自动驾驶

Bridging Scene Generation and Planning: Driving with World Model via Unifying Vision and Motion Representation

弥合场景生成与规划：通过统一视觉与运动表示进行驾驶世界模型

Xingtai Gui, Meijie Zhang, Tianyi Yan, Wencheng Han, Jiahao Gong, Feiyang Tan, Cheng-zhong Xu, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学SKL-IOTSC、CIS） ； Afari Intelligent Drive（Afari智能驾驶） 纠错

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

AI总结 本文提出WorldDrive框架，通过统一视觉与运动表示弥合场景生成与规划之间的差距，利用轨迹感知驾驶世界模型和未来感知奖励器提升自动驾驶规划性能。

Comments 16 pages, 9 figures. The code is available at https://github.com/TabGuigui/WorldDrive

Intelligent Control of Differential Drive Robots Subject to Unmodeled Dynamics with EKF-based State Estimation

具有未建模动态的差分驱动机器人智能控制与状态估计

Amos Alwala, Yuchen Hu, Gabriel da Silva Lima, Wallace Moreira Bessa

机构 * With the Smart Systems , Department of Mechanical and Materials Engineering, Faculty of Technology, University of Turku（智能系统，机械与材料工程系，技术学院，图尔库大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出结合Lyapunov非线性控制器与自适应神经网络及EKF多传感器融合的统一控制与状态估计框架，通过在线适应方案改进RBF权重，实现未知非线性建模，并通过Lyapunov分析保证闭环稳定性，实验显示在速度跟踪性能上有显著提升。

Chain-of-Trajectories: Unlocking the Intrinsic Generative Optimality of Diffusion Models via Graph-Theoretic Planning

轨迹链：通过图论规划解锁扩散模型的内在生成最优性

Ping Chen, Xiang Liu, Xingpeng Zhang, Fei Shen, Xun Gong, Zhaoxiang Liu, Zezhou Chen, Huan Hu, Kai Wang, Shiguo Lian

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

AI总结 本文提出轨迹链框架，通过图论规划解决扩散模型在高维状态空间中的计算瓶颈，提升生成质量与稳定性。

Comments 12 figues, 5 tables

Amortizing Trajectory Diffusion with Keyed Drift Fields

通过键控漂移场实现轨迹扩散的 amortization

Gokul Puthumanaillam, Melkior Ornik

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

AI总结 本文提出键控漂移策略，通过单步推理实现轨迹扩散行为，保留多样候选计划生成和实时控制循环中的状态条件能力，降低规划延迟。

Multimodal Belief-Space Covariance Steering with Active Probing and Influence for Interactive Driving

多模态信念空间协方差操控与主动探测及影响的交互驾驶

Devodita Chakravarty, John Dolan, Yiwei Lyu

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

AI总结 本文提出一种多模态信念空间协方差操控方法，通过主动探测和影响策略，在交互驾驶中提升安全性和决策效率。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA 2026)

Composing Driving Worlds through Disentangled Control for Adversarial Scenario Generation

通过解耦控制合成驾驶世界以生成对抗性场景

Yifan Zhan, Zhengqing Chen, Qingjie Wang, Zhuo He, Muyao Niu, Xiaoyang Guo, Wei Yin, Weiqiang Ren, Qian Zhang, Yinqiang Zheng

机构 * The University of Tokyo（东京大学） ； Horizon Robotics ； University of Glasgow（格拉斯哥大学） 纠错

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

AI总结 本文提出CompoSIA，通过解耦交通因素实现对对抗性驾驶场景的精细控制，提升生成质量并减少误差。

FSDAM: Few-Shot Driving Attention Modeling via Vision-Language Coupling

FSDAM：通过视觉-语言耦合实现少样本驾驶注意力建模

Kaiser Hamid, Can Cui, Khandakar Ashrafi Akbar, Ziran Wang, Nade Liang

机构 * Texas Tech University（德克萨斯理工大学） ； Purdue University（普渡大学） ； Towson University（托逊大学） 纠错

