自动驾驶

Interaction-Aware Probabilistic Behavior Prediction in Urban Environments

Jens Schulz, Constantin Hubmann, Julian Löchner, Darius Burschka

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

Comments Accepted paper at IEEE IROS 2018. $©$ 2018 IEEE

A Data-Driven Approach for Autonomous Motion Planning and Control in Off-Road Driving Scenarios

Hossein Rastgoftar, Bingxin Zhang, Ella M. Atkins

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

Comments 8 pages, 9 figures, this paper will appear in the 2018 American Control Conference(ACC)

Motion Planning Among Dynamic, Decision-Making Agents with Deep Reinforcement Learning

Michael Everett, Yu Fan Chen, Jonathan P. How

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

Predictions of short-term driving intention using recurrent neural network on sequential data

Zhou Xing, Fei Xiao

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

Towards Fully Environment-Aware UAVs: Real-Time Path Planning with Online 3D Wind Field Prediction in Complex Terrain

Philipp Oettershagen, Florian Achermann, Benjamin Müller, Daniel Schneider, Roland Siegwart

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

Learning image representations tied to ego-motion

Dinesh Jayaraman, Kristen Grauman

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

Comments Supplementary material appended at end. In ICCV 2015

Vision and Learning for Deliberative Monocular Cluttered Flight

Debadeepta Dey, Kumar Shaurya Shankar, Sam Zeng, Rupesh Mehta, M. Talha Agcayazi, Christopher Eriksen, Shreyansh Daftry, Martial Hebert, J. Andrew Bagnell

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

Prioritized Planning Algorithms for Trajectory Coordination of Multiple Mobile Robots

Michal Čáp, Peter Novák, Alexander Kleiner, Martin Selecký

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

Robotic Mapping with Polygonal Random Fields

Mark Paskin, Sebastian Thrun

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

Comments Appears in Proceedings of the Twenty-First Conference on Uncertainty in Artificial Intelligence (UAI2005)

LaViPlan : Language-Guided Visual Path Planning with RLVR

Hayeon Oh

机构 * Electronics and Telecommunications Research Institute（电子通信研究院） 纠错

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

Comments Accepted to the 2nd ICCV 2025 Workshop on the Challenge of Out-of-Label Hazards in Autonomous Driving (13 pages, 6 figures)

LMFormer: Lane based Motion Prediction Transformer

Harsh Yadav, Maximilian Schaefer, Kun Zhao, Tobias Meisen

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

Comments Accepted: Autonomous Driving Workshop, CVPR 2025

BiPOCO: Bi-Directional Trajectory Prediction with Pose Constraints for Pedestrian Anomaly Detection

Asiegbu Miracle Kanu-Asiegbu, Ram Vasudevan, Xiaoxiao Du

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

Comments Accepted in Workshop on Safe Learning for Autonomous Driving, co-located with the International Conference on Machine Learning (ICML 20222)

A Human-Centric Method for Generating Causal Explanations in Natural Language for Autonomous Vehicle Motion Planning

Balint Gyevnar, Massimiliano Tamborski, Cheng Wang, Christopher G. Lucas, Shay B. Cohen, Stefano V. Albrecht

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

Comments IJCAI Workshop on Artificial Intelligence for Autonomous Driving (AI4AD), 2022

Switching Recurrent Kalman Networks

Giao Nguyen-Quynh, Philipp Becker, Chen Qiu, Maja Rudolph, Gerhard Neumann

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

Comments Machine Learning for Autonomous Driving Workshop at the 35th Conference on Neural Information Processing Systems (NeurIPS 2021), Sydney, Australia

Quadratic Q-network for Learning Continuous Control for Autonomous Vehicles

Pin Wang, Hanhan Li, Ching-Yao Chan

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

Comments Machine Learning for Autonomous Driving Workshop on NeurIPS, 2019

Winning the ICCV 2019 Learning to Drive Challenge

Michael Diodato, Yu Li, Manik Goyal, Iddo Drori

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

Journal ref ICCV Autonomous Driving Workshop, 2019

ControlledShifts: Towards Standardizing Robustness Evaluation in Trajectory Prediction Under Distribution Shifts

