自动驾驶

CKM-Driven Communication-Aware UAV Intelligent Trajectory Optimization for Urban Inspection

CKM驱动的城市巡检通信感知无人机智能轨迹优化

Yang Xiaomeng, Jia Ziye, Zhu Qiuming, Wu Qihui

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

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

AI总结 针对城市巡检中通信可靠性的挑战，提出基于信道知识图（CKM）的轨迹规划框架，利用扩散模型构建CKM并采用全局到局部图注意力网络软演员-评论家算法优化路径，提升轨迹效率与通信可靠性。

Towards Scalable Multi-Task Reinforcement Learning with Large Decision Models

迈向可扩展的多任务强化学习与大决策模型

Thibaut Kulak

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

AI总结 提出LDM-v0，一个在大规模异构强化学习环境上离线预训练的Transformer策略，通过监督下一动作预测实现多任务学习，在约1000个环境中达到与独立训练策略相当的性能。

Systematic Cybersecurity Risk Analysis of European Rail Traffic Management System

欧洲铁路交通管理系统的系统性网络安全风险分析

Kacper Darowski, Sebastian N. Peters, Lukas Lautenschlager

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

AI总结 本研究系统建模ERTMS组件，分析其面临的安全威胁，发现遗留标准引入的漏洞在多种部署场景中持续存在，并指出全面转向ETCS 2级是提升网络安全的关键措施。

Comments Extended version of the paper accepted at ARES 2026 CPRA. First three authors contributed equally to this work

Interpolations: a linear algebra approach

插值：一种线性代数方法

Andronick Arutyunov, Nikolay Korgin

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

AI总结 本文提出统一的线性代数框架处理插值问题，通过对偶空间表示插值条件，给出存在唯一性定理及基函数显式公式，并推广至三角插值及异质传感器场景。

Adaptive Deep Koopman Operator for Vehicle Dynamics Modeling: A Physics-Informed and Tire-Force-Driven Approach

自适应深度库普曼算子用于车辆动力学建模：一种物理信息与轮胎力驱动方法

Wenjie Wang, Hao Chen, Ran Shu, Solyeon Kwon, Kyoungseok Han, Hongyu Shu

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

AI总结 针对深度库普曼算子在在线应用中因高维提升状态空间导致的秩亏问题，提出一种轮胎力驱动建模框架，通过嵌入7自由度动力学约束和物理信息变步长归一化最小均方算法，实现稳定在线更新，在CarSim和dSPACE硬件在环测试中验证了鲁棒精度与实时性。

A Comparative Study of Graph Neural Network Layer Selection for Interaction Modelling in Driving Trajectory Prediction

图神经网络层选择用于驾驶轨迹预测中交互建模的比较研究

George Daoud, Mohamed El-Darieby

机构 * Ontario Tech University（安大略理工大学） ； Assiut University（艾斯尤特大学） 纠错

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

AI总结 本文比较了19种图神经网络层在轨迹预测中的空间和时间处理能力，发现ARMA、Chebyshev和拓扑感知层表现最佳，并总结了基于和聚合、多头注意力和不同跳距权重等设计原则。

Comments 6 pages, 1 figure

Journal ref The IEEE Intelligent Vehicles Symposium (IEEE IV 2026)

m6A-FORM: An m6A-focused Foundation Model for Decoding m6A Regulatory Function

m6A-FORM：解码N6-甲基腺苷生物学的基础模型

Ting-He Zhang, Sumin Jo, Shou-Jiang Gao, Yufei Huang

专题命中 规划控制 ：occupancy(abstract)

AI总结 提出基于Transformer的基础模型m6A-FORM，利用MeRIP-seq峰作为先验，预训练后微调实现m6A位点预测，性能优于现有方法，并支持调控因子结合位点预测和组织保守位点分析。

Distribution-Agnostic Robust Trajectory Optimization via Chance-Constrained Reinforcement Learning

基于机会约束强化学习的分布无关鲁棒轨迹优化

Yashdeep Chaudhary, Roberto Armellin, Harry Holt, Marco Sagliano

机构 * Auckland University（奥克兰大学） 纠错

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

AI总结 提出一种分布无关的鲁棒轨迹优化框架，通过机会约束强化学习处理初始条件和过程噪声的不确定性，采用离线标称轨迹与在线仿射闭环校正，在两种不同轨迹设计问题上验证了概率可行性与燃料效率。

Comments Preprint. 39 pages, 16 figures