Jan Schultheiß, Rama Vasudevan, Yongtao Liu

机构 * Center for Nanophase Materials Sciences, Oak Ridge National Laboratory（橡树岭国家实验室纳米相材料中心） ； University of Tennessee-Oak Ridge Innovation Institute, University of Tennessee（田纳西大学橡树岭创新研究所） ； Department of Material Science and Engineering, School of Materials and Chemical Technology, Institute of Science Tokyo（东京科学大学材料科学与工程系、材料与化学技术学院） ； Department of Materials Science and Engineering, Norwegian University of Science and Technology (NTNU)（挪威科学技术大学（NTNU）材料科学与工程系） ； Faculty of Physics and Center for Nanointegration Duisburg-Essen (CENIDE), University of Duisburg-Essen（杜伊斯堡- Essen大学物理系和杜伊斯堡- Essen纳米集成中心（CENIDE）） ； Research Center Future Energy Materials and Systems, Research Alliance Ruhr（鲁尔研究联盟未来能源材料与系统研究中心） 纠错

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文提出了一种名为深度核成对学习（DKPL）的方法，通过整合专家知识和跨学科科学知识，改进自主显微实验，从而在纳米尺度上更有效地发现科学现象。

Knapsack-based Online Sensor Selection for Vehicle State Estimation

基于背包问题的在线传感器选择用于车辆状态估计

Jehyeop Han, Minhee Kang, Alessandro Colombo, Marcello Farina, Heejin Ahn

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

AI总结 为了解决车辆依赖外部传感器数据带来的通信和计算成本问题，本文提出了一种基于背包问题的在线传感器选择方法，通过实时选择低成本的传感器子集，并满足由扩展卡尔曼滤波协方差导出的随机约束误差界。

Comments 7 pages, 5 figures. Accepted to the 23rd IFAC World Congress (IFAC 2026)

Volumetric Optical Scattering Neural Networks

体积分散神经网络

Xuhao Luo, Qiang Song, Weiwei Cai, Lei Chen, Enbo Yang, Hao Wang, Zhipei Sun, Yueqiang Hu, Joel K. W. Yang, Huigao Duan

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

AI总结 本文提出体积分散神经网络，利用密集排列的弱散射体实现三维局部连接的光计算介质，实现高密度、高紧凑性和高效光学计算，应用于嵌入式光学智能和AI领域。

Large Language Models over Networks: Collaborative Intelligence under Resource Constraints

网络上的大语言模型：在资源限制下的协作智能

Liangqi Yuan, Wenzhi Fang, Shiqiang Wang, H. Vincent Poor, Christopher G. Brinton

机构 * Purdue University（普渡大学） ； University of Exeter（埃克塞特大学） ； Princeton University（普林斯顿大学） 纠错

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

AI总结 本文探讨了在资源受限环境下，通过设备与云端协同以及多智能体协作提升大语言模型性能的方法，提出了协同推理的两种维度，并讨论了协作学习与开放研究挑战。

Comparative Analysis of Direct-to-Cell (D2C) and 3GPP Non-Terrestrial Networks (NTN) for Global Connectivity

直接到终端（D2C）与3GPP非地面网络（NTN）的比较分析：为全球连接性服务

Donglin Wang, Anjie Qiu, Qiuheng Zhou, Hans D. Schotten

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

AI总结 本文比较了D2C和3GPP NTN两种架构，分析其标准化、网络架构、物理层创新及安全性和运营权衡，指出NTN在性能、安全性和扩展性上优于D2C，适合6G卫星-地面融合。

Comments 7 pages, 2 figures, IEEE VTC fall 2026

AutoREC: A software platform for developing reinforcement learning agents for equivalent circuit model generation from electrochemical impedance spectroscopy data

AutoREC：一种用于从电化学阻抗谱数据开发强化学习代理以生成等效电路模型的软件平台

Ali Jaberi, Yonatan Kurniawan, Robert Black, Shayan Mousavi M., Kabir Verma, Zoya Sadighi, Santiago Miret, Jason Hattrick-Simpers