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

AI总结 本文提出FSDAM框架，通过90个标注示例实现驾驶注意力预测与结构化解释生成，利用视觉-语言耦合减少标注需求，提升自动驾驶中的人机协作可解释性。

STONE Dataset: A Scalable Multi-Modal Surround-View 3D Traversability Dataset for Off-Road Robot Navigation

STONE数据集：一个可扩展的多模态周围视图3D可通行性数据集用于越野机器人导航

Konyul Park, Daehun Kim, Jiyong Oh, Seunghoon Yu, Junseo Park, Jaehyun Park, Hongjae Shin, Hyungchan Cho, Jungho Kim, Jun Won Choi

机构 * Interdisciplinary Program in Artificial Intelligence, Seoul National University（人工智能交叉学科项目，首尔国立大学） ； Department of Electrical and Computer Engineering, Seoul National University（电气与计算机工程系，首尔国立大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 STONE数据集通过大规模多模态数据和自动标注流程，为越野机器人导航中的3D可通行性预测提供了可扩展的地面真实值和基准测试平台。

Comments ICRA 2026

Beyond Max Tokens: Stealthy Resource Amplification via Tool Calling Chains in LLM Agents

超越最大令牌：通过工具调用链实现隐秘的资源放大

Kaiyu Zhou, Yongsen Zheng, Yicheng He, Meng Xue, Xueluan Gong, Yuji Wang, Xuanye Zhang, Kwok-Yan Lam

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校，美国） ； The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学，香港） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 纠错

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

AI总结 本文提出了一种基于工具调用链的隐秘DoS攻击，通过多轮交互显著提升LLM的资源消耗，挑战现有安全防护机制。

Robust Spatiotemporal Motion Planning for Multi-Agent Autonomous Racing via Topological Gap Identification and Accelerated MPC

多智能体自主赛车中鲁棒时空运动规划 via 拓扑间隙识别与加速MPC

Mingyi Zhang, Cheng Hu, Yiqin Wang, Haotong Qin, Hongye Su, Lei Xie

机构 * Department of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Center for Project-Based Learning, D-ITET, ETH Zurich（苏黎世联邦理工学院项目导向学习中心） 纠错

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

AI总结 本文提出基于拓扑间隙识别与加速MPC的框架，通过预测对手行为和动态占用走廊，实现高速多智能体自主赛车中鲁棒的时空规划与高精度控制。

SPAN-Nav: Generalized Spatial Awareness for Versatile Vision-Language Navigation

SPAN-Nav: 通用空间感知用于多功能视觉-语言导航

Jiahang Liu, Tianyu Xu, Jiawei Chen, Lu Yue, Jiazhao Zhang, Zhiyong Wang, Minghan Li, Qisheng Zhao, Anqi Li, Qi Su, Zhizheng Zhang, He Wang

机构 * Peking University（北京大学） ； Galbot ； BAAI（北京人工智能研究院） 纠错

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

AI总结 SPAN-Nav通过端到端模型和空间感知机制，在复杂环境中实现高效的视觉-语言导航。

Learning responsibility allocations for multi-agent interactions: A differentiable optimization approach with control barrier functions

多智能体交互中的责任分配学习：一种基于可微优化与控制屏障函数的方法

Isaac Remy, David Fridovich-Keil, Karen Leung

机构 * University of Washington, Department of Aeronautics and Astronautics（华盛顿大学航空航天系） ； University of Texas, Austin, Department of Aerospace Engineering and Engineering Mechanics（得克萨斯大学奥斯汀分校航空航天工程与工程力学系） ； NVIDIA 纠错

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

AI总结 本文提出一种基于控制屏障函数和可微优化的方法，用于学习多智能体交互中的责任分配，通过数据驱动的方式实现对安全交互行为的可解释性分析。

Comments 8 pages, 7 figures

Dance of the ADS: Orchestrating Failures through Historically-Informed Scenario Fuzzing

