Motion Planning for Autonomous Vehicles using Optimization over Graphs of Convex Sets
使用凸集图的优化进行自动驾驶车辆的运动规划
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO
AI总结 本文研究了在自动驾驶中使用凸集图优化对非线性最优控制问题的近似能力，通过凸约束保持轨迹连续性，提升计算效率和鲁棒性。
视觉与机器人
自动驾驶
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
1. 规划控制 4251 篇
DynoJEPP: Joint Estimation, Prediction and Planning in Dynamic Environments
DynoJEPP：动态环境中的联合估计、预测与规划
机构 * Australian Centre For Robotics (ACFR)（澳大利亚机器人中心） ； School of Aerospace, Mechanical and Mechatronic Engineering (AMME)（航空航天、机械与机电工程学院）
专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO
AI总结 DynoJEPP通过引入定向因子解决传统因子图方法中预测与规划对状态估计的干扰问题，确保在动态环境中安全运行。
Random-Set Graph Neural Networks
随机集图神经网络
机构 * School of Engineering, Computing and Mathematics（工程、计算与数学学院） ； Oxford Brookes University（奥克斯福德布鲁克斯大学） ； Department of Computer Science（计算机科学系） ； University of Pisa（比萨大学） ； Oxford Brookes Institute for Artificial Intelligence, Data Analysis and Systems (AIDAS)（奥克斯福德布鲁克斯人工智能、数据分析与系统研究所（AIDAS））
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.AI
AI总结 本文提出了一种新的图神经网络框架，通过信念函数形式建模节点层面的epistemic不确定性，通过随机集头预测类别列表上的随机集，实现精确概率预测和epistemic不确定性度量。
Comments 23 pages, 6 figures
Learning to Communicate Locally for Large-Scale Multi-Agent Pathfinding
为大规模多智能体路径规划学习本地通信
专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.AI
AI总结 本文提出LC-MAPF，通过多轮本地通信提升多智能体协作，优于现有基于强化学习和模仿学习的MAPF求解器，且保持可扩展性。
PointForward: Feedforward Driving Reconstruction through Point-Aligned Representations
PointForward：通过点对齐表示实现馈送驾驶重建
机构 * Xiaomi EV（小米电动车） ； Huazhong University of Science and Technology（华中科技大学） ； Zhejiang University（浙江大学）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV
AI总结 PointForward通过点对齐表示实现驾驶场景重建，采用空间时间融合提升多视角一致性，引入场景图处理动态实例，实现高精度驾驶场景重建。
The DAWN of World-Action Interactive Models
世界-动作交互模型的黎明
机构 * COWARobot Co. Ltd（COWARobot有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出WAIMs，通过DAWN模型在语义潜在空间中实现世界预测与动作生成的交互，提升自动驾驶中的规划性能与安全性。
Hierarchical Causal Abduction: A Foundation Framework for Explainable Model Predictive Control
层次因果反推：可解释模型预测控制的基础框架
机构 * System Dynamics, Chemnitz University of Technology, Chemnitz, Germany（化学特伦茨大学系统动力学系） ； Department of Bioresources, Fraunhofer Institute for Molecular Biology and Applied Ecology（弗劳恩霍夫分子生物学与应用生态学研究所生物资源系）
专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.AI
AI总结 本文提出层次因果反推框架，结合领域知识图、KKT乘子证据和PCMCI算法，提升非线性MPC控制动作的可解释性，实验显示在温室气候、建筑HVAC和化工过程应用中，解释准确率比LIME高53%。
One World, Dual Timeline: Decoupled Spatio-Temporal Gaussian Scene Graph for 4D Cooperative Driving Reconstruction
一个世界，双时间线：解耦的空间-时间高斯场景图用于4D协同驾驶重建
机构 * City University of Hong Kong (Dongguan)（香港城市大学（东莞）） ； City University of Hong Kong（香港城市大学） ； SLAI
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出DUST解耦空间-时间高斯场景图，解决车辆与基础设施相机时间不同步导致的动态场景重建问题，通过解耦姿态轨迹和静态锚点校正提升重建精度与鲁棒性。
