自动驾驶

QCNeXt: A Next-Generation Framework For Joint Multi-Agent Trajectory Prediction

Zikang Zhou, Zihao Wen, Jianping Wang, Yung-Hui Li, Yu-Kai Huang

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

Comments Technical report for the 1st place solution of the Argoverse 2 Multi-Agent Motion Forecasting Competition at the CVPR 2023 Workshop on Autonomous Driving

Safe Reinforcement Learning with Probabilistic Control Barrier Functions for Ramp Merging

Soumith Udatha, Yiwei Lyu, John Dolan

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

Comments Safe Learning for Autonomous Driving Workshop, ICML 2022

UMBRELLA: Uncertainty-Aware Model-Based Offline Reinforcement Learning Leveraging Planning

Christopher Diehl, Timo Sievernich, Martin Krüger, Frank Hoffmann, Torsten Bertram

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

Comments Best Paper Award @ Advances in Neural Information Processing Systems - Machine Learning for Autonomous Driving Workshop (NeurIPS 2021 ML4AD)

Skeleton-Graph: Long-Term 3D Motion Prediction From 2D Observations Using Deep Spatio-Temporal Graph CNNs

Abduallah Mohamed, Huancheng Chen, Zhangyang Wang, Christian Claudel

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

Comments To appear in the The ROAD Challenge: Event Detection for Situation Awareness in Autonomous Driving ICCV 2021 Workshop

Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) Workshops, 2021

The efficacy of Neural Planning Metrics: A meta-analysis of PKL on nuScenes

Yiluan Guo, Holger Caesar, Oscar Beijbom, Jonah Philion, Sanja Fidler

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

Comments IROS 2020 Workshop on Benchmarking Progress in Autonomous Driving

RankFormer: A Propose-then-Select Transformer for Multi-Agent Multimodal Trajectory Prediction

自发现意图感知变换器用于多模态车辆轨迹预测

Diyi Liu, Zihan Niu, Tu Xu, Xingchen Zhang, Lishan Sun

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

AI总结 本文提出一种基于Transformer的多模态车辆轨迹预测模型，通过分离空间模块和轨迹生成模块提升预测性能，并通过预测残差偏移学习有序轨迹。

Comments 11 pages, 5 figures

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。

Human-like working memory signatures emerge from intrinsically plastic artificial neurons for robust dynamic vision

物理驱动的人类样工作记忆在动态视觉中优于数字网络

Jingli Liu, Huannan Zheng, Bohao Zou, Kezhou Yang

机构 * Microelectronics Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）微电子研究组） 纠错

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

AI总结 本文提出基于物理的Intrinsic Plasticity Network (IPNet)，通过磁隧道结的焦耳加热弛豫动态实现类人工作记忆，显著提升动态视觉任务的效率与精度。

SLAM for Indoor Mapping of Wide Area Construction Environments

Vincent Ress, Wei Zhang, David Skuddis, Norbert Haala, Uwe Soergel

机构 * Institute for Photogrammetry（摄影测量研究所） ； Geoinformatics, University of Stuttgart, Germany（地理信息学，斯图加特大学，德国） 纠错

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

Journal ref ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, X-2-2024

Learning to Navigate Efficiently with Only 0.58M Trainable Parameters

仅用58万个可训练参数学习高效导航

Edward Beng Wai Tan, Siew-Kei Lam

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 研究视觉导航中单个任务族所需规模及替代结构，提出分解式导航模型，仅用少量可训练参数，在导航任务中接近最先进模型性能，还能用于无目标探索，故障模式可解析纠正。

Comments 6 pages, 4 figures. Under review

Drive As You Like: Multi-Head Diffusion with Reinforcement Learning for Personalized Driving

随心所欲驾驶：基于强化学习的多头部扩散个性化驾驶

Fan Ding, Xuewen Luo, Fucai Ke, Hwa Hui Tew, Susilawati Susilawati, Vishnu Monn Baskaran, Junn Yong Loo

