自动驾驶

HONEST-CAV: Hierarchical Optimization of Network Signals and Trajectories for Connected and Automated Vehicles with Multi-Agent Reinforcement Learning

HONEST-CAV: 连续和自动化车辆网络信号与轨迹的分层优化方法基于多智能体强化学习

Ziyan Zhang, Changxin Wan, Peng Hao, Kanok Boriboonsomsin, Matthew J. Barth, Yongkang Liu, Seyhan Ucar, Guoyuan Wu

机构 * College of Engineering, Center for Environmental Research and Technology, University of California at Riverside（加州大学河滨分校工程学院、环境研究与技术中心） ； InfoTech Labs, Toyota Motor North America（丰田北美信息科技实验室） 纠错

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

AI总结 HONEST-CAV通过多智能体强化学习和机器学习轨迹规划算法优化交通信号与车辆轨迹，提升交通效率和节能效果。

Comments 7 pages, 6 figures. Accepted at the 2026 IEEE Intelligent Vehicles Symposium. Final version to appear at IEEE Xplore

Synergising Human-like Responses and Machine Intelligence for Planning in Disaster Response

融合人类样响应与机器智能以应对灾害响应中的规划

Savvas Papaioannou, Panayiotis Kolios, Christos G. Panayiotou, Marios M. Polycarpou

机构 * KIOS Research and Innovation Center of Excellence（KIOS研究与创新卓越中心） ； Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文提出融合人类样响应与机器智能的框架，以提升灾害响应中复杂任务的规划效率。

Comments 2024 IEEE World Congress on Computational Intelligence (IEEE WCCI), 2024 International Joint Conference on Neural Networks (IJCNN)

Toward a Fully Autonomous, AI-Native Particle Accelerator

迈向完全自主的、原生AI粒子加速器

Chris Tennant

机构 * Jefferson Laboratory（杰弗逊实验室） 纠错

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

AI总结 本文提出通过AI共同设计构建完全自主的粒子加速器，旨在实现自主运行和最大化性能。

Comments 14 pages, 1 figure

Distributed Virtual Model Control for Scalable Human-Robot Collaboration in Shared Workspace

分布式虚拟模型控制用于可扩展的人机协作在共享工作空间

Yi Zhang, Omar Faris, Chapa Sirithunge, Kai-Fung Chu, Fumiya Iida, Fulvio Forni

机构 * Department of Engineering, University of Cambridge（工程系，剑桥大学） 纠错

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

AI总结 本文提出一种分布式虚拟模型控制框架，通过去中心化方法实现安全的人机协作，有效解决死锁问题并提升协作效率。

SpecFuse: A Spectral-Temporal Fusion Predictive Control Framework for UAV Landing on Oscillating Marine Platforms

SpecFuse：一种用于无人机在振荡海洋平台着陆的频谱-时间融合预测控制框架

Haichao Liu, Yufeng Hu, Shuang Wang, Kangjun Guo, Jun Ma, Jinni Zhou

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 SpecFuse通过融合频谱与时间域的预测控制方法，实现无人机在振荡海洋平台上的高精度着陆，显著提升预测精度和鲁棒性。

Comments 8 pages, 5 figures, 4 tables

Autonomous Robotic Tissue Palpation and Abnormalities Characterisation via Ergodic Exploration

自主机器人组织触诊及异常特征表征 via 耐久性探索

Luca Beber, Edoardo Lamon, Matteo Saveriano, Daniele Fontanelli, Luigi Palopoli

机构 * Department of Information Engineering and Computer Science, University of Trento（信息工程与计算机科学系，特伦托大学） ； Department of Industrial Engineering, University of Trento（工业工程系，特伦托大学） 纠错

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

AI总结 本文提出了一种基于耐久性探索的自主机器人触诊框架，通过结合力反馈与高斯过程回归，实现对组织弹性特性的高精度实时映射，提升异常特征的检测能力。

Comments Submitted to IEEE Robotics and Automation Letters (RA-L)

When Environments Shift: Safe Planning with Generative Priors and Robust Conformal Prediction