Latency Analysis and Optimization of Alpamayo 1 via Efficient Trajectory Generation
通过高效轨迹生成分析和优化Alpamayo 1的延迟
机构 * Graduate School of Automobile and Mobility（汽车与移动研究生院） ； Kookmin University（韩国釜山大学） ； Department of Electrical and Computer Engineering（电子与计算机工程系） ； Seoul National University（首尔国立大学）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.AI
AI总结 本文通过将Alpamayo 1从多推理改为单推理系统，减少推理延迟并保持轨迹多样性，同时通过消除不必要的复制操作和低效内核执行提升扩散动作生成效率，实现了69.23%的延迟降低。
Comments Submitted to IEEE RTCSA on March 26, 2026 (KST) Accepted on May 4, 2026 (KST)
SnareNet: Flexible Repair Layers for Neural Networks with Hard Constraints
SnareNet：带有硬约束的神经网络灵活修复层
机构 * Department of Mathematics, Stanford University（斯坦福大学数学系） ； Institute for Computational and Mathematical Engineering, Stanford University（斯坦福大学计算与数学工程研究所） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系）
专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.AI
AI总结 SnareNet通过引入可微修复层和自适应放松机制，实现神经网络输出满足输入依赖约束，提升了约束满足的精度和鲁棒性。
Sparse-to-Complete: From Sparse Image Captures to Complete 3D Scenes
稀疏到完整：从稀疏图像捕获到完整3D场景
机构 * State Key Lab of CAD\&CG, Zhejiang University（浙江大学CAD与CG国家重点实验室） ； University of Utah（犹他大学） ； Hangzhou Research Institute of Holographic and AI Technology（杭州全息与人工智能技术研究院）
专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.CV
AI总结 本文提出S2C-3D框架，通过六到八张图像实现高保真完整场景重建，结合专用扩散模型、视图一致性条件采样和相机轨迹规划，提升3D重建质量与鲁棒性。
Journal ref SIGGRAPH 2026 Conf. Proc
Dynamics Distillation for Efficient and Transferable Control Learning
为高效且可迁移的控制学习设计的动力学蒸馏
机构 * University of Toronto（多伦多大学） ； NVIDIA（NVIDIA公司） ； General Motors（通用汽车） ； Vector Institute（向量研究所）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO
AI总结 本文提出Sim2Sim2Sim框架，通过将高保真车辆模拟器动力学蒸馏为可并行学习的动力学模型，实现更高效的策略优化和可靠的迁移。
Comments 9 pages, 3 figures, under review
Frozen LLMs as Map-Aware Spatio-Temporal Reasoners for Vehicle Trajectory Prediction
冻结的大语言模型作为具有地图意识的时空推理器用于车辆轨迹预测
机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出利用冻结的大语言模型作为时空推理器，通过交通编码器提取轨迹特征并结合轻量CNN处理地图信息，评估LLM在动态交通代理行为和道路拓扑理解中的能力，提升轨迹预测的准确性与泛化性。
Comments Accepted for publication at IEEE Intelligent Vehicles Symposium 2026
LLM-Augmented Traffic Signal Control with LSTM-Based Traffic State Prediction and Safety-Constrained Decision Support
基于LSTM的交通信号控制与大语言模型增强的交通状态预测与安全约束决策支持
机构 * Tandon School of Engineering, New York University（纽约大学Tandon工程学院）
专题命中 规划控制 ：occupancy(abstract)；分类 cs.AI
AI总结 本文提出一种结合LSTM交通状态预测和大语言模型的交通信号控制框架，通过预测信号相位和生成自然语言解释，提升交通效率并确保安全约束。
Risk-Aware Rulebooks for Multi-Objective Trajectory Evaluation under Uncertainty
考虑风险的多目标轨迹评估下的规则书
机构 * Department of Computer Science, Iowa State University（计算机科学系，爱荷华州立大学）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO
AI总结 本文提出一种考虑风险的正式主义，用于在系统与环境不确定交互下评估轨迹。通过建模轨迹对环境的影响，系统地处理复杂的关系，确保一致性并防止循环偏好。