机构 * School of Information Technology, Monash University Malaysia（墨尔本大学马来西亚分校信息科技学院） ； Southwest University, China（西南大学） 纠错

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

AI总结 研究旨在解决自动驾驶规划器忽视人类驾驶行为多样性及难以理解用户意图的问题。提出基于强化学习的多策略框架，集成多头部扩散规划器与语义理解，采用两阶段训练范式。实验表明该方法在nuPlan基准测试中性能良好，能满足实时规划并对齐用户意图。

Comments Has been submitted to AAAI 2026

3D Scene Graph Prediction: Generating Hierarchical Models from Partially Observed Environments

3D场景图预测：从部分观测环境生成层次模型

Siyi Hu, Jared Strader, Hyungtae Lim, Luca Carlone

机构 * Laboratory for Information & Decision Systems (LIDS), Massachusetts Institute of Technology（信息与决策系统实验室（LIDS），麻省理工学院） ； Department of Electrical and Computer Engineering, Oakland University（奥克兰大学电气与计算机工程系） 纠错

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

AI总结 针对机器人部分观测环境的场景预测问题，提出自上而下框架合成含房间层和物体层的3D场景图，用混合域图扩散模型等方法，相比其他方法对分布外部分平面图泛化性更好，能在真实场景预测。

Comments Accepted at IROS 2026. Main paper: 8 pages, 3 figures, 3 tables. Includes a supplementary appendix

PC-Diffuser: Path-Consistent Capsule CBF Safety Filtering for Diffusion-Based Trajectory Planner

PC-Diffuser: 基于路径一致的胶囊CBF安全过滤器用于基于扩散的轨迹规划器

Eugene Ku, Yiwei Lyu

机构 * Texas A&M University（德克萨斯A&M大学） 纠错

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

AI总结 PC-Diffuser通过在扩散规划中嵌入可认证的路径一致屏障函数，实现轨迹生成中的安全性和路径一致性，提升复杂交通环境下的自动驾驶安全性。

TRIG: Trajectory-Rig Decoupled Metric Geometry Learning

TRIG：轨迹-装置解耦度量几何学习

Lizhou Liao, Wentao Xu, Handong Wang, Lirong Yang, Shuai Yang, Weiwei Liu, Chang Huang

机构 * Carizon（卡里松） ； ShanghaiTech University（上海科技大学） 纠错

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

AI总结 针对自动驾驶中视觉几何模型不适用于刚性多相机驱动系统的问题，提出TRIG框架，将相机姿态分解，引入解耦编码与监督及稀疏时空注意力，在多基准测试中实现姿态估计、深度预测和3D重建的最优性能。

Comments 10 pages, 4 figures, 8 tables

TADPO: Reinforcement Learning Goes Off-road

TADPO：强化学习走向越野

Zhouchonghao Wu, Raymond Song, Vedant Mundheda, Luis E. Navarro-Serment, Christof Schoenborn, Jeff Schneider

机构 * Robotics Institute, School of Computer Science, Carnegie Mellon University（机器人研究所，计算机科学学院，卡内基梅隆大学） 纠错

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

AI总结 TADPO通过改进的策略梯度方法，首次在全规模越野平台上实现了基于强化学习的自动驾驶解决方案，能够应对复杂地形和低信号奖励环境。

Comments Accepted for Oral Presentation at ICRA 2026

Real-Time Model Checking for Closed-Loop Robot Reactive Planning

闭环机器人反应式规划的实时模型检查

Christopher Chandler, Bernd Porr, Giulia Lafratta, Alice Miller

机构 * School of Computing Science University of Glasgow Glasgow Scotland UK（计算科学学院格拉斯哥大学格拉斯哥苏格兰英国） ； School of Biomedical Engineering University of Glasgow Glasgow Scotland UK（生物医学工程学院格拉斯哥大学格拉斯哥苏格兰英国） ； University of Glasgow（格拉斯哥大学） 纠错