ADS的舞蹈：通过历史启发的场景模糊测试来编排故障

Tong Wang, Taotao Gu, Huan Deng, Hu Li, Xiaohui Kuang, Gang Zhao

机构 * Academy of Military Sciences（军事科学院） 纠错

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

AI总结 本文提出ScenarioFuzz方法，通过历史启发的场景模糊测试发现自动驾驶系统中的漏洞，提升安全性验证效率。

Comments This paper was accepted by 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis (ISSTA 2024)

Journal ref ISSTA 2024

Predictive Control with Indirect Adaptive Laws for Payload Transportation by Quadrupedal Robots

四足机器人负载运输的间接自适应律预测控制

Leila Amanzadeh, Taizoon Chunawala, Randall T. Fawcett, Alexander Leonessa, Kaveh Akbari Hamed

机构 * Department of Mechanical Engineering, Virginia Tech（机械工程系，弗吉尼亚理工学院） 纠错

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

AI总结 本文提出一种基于间接自适应律的预测控制框架，用于四足机器人在复杂地形中稳健运输未知负载。

Comments 8 pages, 6 figures. Published in IEEE Robotics and Automation Letters

Journal ref IEEE Robotics and Automation Letters, vol. 9, no. 11, pp. 10359-10366, Nov. 2024

Diff-Muscle: Efficient Learning for Musculoskeletal Robotic Table Tennis

Diff-Muscle: 高效学习用于肌骨骼机器人乒乓球

Wentao Zhao, Jun Guo, Kangyao Huang, Xin Liu, Huaping Liu

机构 * Department of Computer Science and Technology, Tsinghua University, China（清华大学计算机科学与技术系） 纠错

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

AI总结 Diff-Muscle通过微分平坦性将高维动作空间转化为低维关节空间，实现高效学习，使肌骨骼机器人在动态乒乓球任务中实现连续回球。

Comments 8 pages, 7 figures

Trajectory Tracking Control Design for Autonomous Helicopters with Guaranteed Error Bounds

自主直升机轨迹跟踪控制设计：保证误差界限

Philipp Schitz, Johann C. Dauer, Paolo Mercorelli

机构 * Institute of Flight Systems, German Aerospace Center (DLR)（飞行系统研究所，德国航天中心） ； Institute for Production Technology and Systems, Leuphana University of Lueneburg（生产技术与系统研究所，路比哈大学） 纠错

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

AI总结 本文提出基于RPI集的自主直升机轨迹跟踪控制设计，通过计算保证误差界限并比较不同控制器架构的性能与保守性。

Comments Submitted to the 2026 International Conference on Unmanned Aircraft Systems (ICUAS)

Feasibility Restoration under Conflicting STL Specifications with Pareto-Optimal Refinement

在冲突的STL规范下进行可行性恢复的帕累托最优细化

Tianhao Wu, Yiwei Lyu

机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Computer Science and Engineering, Texas A&M University（德克萨斯农工大学计算机科学与工程系） 纠错

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

AI总结 本文提出了一种两阶段框架，在冲突的STL规范下通过最小松弛恢复可行性，并通过多目标优化实现可解释的决策。

Safe Autonomous Lane Changing: Planning with Dynamic Risk Fields and Time-Varying Convex Space Generation

安全的自动驾驶变道：基于动态风险场和时间变化凸空间的规划

Yijun Lu, Zhihao Lin, Zhen Tian

机构 * Waseda University（早稻田大学） ； James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院） 纠错

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

AI总结 本文提出基于动态风险场和时间变化凸空间的轨迹规划方法，通过整合风险感知与碰撞避免，实现安全高效的自动驾驶变道。

U-OBCA: Uncertainty-Aware Optimization-Based Collision Avoidance via Wasserstein Distributionally Robust Chance Constraints

基于不确定性优化的碰撞避免：通过Wasserstein分布鲁棒机会约束

Zehao Wang, Yuxuan Tang, Han Zhang, Jingchuan Wang, Weidong Chen

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） ； Institute of Medical Robotics, Shanghai Jiao Tong University（医学机器人研究所，上海交通大学） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China（教育部系统控制与信息处理重点实验室） ； Shanghai Engineering Research Center of Intelligent Control and Management, Shanghai（智能控制与管理上海工程研究中心） 纠错