An Efficient Real-Time Planning Method for Swarm Robotics Based on an Optimal Virtual Tube
基于最优虚拟管的群体机器人高效实时规划方法
机构 * School of Automation Science and Electrical Engineering, Beihang University（自动化科学与电气工程学院，北京航空航天大学）
专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO
AI总结 本文提出结合集中式最优虚拟管规划与分布式控制的群体机器人轨迹规划框架，实现低计算量高频率重规划，融合多步与反应式规划的优势。
Comments 18 pages, 21 figures
Full-Body Dynamic Safety for Robot Manipulators: 3D Poisson Safety Functions for CBF-Based Safety Filters
机器人机械臂的全身动态安全性：基于CBF的安全过滤器中的3D泊松安全函数
机构 * Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） ； Mechanical and Civil Engineering, California Institute of Technology（加州理工学院机械与土木工程系）
专题命中 规划控制 ：occupancy(abstract)；分类 cs.RO
AI总结 本文提出利用3D泊松安全函数实现机器人机械臂在动态环境中的全身避障，通过求解泊松方程生成全局平滑的CBF，确保任务空间的安全约束。
SpanVLA: Efficient Action Bridging and Learning from Negative-Recovery Samples for Vision-Language-Action Model
SpanVLA: 一种高效的视觉-语言-动作模型，通过负样本恢复学习实现动作桥接与学习
机构 * University of California, Los Angeles, USA（加州大学洛杉矶分校） ； Motional, USA（Motional公司） ； Northeastern University, USA（东北大学）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出SpanVLA，一种端到端自动驾驶框架，结合自回归推理与流匹配动作专家，通过高效桥接和负样本恢复学习提升推理效率和鲁棒性。
Comments Project page: https://spanvla.github.io/
Time-Division Multiplexing Actuation in Tendon-Driven Arms: Lightweight Design and Fault Tolerance
tendon驱动臂的时间分割多路复用驱动：轻量化设计与容错性
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； Department of Automation, Tsinghua University（清华大学自动化系）
专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO
AI总结 本文提出了一种时间分割多路复用驱动方法，用于腱驱动机器人，实现轻量化设计和高容错性，通过垂直堆叠的旋转选择结构和双编码系统，使MuxArm在部分伺服故障下仍能保持1%的末端精度。
Comments 11 pages
Journal ref IEEE T-MECH Under review 2026
Goal-based Neural Physics Vehicle Trajectory Prediction Model
基于目标的神经物理车辆轨迹预测模型
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Southeast University（东南大学）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.AI
AI总结 本文提出GNP模型，通过两阶段预测车辆目标和轨迹，提升长短期预测精度与可解释性。
Representations Before Pixels: Semantics-Guided Hierarchical Video Prediction
在像素之前：基于语义的分层视频预测
机构 * Archimedes Athena Research Center（雅典娜研究中心） ； National Technical University of Athens（雅典国家技术大学） ； University of Crete（克里特大学） ； IACM-Forth（希腊研究与技术基金会-应用与计算数学研究所）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出Re2Pix框架，通过先预测语义表示再生成视觉内容，提升动态环境视频预测的语义一致性和视觉质量。
Explainable Planning for Hybrid Systems
混合系统的可解释规划
机构 * School of Mathematical and Computational Sciences, Indian Association for the Cultivation of Science, Kolkata（印度科学培育协会数学与计算科学学院，加尔各答）
专题命中 规划控制 ：self-driving(abstract)；分类 cs.AI
AI总结 研究针对混合系统中的可解释人工智能规划，探讨生成AI系统解释的方法，以应对自动化规划在复杂安全领域中的应用需求。
Comments PhD thesis
Act or Escalate? Evaluating Escalation Behavior in Automation with Language Models
行动或升级？基于语言模型评估自动化中的升级行为
机构 * Harvard Business School（哈佛商学院） ； Johns Hopkins Carey Business School（约翰霍普金斯大学凯瑞商学院）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.AI