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

AI总结 研究利用模型检查让自主机器人实现反应式多步规划与避障，特制算法基于生物知识实时原位生成规划，通过链式系统和临时快照减轻状态空间爆炸，实验证明方法有效且性能提升，为自动驾驶导航发展提供案例，适用于关键任务移动机器人。

Comments 41 pages excluding references, 21 figures, submitted to Formal Aspects of Computing

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

Do Vision-Language-Action Models Mean What They Say? On the Role of Faithfulness in Embodied Reasoning

视觉语言动作模型所言即所指？论忠实性在具身推理中的作用

Matthew Foutter, Matteo Cercola, Lena Wild, Yunshan Wang, Michelle Li, Daniele Gammelli, Marco Pavone

机构 * Stanford University（斯坦福大学） ； Politecnico di Milano（米兰理工大学） ； KTH Royal Institute of Technology（皇家理工学院） ； Italian Institute of Artificial Intelligence (AI4I)（意大利人工智能研究所） ； NVIDIA Research（英伟达研究院） 纠错

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

AI总结 研究视觉语言动作模型中具身思维链是否真实反映决策过程。区分功能推理与忠实推理，指出当前对齐策略不足，通过人类评估揭示差距，用学习的评论家操作具身忠实性的行为替代物，强化学习后训练策略提升了忠实性。

AnchorVLA: Bridging Discrete Decisions and Continuous Trajectories for Vision-Language-Action Planning

AnchorVLA：为视觉-语言-动作规划连接离散决策与连续轨迹

Qi Liu, Yabei Li, Hongsong Wang, Heng Zhang, Lei He

机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（清华大学智能绿色车辆与交通国家重点实验室） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Meituan Inc.（美团公司） ； Dongfeng Motor Corporation（东风汽车公司） 纠错

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

AI总结 自动驾驶规划需将多种信息转化为连续轨迹，现有视觉-语言-动作（VLA）规划器有局限。提出AnchorVLA框架，用轨迹模式锚连接高层VLA推理与连续轨迹执行，提升效率、语义动作对齐和生成灵活性。

Physically Native World Models: A Hamiltonian Perspective on Generative World Modeling

物理原生世界模型：生成式世界建模的哈密顿视角

Sen Cui, Jingheng Ma

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 提出哈密顿世界模型，通过结构化潜相空间和哈密顿动力学演化实现物理可靠、动作可控且长期稳定的未来预测，用于具身决策。

DSIP: A Dynamic Coordination Planner for Signal-Free Intersections using Diffusion-Model-Based Multi-Agent Motion Planning

DSIP: 基于扩散模型的多智能体运动规划的无信号交叉口动态协调规划器

Qian Hu, Haoyang Peng, Songan Zhang, Ming Yang, Hongtei Eric Tseng

机构 * Global Institute of Future Technology, Shanghai Jiao Tong University（上海交通大学全球未来技术学院） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Department of Electrical Engineering, The University of Texas at Arlington（德克萨斯大学阿灵顿分校电气工程系） 纠错

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

AI总结 提出DSIP框架，利用扩散模型生成多车连续轨迹优化，替代传统信号相位控制，在SUMO仿真中显著降低平均延误并提高平均速度。

LAMP: Lane-Aligned Motion Primitives for Feasible Trajectory Prediction

LAMP: 面向可行轨迹预测的车道对齐运动基元

Sangjin Han, Hoseong Jung, Jeongtae Her, Changhyun Choi, H. Jin Kim

机构 * Seoul National University（首尔大学） ； Hyundai Motor Company（现代汽车公司） 纠错

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

AI总结 提出LAMP框架，利用VQ-VAE学习形状感知运动基元作为离散意图查询，并结合车道拓扑先验的可行性意图选择器，在保持行为多样性的同时提升预测轨迹的拓扑一致性和可行性。

Comments IEEE ITSC 2026, 6 pages

Rethinking Training & Inference for Forecasting: Linking Winner-Take-All back to GMMs

