自动驾驶

SimNet: Learning Reactive Self-driving Simulations from Real-world Observations

Luca Bergamini, Yawei Ye, Oliver Scheel, Long Chen, Chih Hu, Luca Del Pero, Blazej Osinski, Hugo Grimmett, Peter Ondruska

专题命中 仿真评测 ：self-driving(title,abstract)；分类 cs.RO、cs.CV

Comments Published at 2021 International Conference on Robotics and Automation (ICRA2021)

Large Scale Interactive Motion Forecasting for Autonomous Driving : The Waymo Open Motion Dataset

Scott Ettinger, Shuyang Cheng, Benjamin Caine, Chenxi Liu, Hang Zhao, Sabeek Pradhan, Yuning Chai, Ben Sapp, Charles Qi, Yin Zhou, Zoey Yang, Aurelien Chouard, Pei Sun, Jiquan Ngiam, Vijay Vasudevan, Alexander McCauley, Jonathon Shlens, Dragomir Anguelov

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV

Comments 15 pages, 10 figures

Counterfactual Policy Evaluation for Decision-Making in Autonomous Driving

Patrick Hart, Alois Knoll

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

Comments Accepted at IROS 2020 PLC Workshop

A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the First CARLA Autonomous Driving Challenge

Luis Alberto Rosero, Iago Pacheco Gomes, Júnior Anderson Rodrigues da Silva, Tiago Cesar dos Santos, Angelica Tiemi Mizuno Nakamura, Jean Amaro, Denis Fernando Wolf, Fernando Santos Osório

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

Comments 16 pages, 12 figures, preprint submitted to Journal of Systems Architecture

Enhanced Transfer Learning for Autonomous Driving with Systematic Accident Simulation

Shivam Akhauri, Laura Zheng, Ming Lin

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV

Comments 9 pages; IROS 2020

nuScenes: A multimodal dataset for autonomous driving

Holger Caesar, Varun Bankiti, Alex H. Lang, Sourabh Vora, Venice Erin Liong, Qiang Xu, Anush Krishnan, Yu Pan, Giancarlo Baldan, Oscar Beijbom

专题命中 仿真评测 ：autonomous driving(title)；LiDAR(abstract)；分类 cs.RO、cs.CV

Comments CVPR 2020 camera ready incl. supplementary material

Benchmarking Image Sensors Under Adverse Weather Conditions for Autonomous Driving

Mario Bijelic, Tobias Gruber, Werner Ritter

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV、eess.IV

Journal ref Published in: 2018 IEEE Intelligent Vehicles Symposium (IV)

AIBA: An AI Model for Behavior Arbitration in Autonomous Driving

Bogdan Trasnea, Claudiu Pozna, Sorin Grigorescu

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

Comments 12 pages

Journal ref MIWAI 2019 THE 13TH MULTI-DISCIPLINARY INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE MIWAI 2019 - THE 13TH MULTI-DISCIPLINARY INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE, NOVEMBER 17-19, 2019. KUALA LUMPUR, MALAYSIA

Federated Transfer Reinforcement Learning for Autonomous Driving

Xinle Liang, Yang Liu, Tianjian Chen, Ming Liu, Qiang Yang

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

Failure-Scenario Maker for Rule-Based Agent using Multi-agent Adversarial Reinforcement Learning and its Application to Autonomous Driving

Akifumi Wachi

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

Incorporating Voice Instructions in Model-Based Reinforcement Learning for Self-Driving Cars

Mingze Wang, Ziyang Zhang, Grace Hui Yang

专题命中 仿真评测 ：self-driving(title,abstract)；分类 cs.CV；autonomous driving(comments)

Comments NeurIPS 2021 Workshop on Machine Learning for Autonomous Driving

SSP: An Event-Matched Syn2Sim2Phy Cross-Domain Evaluation Framework for Autonomous Driving VLA Models

SSP：面向自动驾驶VLA模型的事件匹配Syn2Sim2Phy跨域评估框架

Haojie Feng, Peizhi Zhang, Xinrui Zhang, Zhuoren Li, Junpeng Huang, Xiurong Wang, Dongxiao Yin, Yuxiang Zhang, Junfan Zhu, Lu Xiong

机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） ； Tongji Automotive Design & Research Institute Co., Ltd.（同济汽车设计研究院有限公司） ； Hubei Jingchu Humanoid Robot Co., Ltd.（湖北荆楚人形机器人有限公司） ； University of Chicago（芝加哥大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 本文提出SSP框架，通过锚定同一安全关键交互事件实现自动驾驶VLA模型的跨域评估，在合成、仿真、真实域中测得不同模型的性能差异，为VLA行为提供可复现的评估方法。

SimWAM: A Simple World Action Model for End-to-End Autonomous Driving

SimWAM：一种用于端到端自动驾驶的简单世界动作模型

Zongchuang Zhao, Xin Zhou, Tianyang Xu, Zhengyang Sun, Kaixuan Zhou, Honglin Li, Dingkang Liang, Xiang Bai