ControlledShifts：面向分布偏移下轨迹预测鲁棒性评估的标准化

Ingrid navarro, Pablo Ortega-Kral, Yutong Duan, Jonathan Francis, Jean Oh

机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； Lavoro AI（拉沃罗人工智能公司） ； Stack AV（斯塔克自动驾驶公司） ； Bosch Center for Artificial Intelligence（博世人工智能中心） 纠错

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

AI总结 本文提出ControlledShifts框架与基准套件，通过标准化划分轨迹数据集及统一鲁棒性评分，评估不同容量Transformer架构在分布偏移下轨迹预测的鲁棒性，揭示其处理潜在相关性与环境结构的差异。

Comments 8 pages, 8 figures, 1 table

Stability Control for Real World Testing in Autonomous Racing

自主赛车真实场景测试中的稳定性控制

Phillip Pitschi, Simon Sagmeister, Frederik Werner, Markus Lienkamp, Boris Lohmann

机构 * Technical University of Munich（慕尼黑工业大学） 纠错

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

AI总结 针对自主赛车无安全驾驶员、车辆易失稳的问题，提出含ESC、SC、CS的稳定性控制系统，经仿真与实车验证可维持稳定、扩展可运行区域，且提供开源实现。

Comments Accepted at IEEE ITSC 2026

Beyond the Trace: Coupling an Interpretable Reasoning-State Readout to Native MoE Routing

超越轨迹：将可解释推理状态读出与原生MoE路由耦合

Kang Chen, Sihan Zhao, Yixin Cao, Yugang Jiang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本研究提出将可解释推理状态读出J64与原生MoE路由耦合的两级机制，提升推理过程可解释性与性能，R64作为低开销代理可保留其核心增益，还能优化分支选择与投票策略、调整推理行为。

Domain-Adapted Molecular Language Models for Efficient Search of Make-on-Demand Libraries

用于按需构建库高效搜索的领域适配分子语言模型

Henrik Wille, Luis-Finley Schütz, Felix Strieth-Kalthoff

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

AI总结 该研究通过在6个虚拟分子库上对4种分子语言模型进行基准测试，发现显式领域适配可提升分子表示性能，适配后的编码器在基准任务中表现最佳，为虚拟筛选等领域提供了样本高效的自适应决策策略。

UniReflex: Plug-and-Play Force Control for Pretrained Generative Policies via Fast-Slow Reflex

UniReflex：基于快慢反射的预训练生成策略的即插即用力控制

Yan Huang, Shoujie Li, Ziwu Song, Wenbo Ding

机构 * Tsinghua University（清华大学） ； Shenzhen International Graduate School（深圳国际研究生院） ； Nanyang Technological University（南洋理工大学） ； X Square Robot（X Square机器人公司） ； Xspark AI（Xspark人工智能公司） 纠错

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

AI总结 UniReflex是一种即插即用框架，通过快速反射网络和解耦的可变阻抗控制，为冻结的生成策略提升接触稳定性与成功率，同时保留位置精度且延迟大幅降低。

Parallel Branch Model Predictive Control on GPUs

GPU上的并行分支模型预测控制

Luyao Zhang, Chenghuai Lin, Sergio Grammatico

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

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

AI总结 该研究提出基于GPU的分支模型预测控制轨迹规划求解器，结合迭代LQR等方法，开发两种定制内部LQR求解器，在大规模轨迹规划问题上性能优于高性能CPU求解器。

Comments 8 pages, 7 figures

Longitudinal Control for Autonomous Racing with Combustion Engine Vehicles

Phillip Pitschi, Simon Sagmeister, Sven Goblirsch, Markus Lienkamp, Boris Lohmann

机构 * Technical University of Munich, Germany（慕尼黑技术大学） ； School of Engineering & Design（工程与设计学院） ； Department of Engineering Physics and Computation（工程物理与计算系） ； Institute of Automatic Control（自动控制研究所） ； Department of Mobility Systems Engineering（移动系统工程系） ； Institute of Automotive Technology（汽车技术研究所） 纠错