AI总结 本文研究了语言模型在自动化决策中如何平衡行动与升级，发现模型在成本权衡上的隐含阈值存在显著差异，且自我评估存在偏差，通过干预测试发现链式思维训练能产生稳健的策略。
ShelfGaussian: Shelf-Supervised Open-Vocabulary Gaussian-based 3D Scene Understanding
ShelfGaussian：基于货架的开放词汇高斯3D场景理解
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 规划控制 ：occupancy(abstract)；分类 cs.CV
AI总结 本文提出ShelfGaussian框架，利用货架监督学习方法，结合多模态高斯变换，提升3D场景理解的开放词汇能力，实验显示其在零样本语义占用预测中表现优异。
Towards Multi-Object Nonprehensile Transportation via Shared Teleoperation: A Framework Based on Virtual Object Model Predictive Control
通过共享遥控实现多物体非抓取运输：基于虚拟物体模型预测控制的框架
机构 * State Key Laboratory of Robotics and System, Harbin Institute of Technology（哈尔滨工业大学机器人技术与系统国家重点实验室） ； Advanced Manufacturing Laboratory, Huawei Technologies（华为技术有限公司先进制造实验室）
专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO
AI总结 本文提出一种基于虚拟物体模型预测控制的共享遥控框架，解决多物体非抓取运输中的轨迹跟踪和托盘姿态控制问题，通过动态约束分析和轨迹平滑算法实现稳定操作。
Not All Agents Matter: From Global Attention Dilution to Risk-Prioritized Game Planning
并非所有智能体都重要：从全局注意力稀释到风险优先的游戏规划
机构 * School of Cyberspace Security, Southeast University（东南大学网络空间安全学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Vehicle and Mobility School, Tsinghua University（清华大学车辆与运载学院）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出风险优先游戏规划方法，通过GameAD框架提升自动驾驶轨迹安全性，实验表明其在复杂环境中表现更优。
Comments 14 pages, 5 figures
SCP: Spatial Causal Prediction in Video
SCP：视频中的空间因果预测
机构 * National University of Singapore（新加坡国立大学） ； Shenzhen University（深圳大学） ； Sichuan University（四川大学） ； National Tsing Hua University（国立清华大学）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出SCP任务，挑战模型超越观察预测空间因果结果，并构建SCP-Bench基准测试，揭示人类与模型性能差距及因果推理局限。
Comments 30 pages, 21 figures, 17 tables, CVPR findings
Semantically Annotated Multimodal Dataset for RF Interpretation and Prediction
语义标注的多模态数据集用于射频解释与预测
机构 * National Institute of Standards and Technology (NIST)（美国国家标准与技术研究院） ； Prometheus Computing LLC（普罗米修斯计算有限责任公司）
专题命中 规划控制 ：LiDAR(abstract)；分类 cs.AI
AI总结 本文提出结合射频测量与视觉数据的多模态数据集，用于提升射频信号与物理环境的解释与预测能力。
Journal ref NeurIPS 2025 AI for Science Workshop
Learning Contextual Runtime Monitors for Safe AI-Based Autonomy
学习上下文感知的运行时监视器以实现安全的基于AI的自主性
机构 * Chalmers University of Technology（查尔姆斯理工大学） ； University of Gothenburg（哥德堡大学） ； University of California at Berkeley（加州大学伯克利分校）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.AI
AI总结 本文提出了一种学习上下文感知运行时监视器的新框架，用于安全的基于AI的控制集合。通过将监视学习转化为上下文学习任务，该方法在控制器选择中提供理论安全保证，并提高控制器多样性利用，通过自动驾驶模拟验证了其在安全性和性能上的显著改进。
Real Time Local Wind Inference for Robust Autonomous Navigation
实时局部风场推断用于稳健自主导航
机构 * University of Pennsylvania（宾夕法尼亚大学） ； NASA Ames Research Center（美国国家航空航天局艾姆斯研究中心）
专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO
AI总结 本文通过融合距离测量与稀疏实地风测数据，实现实时风场推断，解决密集城市环境中地形数据的充分性及学习风模型在运动规划中的应用，提升自主导航的能耗效率与避障能力。
Comments PhD Thesis, University of Pennsylvania, 2026. 152 pages