当环境变化时：利用生成先验和鲁棒符合预测进行安全规划

Kaizer Rahaman, Jyotirmoy V. Deshmukh, Ashish R. Hota, Lars Lindemann

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

AI总结 本文提出一种在分布偏移下具有鲁棒性的安全规划框架，通过生成先验和鲁棒符合预测方法，提供概率安全保证。

Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking

Eva-Tracker: 无ESDF更新、基于可见性的规划与目标重新获取的稳健空中跟踪

Yue Lin, Yang Liu, Dong Wang, Huchuan Lu

机构 * Dalian University of Technology（大连理工大学） 纠错

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

AI总结 Eva-Tracker通过无ESDF更新和基于可见性的路径规划，实现更稳健的空中目标跟踪，降低计算开销。

Comments Accepted by ICRA 2026

Interpretable Vision Transformers in Monocular Depth Estimation via SVDA

通过SVDA实现单目深度估计中的可解释性视觉变换器

Vasileios Arampatzakis, George Pavlidis, Nikolaos Mitianoudis, Nikos Papamarkos

机构 * Dept. Electrical and Computer Engineering（电子与计算机工程系） ； Democritus University of Thrace（德米特里乌斯大学） ； Athena Research Center（雅典研究中心） ； University Campus at Kimmeria（基米里亚大学校园） 纠错

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

AI总结 SVDA通过引入谱结构化的注意力机制，提升了单目深度估计的可解释性，同时保持了预测精度并降低了计算开销。

Comments 8 pages, 2 figures, submitted to CVPR Conference 2026

A Collision-Free Sway Damping Model Predictive Controller for Safe and Reactive Forestry Crane Navigation

一种无碰撞的摇摆阻尼模型预测控制器用于安全且反应性的林业起重机导航

Marc-Philip Ecker, Christoph Fröhlich, Johannes Huemer, David Gruber, Bernhard Bischof, Tobias Glück, Wolfgang Kemmetmüller

机构 * Automation & Control Institute (ACIN), TU Wien（自动化与控制研究所（ACIN），维也纳技术大学） ； Center for Vision, Automation & Control, AIT Austrian Institute of Technology GmbH（视觉、自动化与控制中心，奥地利技术研究所） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出了一种无碰撞的摇摆阻尼模型预测控制器，用于林业起重机的安全导航和实时环境适应。

Comments Accepted at ICRA 2026

TriPilot-FF: Coordinated Whole-Body Teleoperation with Force Feedback

TriPilot-FF：具有力反馈的协调全身遥控

Zihao Li, Yanan Zhou, Ranpeng Qiu, Hangyu Wu, Guoqiang Ren, Weiming Zhi

机构 * Zeno AI ； Zhejiang University（浙江大学） ； Zhejiang University of Technology（浙江工业大学） ； University of Sydney（悉尼大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 TriPilot-FF通过引入脚踏板触觉反馈和双臂跟随遥控，实现了具有力反馈的协调全身遥控，提升移动机械臂的操控精度和避障能力。

TURBO: Utility-Aware Bandwidth Allocation for Cloud-Augmented Autonomous Control

TURBO：面向云增强自主控制的效用感知带宽分配

Peter Schafhalter, Alexander Krentsel, Hongbo Wei, Joseph E. Gonzalez, Sylvia Ratnasamy, Scott Shenker, Ion Stoica

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 TURBO通过联合优化汽车和云的带宽分配与控制管道配置，提升自动驾驶系统的精度和安全性。

Comments 34 pages, 13 figures

Nimbus: A Unified Embodied Synthetic Data Generation Framework

Nimbus：一个统一的具身合成数据生成框架

Zeyu He, Yuchang Zhang, Yuanzhen Zhou, Miao Tao, Hengjie Li, Hui Wang, Yang Tian, Jia Zeng, Tai Wang, Wenzhe Cai, Yilun Chen, Ning Gao, Jiangmiao Pang

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

AI总结 Nimbus通过统一的四层架构和解耦执行模型，提升合成数据生成的吞吐量和稳定性，支持大规模分布式环境下的持续高吞吐数据生成。

Steerable Adversarial Scenario Generation through Test-Time Preference Alignment

通过测试时间偏好对齐的可操控对抗场景生成

Tong Nie, Yuewen Mei, Yihong Tang, Junlin He, Jie Sun, Haotian Shi, Wei Ma, Jian Sun

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Tongji University（同济大学） ； McGill University（麦吉尔大学） 纠错

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

AI总结 SAGE通过测试时间偏好对齐实现对抗性场景生成的可控权衡，提升自动驾驶系统安全性评估效率。

Comments ICLR 2026

Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)

Interpolation of GEDI Biomass Estimates with Calibrated Uncertainty Quantification

利用校准不确定性量化进行GEDI生物量估计插值

Robin Young, Srinivasan Keshav

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出利用注意力神经过程（ANPs）进行GEDI生物量估计插值，通过校准不确定性量化提升预测准确性与不确定性校准效果。