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

AI总结 U-OBCA通过引入Wasserstein分布鲁棒机会约束，提升机器人在狭窄环境中的导航效率和轨迹规划的保守性

Generative Models in Decision Making: A Survey

生成模型在决策中的应用：综述

Xinyu Shao, Jianping Zhang, Haozhi Wang, Leo Maxime Brunswic, Kaiwen Zhou, Jiqian Dong, Kaiyang Guo, Zhitang Chen, Jun Wang, Jianye Hao, Xiu Li, Yinchuan Li

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

AI总结 本文综述提出了一种基于概率框架的控制作为推理的系统分类，将生成决策置于其中，通过变分因子分解轨迹后验，概念化了四个功能角色，并探讨了生成模型在高风险领域的应用及挑战。

Comments Project page:https://github.com/xyshao23/Awesome-Generative-Models-for-Decision-Making-Taxonomy

Perception-Aware Time-Optimal Planning for Quadrotor Waypoint Flight

四旋翼航点飞行的感知感知时间最优规划

Chao Qin, Jiaxu Xing, Rudolf Reiter, Angel Romero, Yifan Lin, Hugh H. -T. Liu, Davide Scaramuzza

机构 * University of Toronto Institute for Aerospace Studies (UTIAS)（多伦多大学航空航天研究所在加拿大） ； Robotics and Perception Group（机器人与感知组） 纠错

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

AI总结 本文提出了一种感知意识时间最优轨迹优化框架，结合动力学、视觉约束和环境几何，提升四旋翼飞行的感知可靠性与效率。

AutoQD: Automatic Discovery of Diverse Behaviors with Quality-Diversity Optimization

AutoQD: 利用质量-多样性优化自动发现多样化行为

Saeed Hedayatian, Stefanos Nikolaidis

机构 * University of Southern California（南加州大学） ； Archimedes AI 纠错

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

AI总结 AutoQD通过自动生成行为描述符，利用随机傅里叶特征近似MMD，实现无需预定义描述符的多样化策略发现。

Comments Accepted to ICLR 2026

FoSS: Modeling Long Range Dependencies and Multimodal Uncertainty in Trajectory Prediction via Fourier State Space Integration

FoSS：通过傅里叶状态空间整合建模长距离依赖性和多模态不确定性在轨迹预测中

Yizhou Huang, Gengze Jiang, Yihua Cheng, Kezhi Wang

机构 * Brunel University of London（伦敦布鲁内尔大学） ； University of Birmingham（伯明翰大学） 纠错

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

AI总结 FoSS通过结合频域和时域建模，有效提升轨迹预测的准确性和效率，减少计算与参数消耗，实现多模态不确定性建模。

Comments Accepted by CVPR 2026

Mixed-Integer MPC-Based Motion Planning Using Hybrid Zonotopes with Tight Relaxations

基于混合锥形体的混合整数MPC运动规划

Joshua A. Robbins, Jacob A. Siefert, Sean Brennan, Herschel C. Pangborn

机构 * Department of Mechanical Engineering, The Pennsylvania State University（机械工程系，宾夕法尼亚州立大学） ； Penn State Applied Research Laboratory（宾夕法尼亚州立大学应用研究实验室） 纠错

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

AI总结 本文提出基于混合锥形体的混合整数MPC运动规划方法，通过紧松弛和分支定界求解器高效解决非凸约束问题，实现快速且精确的自动驾驶运动规划。

TSC: Topology-Conditioned Stackelberg Coordination for Multi-Agent Reinforcement Learning in Interactive Driving

TSC：基于拓扑条件的Stackelberg协调用于交互驾驶中的多智能体强化学习

Xiaotong Zhang, Gang Xiong, Yuanjing Wang, Siyu Teng, Alois Knoll, Long Chen

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Department of Natural Sciences, University of Durham（达勒姆大学自然科学系） ； College of Civil and Transportation Engineering, Shenzhen University（深圳大学土木与交通工程学院） ； Chair of Robotics, Artificial Intelligence and Realtime Systems, Technical University of Munich（慕尼黑技术大学机器人、人工智能与实时系统教授职位） 纠错