机构 * Clean Energy Innovation Research Center, National Research Council Canada（清洁能源创新研究中心，加拿大国家研究委员会） ； Department of Material Science and Engineering, University of Toronto（材料科学与工程系，多伦多大学） ； Cheriton School of Computer Science, University of Waterloo（计算机科学学院，滑铁卢大学） 纠错

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 AutoREC通过将等效电路模型生成建模为马尔可夫决策过程中的序列决策问题，利用深度强化学习解决传统手动试错方法的局限性，实现了高成功率的自动等效电路模型生成。

An Interactive Graphical Tool to Check the Coarray Continuity of Two-Fold Redundant Sparse Arrays (TFRSAs) Under Single Sensor Failures

一种交互式图形工具用于检查在单传感器故障下的双冗余稀疏阵列（TFRSAs）的共阵连续性

Namya Malik, Ashish Patwari, Sangeetha N

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

AI总结 本文提出一种交互式图形工具，用于验证双冗余稀疏阵列在单传感器故障下的共阵连续性，通过MATLAB开发的GUI提供全面框架和示例验证，确保阵列配置的冗余性。

Comments 25 pages, 12 figures, 1 Table

CrystalX: High-accuracy Crystal Structure Analysis Using Deep Learning

CrystalX：利用深度学习进行高精度晶体结构分析

Kaipeng Zheng, Weiran Huang, Wanli Ouyang, Han-Sen Zhong, Yuqiang Li

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文提出CrystalX，利用深度学习实现全自动原子级晶体结构分析，通过5万+X射线衍射数据验证，显著优于现有方法，能自动纠正同行评审中的错误，开启自动驾驶实验室的自动化新纪元。

AI Incident Monitoring through a Public Health Lens

通过公共卫生视角监控人工智能事件

Sophia Abraham, Taiye Chen, Cyril Chhun, Giovanna Jaramillo-Gutierrez, Simon Mylius, Sayash Raaj, Peter Slattery, Sean McGregor

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文提出通过公共卫生视角监控AI事件的框架，识别六个事件发展阶段，并通过自动驾驶和深度伪造案例展示如何结合专家知识和工具评估风险。

DRIV-EX: Counterfactual Explanations for Driving LLMs

DRIV-EX：用于驾驶LLM的反事实解释

Amaia Cardiel, Eloi Zablocki, Elias Ramzi, Eric Gaussier

机构 * Aptikal, Université Grenoble Alpes（Aptikal，格勒诺布尔大学） 纠错

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

AI总结 本文提出DRIV-EX方法，通过反事实解释研究驾驶LLM的决策过程，利用梯度优化生成语义变化的场景描述，提升解释的可理解性和鲁棒性。

Comments Accepted at ACL Findings 2026

M100: An Orchestrated Dataflow Architecture Powering General AI Computing

M100：一种赋能通用人工智能计算的协同数据流架构

Yan Xie, Changkui Mao, Changsong Wu, Chao Lu, Chao Suo, Cheng Qian, Chun Yang, Danyang Zhu, Hengchang Xiong, Hongzhan Lu, Hongzhen Liu, Jiafu Liu, Jie Chen, Jie Dai, Junfeng Tang, Kai Liu, Kun Li, Lipeng Ge, Meng Sun, Min Luo, Peng Chen, Peng Wang, Shaodong Yang, Shibin Tang, Shibo Chen, Weikang Zhang, Xiao Ling, Xiaobo Du, Xin Wu, Yang Liu, Yi Jiang, Yihua Jin, Yin Huang, Yuli Zhang, Zhen Yuan, Zhiyuan Man, Zhongxiao Yao

机构 * Li Auto 纠错

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

AI总结 M100通过协同数据流架构提升自动驾驶、大语言模型等领域的AI计算效率与成本效益，采用编译器-架构协同设计优化数据传输，减少缓存依赖，提升系统性能。

Comments Accepted to appear at ISCA 2026 Industry Track. 12 pages, 16 figures