Policy Learning with a Language Bottleneck

具有语言瓶颈的策略学习

Megha Srivastava, Cedric Colas, Dorsa Sadigh, Jacob Andreas

机构 * Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Inria（法国国家信息与自动化技术研究院） 纠错

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

AI总结 通过语言瓶颈框架，AI代理能生成可解释的策略规则，提升与人类的协作效率。

Comments Accepted to TMLR (2026)

A Gait Driven Reinforcement Learning Framework for Humanoid Robots

一种用于双足机器人的基于步态驱动的强化学习框架

Bolin Li, Yuzhi Jiang, Linwei Sun, Xuecong Huang, Lijun Zhu, Han Ding

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

AI总结 本文提出了一种基于步态驱动的强化学习框架，用于双足机器人，通过设计奖励函数提升运动性能。

Estimating Force Interactions of Deformable Linear Objects from their Shapes

从形状估计变形线性物体的力相互作用

Qi Jing Chen, Shilin Shan, Timothy Bretl, Quang-Cuong Pham

机构 * Nanyang Technological University, School of Mechanical and Aerospace Engineering（南洋理工大学机械与航空航天工程学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Eureka Robotics 纠错

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

AI总结 本文提出了一种基于线缆形状信息的力估计方法，无需额外传感器即可准确识别变形线性物体的外部力相互作用。

Comments 7 pages, 4 figures

Physics-informed Diffusion Mamba Transformer for Real-world Driving

物理引导的扩散Mamba变换器用于现实驾驶

Hang Zhou, Qiang Zhang, Peiran Liu, Yihao Qin, Zhaoxu Yan, Yiding Ji

机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology(Guangzhou)（香港科学与技术大学（广州）机器人与自主系统方向） ； MoSense Technologies 纠错

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

AI总结 本文提出了一种结合Mamba和注意力机制的扩散模型，通过整合物理约束提升自动驾驶轨迹预测的准确性和可解释性。

Journal ref International Conference on Robotics & Automation (ICRA) 2026

UniMotion: A Unified Motion Framework for Simulation, Prediction and Planning

UniMotion: 一种用于仿真、预测和规划的统一运动框架

Nan Song, Junzhe Jiang, Jingyu Li, Xiatian Zhu, Li Zhang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院） ； University of Surrey（Surrey大学） 纠错

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

AI总结 UniMotion提出了一种统一的运动框架，通过共享结构和定制化训练策略，同时支持运动仿真、预测和规划，实现高效的任务整合和泛化能力。

Comments Accepted at NeurIPS 2025

From Edge to Edge: A Flow-Inspired Scheduling Planner for Multi-Robot Systems

从边缘到边缘：一种受流启发的多机器人系统调度规划器

Han Liu, Yu Jin, Mingyue Cui, Boyang Li, Tianjiang Hu, Kai Huang

机构 * School of Computer Science, Sun Yat-sen University（中山大学计算机学院） ； School of Aeronautics and Astronautics, Sun Yat-sen University（中山大学航空与航天学院） 纠错

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

AI总结 本文提出了一种受流启发的实时调度规划器，用于多机器人系统在复杂障碍环境中实现从边缘到边缘的高效协同穿越。

Adaptive Cost-Map-based Path Planning in Partially Unknown Environments with Movable Obstacles

在部分未知环境中基于自适应成本图的路径规划

Liviu-Mihai Stan, Ranulfo Bezerra, Shotaro Kojima, Tsige Tadesse Alemayoh, Satoshi Tadokoro, Masashi Konyo, Kazunori Ohno

机构 * Graduate School of Information Sciences, Tohoku University（东京大学信息科学研究生院） ； Tough Cyberphysical AI Research Center, Tohoku University（东京大学 Tough 联合人工智能研究中心） ； Sorbonne University（索邦大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出了一种自适应成本图路径规划方法，通过识别可移动障碍物提升机器人在非结构化环境中的导航能力。

Don't double it: Efficient Agent Prediction in Occlusions

不要双倍：遮挡中的高效代理预测

Anna Rothenhäusler, Markus Mazzola, Andreas Look, Raghu Rajan, Joschka Bödecker

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

AI总结 本文提出MatchInformer方法，通过整合Hungarian匹配和分离航向与运动，提升遮挡场景下的代理预测准确性和效率。

HPTune: Hierarchical Proactive Tuning for Collision-Free Model Predictive Control