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

Comments 8 pages, 9 Figures

Spatial Attention Noise Masking for Causally Sufficient Interpretability

用于因果充分可解释性的空间注意力噪声掩码

Benjamin Formby, Kuang-Ching Wang, D Hudson Smith

机构 * Clemson University（克莱姆森大学） ； Binghamton University（宾汉姆顿大学） 纠错

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

AI总结 本研究提出空间注意力噪声掩码框架，结合UNet风格掩码生成器与Resnet18编码器等，实现计算机视觉模型的因果充分可解释性，在五项分类任务中兼具掩码忠实性、分类性能与分布偏移鲁棒性。

Efficient Block-Layer Parallel Inference for Vision-Language-Action on Hybrid Architectures

面向混合架构的视觉-语言-动作（VLA）高效块级并行推理

Haibo HU, Lianming Huang, Qiao Li, Nan Guan, Chun Jason Xue

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

AI总结 该研究针对VLA模型部署于车载平台的延迟与内存压力问题，提出混合CPU-GPU推理框架，通过块级划分实现资源调度，在Bench2Drive数据集及实车部署中均取得性能提升。

Hybrid System Planning using a Mixed-Integer ADMM Heuristic and Hybrid Zonotopes

混合系统规划使用混合整数ADMM启发式方法和混合聚束体

Joshua A. Robbins, Andrew F. Thompson, Jonah J. Glunt, Herschel C. Pangborn

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

AI总结 本文提出了一种混合系统规划框架，结合混合聚束体与ADMM启发式方法，以提高混合系统规划的效率和收敛速度。

Bridging Network Fragmentation: A Semantic-Augmented DRL Framework for UAV-aided VANETs

弥合网络碎片化：一种语义增强的深度强化学习框架用于无人机辅助的VANETs

Gaoxiang Cao, Wenke Yuan, Huasen He, Yunpeng Hou, Xiaofeng Jiang, Shuangwu Chen, Jian Yang

机构 * Department of Automation, University of Science & Technology of China（中国科学技术大学自动化系） 纠错

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

AI总结 本文提出语义增强深度强化学习框架，通过语义推理优化无人机在VANETs中的部署，提升网络连通性与效率。

Comments Revised version. This update includes substantial improvements to the methodology, ablation studies, temporal robustness analysis, and cross-city generalization experiments. Submitted to IEEE Transactions on Cognitive Communications and Networking. 15 pages, 14 figures

Effective Game-Theoretic Motion Planning via Nested Search

通过嵌套搜索实现有效的博弈论运动规划

Avishav Engle, Andrey Zhitnikov, Oren Salzman, Omer Ben-Porat, Kiril Solovey

机构 * Technion–Israel Institute of Technology（技术离子以色列理工学院） 纠错

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

AI总结 本文提出GTNS方法，通过嵌套搜索有效计算博弈论中的纳什均衡，适用于自动驾驶等场景，实现快速且可靠的运动规划。

Comments Updated version. Offline graph creation runtime added. Acknowledgements added

Cutting AI Datacenter Energy with Reinforcement Learning: Measured Power Control of LLM Training from One GPU to the Fleet

用强化学习降低AI数据中心能耗：从单GPU到集群的大语言模型训练实测功率控制

Eliseo Curcio

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

AI总结 该研究针对大语言模型训练的GPU功耗问题，提出PPO元控制器调整生成参数，在单GPU及集群环境下降低功率违规、提升输出与能效，验证了超额订阅的可行性。

Meshy T2: Fast Native Mesh Generation with Flow Matching

Meshy T2：基于流匹配的快速原生网格生成

Jiale Xu, Rendong Liang, Yuhao Long, Siyuan Shen, Zangyueyang Xian, Xiaofei Wu, Zeyi Xu, Yuanming Hu

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

AI总结 Meshy T2是基于流匹配的网格生成框架，通过顶点集网格VAE和粗到细流匹配级联实现快速图像到网格生成，速度比自回归基线快一个数量级以上，兼具高几何保真度与面数控制、多部件支持能力。