重新思考预测中的训练与推理：将赢家通吃带回高斯混合模型

Qiyuan Wu, Katie Z Luo, Bharath Hariharan, Wei-Lun Chao, Mark Campbell

机构 * Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； Boston University（波士顿大学） 纠错

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

AI总结 针对轨迹预测中赢家通吃训练导致模式后验不可靠的问题，提出测试时后验加权合并和一步EM更新两种轻量级后处理方法，无需重训练即可提升模式排序和预测精度。

Comments Accepted by ECCV 2026

Reasonable Motion: A General ASP Foundation for Environment Constrained Movement Trajectory Computation

合理运动：环境约束下移动轨迹计算的一般ASP基础

Julius Monsen, Jakob Suchan, Mehul Bhatt, Lars Karlsson

机构 * Örebro University（厄勒布鲁大学） ； Constructor University Bremen（不来梅康斯特大学） ； CoDesign Lab（CoDesign实验室） 纠错

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

AI总结 提出一种基于回答集编程的混合定量-定性方法，用于计算真实环境中移动对象的约束分支轨迹模式，通过枚举几何上可行的运动行为作为稳定模型，实现可验证的可解释性，并在自动驾驶基准上验证。

Comments Accepted at: LPNMR 2026 - 18th International Conference on Logic Programming and Non-monotonic Reasoning, 7 - 11 September 2026 - Klagenfurt, Austria

Decentralized Autonomous Traffic Management through Corridor Networks

通过走廊网络的去中心化自主交通管理

Jasmine Jerry Aloor, Aadarsh Govada, Hamsa Balakrishnan

机构 * Department of Aeronautics and Astronautics（航空航天系） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Maryland（马里兰大学） 纠错

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

AI总结 针对高密度自主航空交通，提出基于多智能体强化学习的去中心化走廊网络交通流管理方法，零样本迁移至复杂网络，无需集中协调或重训练。

Comments Presented at the Second US-Europe Air Transportation Research and Development Symposium (ATRDS2026)

JPPD: Joint Prediction_Planning Diffusion with Differentiable Safety Guidance for Dynamic Obstacle Avoidance in Intelligent Transportation Systems

JPPD：具有可微安全引导的联合预测-规划扩散框架用于智能交通系统中的动态障碍物规避

Jiahao Wu, Shengwen Yu

机构 * The University of Hong Kong（香港大学） ； Guangzhou College of Commerce（广州商学院） 纠错

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

AI总结 提出联合预测-规划扩散框架，将参与者预测与机器人规划视为条件轨迹生成问题，通过可微安全势引导和条件流匹配提升共享空间中的安全性与效率。

Comments 12 pages, 4 figures

Dual-Agent Framework for Cross-Model Verified Translation of Natural-Language Protocols into Robotic Laboratory Platform

用于将自然语言协议翻译为机器人实验室平台的双智能体跨模型验证框架

Hyeonna Choi, Jung Yup Kim, Hyuneui Lim, Seunggyu Jeon

机构 * Department of Bionic Machinery, Research Institute of AI Robot, Korea Institute of Machinery & Materials（生物机械系、人工智能机器人研究所、韩国机械材料研究院） 纠错

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

AI总结 提出双智能体框架，通过解析器形式化协议、规则映射引擎生成控制命令、异构LLM验证器纠错，实现自然语言微孔板协议到机器人平台可执行命令的转换，并验证了端到端自主执行。

Learn to Quantify Social Interaction with Constraints for Pedestrian Walking

学习量化行人行走中的社交互动约束

Xiaodan Shi

机构 * Department of Computer and Systems Sciences, Stockholm University（斯德哥尔摩大学计算机与系统科学系） 纠错

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

AI总结 提出Learn to Cluster方法，通过概率潜变量生成模型从轨迹观测中无监督学习社交互动模式，并有效集成到行人轨迹预测中，提升预测鲁棒性。