HPTune：用于无碰撞模型预测控制的分层前瞻性调优

Wei Zuo, Chengyang Li, Yikun Wang, Bingyang Cheng, Zeyi Ren, Shuai Wang, Derrick Wing Kwan Ng, Yik-Chung Wu

机构 * The University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； University of New South Wales（新南威尔士大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 HPTune通过分层前瞻性调优方法，结合快速和慢速调优策略，提升模型预测控制在复杂环境中的避障效率和适应性。

Comments Accepted by IEEE ICASSP 2026

Quadrupped-Legged Robot Movement Plan Generation using Large Language Model

四足机器人运动计划生成使用大语言模型

Muhtadin, Vincentius Gusti Putu A. B. M., Ahmad Zaini, Mauridhi Hery Purnomo, I Ketut Eddy Purnama, Chastine Fatichah

机构 * Institut Teknologi Sepuluh Nopember（十月份十号技术学院） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出利用大语言模型生成四足机器人运动计划，通过分布式架构和实时传感器融合实现直观自然语言导航，实验显示系统在多种场景中成功率超过90%。

Journal ref 2025 International Conference on Computer Engineering, Network and Intelligent Multimedia (CENIM)

Problem Space Transformations for Out-of-Distribution Generalisation in Behavioural Cloning

行为克隆中面向分布外泛化的问题空间变换

Kiran Doshi, Marco Bagatella, Stelian Coros

机构 * Department of Computer Science at ETH Zürich（苏黎世联邦理工学院计算机科学系） 纠错

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

AI总结 本文提出通过问题空间变换提升行为克隆在分布外泛化中的性能，通过实验验证了姿态等价性和局部性对动作预测的改进作用。

Actor-Critic Cooperative Compensation to Model Predictive Control for Off-Road Autonomous Vehicles Under Unknown Dynamics

动作-批评合作补偿用于未知动力学下的越野自主车辆模型预测控制

Prakhar Gupta, Jonathon M Smereka, Yunyi Jia

机构 * Department of Automotive Engineering, Clemson University（汽车工程系，克莱姆森大学） ； Ground Vehicle Systems Center, U.S. Army Combat Capabilities Development Command（地面车辆系统中心，美国陆军作战能力发展指挥部） 纠错

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

AI总结 本研究提出了一种结合深度强化学习与模型预测控制的AC3MPC控制器，用于提升越野自主车辆在未知动态环境下的控制性能。

Comments 7 pages, Accepted at 2025 IEEE ICRA

Journal ref 2025 IEEE ICRA, pp. 2354-2360

Adaptive Reinforcement and Model Predictive Control Switching for Safe Human-Robot Cooperative Navigation

自适应强化学习与模型预测控制切换用于安全的人机协作导航

Ning Liu, Sen Shen, Zheng Li, Matthew D'Souza, Jen Jen Chung, Thomas Braunl

机构 * School of Engineering, The University of Western Australia（西澳大学工程学院） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系） ； School of Electrical Engineering and Computer Science, The University of Queensland（昆士兰大学电气工程与计算机科学学院） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 ARMS通过结合强化学习与模型预测控制，实现安全的人机协作导航，提升复杂环境下的导航效率与鲁棒性。

UACER: An Uncertainty-Adaptive Critic Ensemble Framework for Robust Adversarial Reinforcement Learning

UACER：一种用于鲁棒对抗强化学习的不确定性自适应批评者集合框架

Jiaxi Wu, Tiantian Zhang, Yuxing Wang, Yongzhe Chang, Xueqian Wang

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 UACER通过多样化批评者集合和时间变化衰减不确定性机制，提升鲁棒对抗强化学习的稳定性与性能。

Reinforcement Learning Compensated Model Predictive Control for Off-road Driving on Unknown Deformable Terrain

强化学习补偿模型预测控制用于未知变形地形上的越野驾驶

Prakhar Gupta, Jonathon M. Smereka, Yunyi Jia

机构 * Department of Automotive Engineering, Clemson University（汽车工程系，克莱姆森大学） ； Ground Vehicle Systems Center, U.S. Army Combat Capabilities Development Command（地面车辆系统中心，美国陆军作战能力发展指挥部） 纠错

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

AI总结 本文提出了一种结合深度强化学习和模型预测控制的AC2MPC控制器，用于未知变形地形的高速越野驾驶，通过减少训练数据和提高泛化能力，实现了更高效和安全的控制性能。

Comments Submitted to IEEE Transactions on Intelligent Vehicles as a Regular Paper; was withdrawn in March 2025. A revised version of this manuscript was submitted to ACC 2025 review as a regular paper in Sep 2025