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

AI总结 TSC通过拓扑条件的Stackelberg协调方法，在无通信执行下实现密集交通中的去中心化多智能体强化学习，提升训练稳定性和安全性。

Comments 12 pages, 8 figures

Towards Intelligible Human-Robot Interaction: An Active Inference Approach to Occluded Pedestrian Scenarios

迈向可解释的人机交互：一种主动推断方法用于遮挡行人场景

Kai Chen, Yuyao Huang, Guang Chen

机构 * Tongji University（同济大学） 纠错

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

AI总结 本文提出基于主动推断的方法，用于解决遮挡行人场景中的安全挑战，通过结合 RBPF 和 CEM 增强的 MPPI 控制器，实现可解释的人机交互。

Comments 14 pages, 6 figures, Proceedings of the 2026 ACM/IEEE International Conference on Human-Robot Interaction (HRI'26)

ECAM: A Contrastive Learning Approach to Avoid Environmental Collision in Trajectory Forecasting

ECAM: 一种用于轨迹预测中避免环境碰撞的对比学习方法

Giacomo Rosin, Muhammad Rameez Ur Rahman, Sebastiano Vascon

机构 * Department of Environmental Sciences, Informatics and Statistics, Ca' Foscari University of Venice, Italy（环境科学、信息学与统计学系，威尼斯卡福斯卡里大学，意大利） 纠错

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

AI总结 ECAM通过对比学习方法提升轨迹预测中对环境碰撞的避免能力，有效降低碰撞率。

Comments IJCNN 2025

SunnyParking: Multi-Shot Trajectory Generation and Motion State Awareness for Human-like Parking

SunnyParking: 多次停车场景下的轨迹生成与运动状态感知

Jishu Miao, Han Chen, Jiankun Zhai, Qi Liu, Tsubasa Hirakawa, Takayoshi Yamashita, Hironobu Fujiyoshi

机构 * Chubu University（名古屋大学） ； Tongji University（同济大学） 纠错

专题命中 规划控制 ：BEV(abstract)；分类 cs.RO

AI总结 SunnyParking通过双分支端到端架构实现运动状态感知，结合空间轨迹和离散运动状态预测，提升复杂多次停车场景下的轨迹生成和换挡点定位精度。

Robot Local Planner: A Periodic Sampling-Based Motion Planner with Minimal Waypoints for Home Environments

机器人局部规划器：一种基于周期采样的运动规划器，适用于家庭环境，且使用最少的路径点

Keisuke Takeshita, Takahiro Yamazaki, Tomohiro Ono, Takashi Yamamoto

机构 * Frontier Research Center, Toyota Motor Corporation（丰田汽车公司前沿研究中心） ； Department of Information Science, Faculty of Information Science, Aichi Institute of Technology（爱知技术大学信息科学系） 纠错

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

AI总结 本研究提出了一种基于周期采样的机器人局部规划器，通过减少路径点和提高鲁棒性，实现家庭环境中的高效安全运动规划。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2025. Project Page: https://toyotafrc.github.io/RobotLocalPlanner-Proj/

PegasusFlow: Parallel Rolling-Denoising Score Sampling for Robot Diffusion Planner Flow Matching

PegasusFlow: 并行滚动去噪分数采样用于机器人扩散规划流程匹配

Lei Ye, Haibo Gao, Peng Xu, Zhelin Zhang, Junqi Shan, Ao Zhang, Wei Zhang, Ruyi Zhou, Zongquan Deng, Liang Ding

机构 * State Key Laboratory of Robotics and Systems, Harbin Institute of Technology（机器人系统国家重点实验室，哈尔滨工业大学） 纠错

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

AI总结 PegasusFlow通过并行滚动去噪分数采样方法，实现了无需专家数据的机器人轨迹规划，显著提升了复杂地形中的导航性能。

Comments 8 pages, 7 figures, conference paper