机构 * Huazhong University of Science & Technology（华中科技大学） ； Dongfeng Research & Development Institute（东风研发院） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 SimWAM是一种仅将视频生成用作训练信号的简单WAM，通过联合流匹配协同训练视频与动作专家，在NAVSIM上达91.5 PDMS且延迟更低，可零样本迁移至nuScenes，为高效自动驾驶提供可靠基线。

Comments The code and model weights are available at https://github.com/H-EmbodVis/SimWAM/

TALSC: Timeliness-Aware Large-Small VLM Collaboration for Infrastructure-Assisted Autonomous Driving

TALSC：面向基础设施辅助自动驾驶的时效性感知大小视觉语言模型协作

Mengmeng Zhu, Yuxuan Sun, Wei Chen, Bo Ai

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.AI

AI总结 针对基础设施辅助自动驾驶中VLM协作的时效性问题，提出TALSC框架，通过李雅普诺夫漂移加估计惩罚算法优化调度，在nuScenes仿真中较最优基线实现Micro-F1最高12.6%的归一化提升。

Comments This paper has been accepted by IEEE GLOBECOM 2026

WM-Cov: Test Adequacy for Interactive World-Model-Style Autonomous Driving Simulation

WM-Cov：交互式世界模型式自动驾驶仿真的测试充分性

Jianxun Cui, Ping Wu, Stanisa Peric, Marko Milojkovic, Vladan Devedzic

机构 * School of Transportation Science and Engineering, Harbin Institute of Technology（哈尔滨工业大学交通科学与工程学院） ； Chongqing Research Institute of HIT（哈尔滨工业大学重庆研究院） ； Chongqing Changan Automobile Co., Ltd.（重庆长安汽车股份有限公司） ； University of Nis（尼什大学） ； University of Belgrade（贝尔格莱德大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.AI

AI总结 本文针对交互式世界模型式自动驾驶仿真测试的充分性问题，提出与提供方无关的 WM-Cov 评估层，经多组实验验证其可通过有效交互式证据收敛性更科学地评估测试效果。

Comments 11 pages, 6 figures, 7 tables

Outcome-Guided Distillation: A Teacher-Student Framework to Advance VLM Reasoning in Autonomous Driving

结果引导蒸馏：一种提升自动驾驶中视觉语言模型推理能力的师生框架

Zeyu Dong, Yimin Zhu, Yu Wu, Yu Sun

机构 * Stony Brook University（石溪大学） ； Rutgers University（罗格斯大学） ； Sunrise Technology Inc.（晨昇科技公司） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 本研究提出结果引导蒸馏的师生框架，将VLM的显式推理与几何轨迹生成结合，在Waymo基准上使自动驾驶性能提升约24%，优于经典推理基线。

RayOcc: Occlusion-Aware Ray Occupancy Estimation via Gaussian Mixture Intensity

RayOcc：通过高斯混合强度进行遮挡感知光线占有率估计

Junho Kim, Seongwon Lee

机构 * School of Electrical Engineering, Kookmin University（韩国建国大学电气工程学院） 纠错

专题命中 仿真评测 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究针对仅相机的3D语义占有率预测中因深度模糊和遮挡带来的挑战，提出RayOcc框架。该框架将光线建模为多标签存在预测，通过估计高斯混合强度及转换为占有率概率，初始化高斯基元进行语义占有率预测，在nuScenes基准测试中取得最优成绩。

Comments Accepted to IROS 2026

nuTruck: Benchmarking Autonomous Driving Planning for Distributed Electric-drive Trucks

nuTruck：分布式电动卡车自动驾驶规划的基准测试

Jinyu Miao, Pu Zhang, Yifei He, Chengyao Zhang, Kun Jiang, Ke Wang, Mengmeng Yang, Diange Yang

机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） ； KargoBot.AI Inc.（卡戈博特人工智能公司） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 针对分布式电动卡车自动驾驶规划，提出nuTruck基准测试。纳入高精度动力学模型，采用多种规划器为基线，利用真实场景闭环评估，可定量评估侧翻风险等，有望成为评估此类规划器的新标准。

Comments 8 pages, 6 figures, 5 tables

A Risk-Field Enhanced Closed-Loop Digital Twin Framework for Autonomous Driving Safety Validation

一种用于自动驾驶安全验证的风险场增强闭环数字孪生框架

Yongzhi Liu

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 针对自动驾驶安全验证，提出风险场增强闭环数字孪生框架，集成多方面功能，引入驾驶风险场描述风险，通过评估协议比较不同方法，该框架能让验证更具针对性、可解释性和可重用性，但受模型保真度等因素限制。

FAST: A Framework for Aligned Sampling and Training in Parallel Reinforcement Learning for Autonomous Driving

FAST：面向自动驾驶并行强化学习中的对齐采样与训练框架

Bonan Wang, Letian Tao, Bin Shuai, Jiaxin Gao, Wenxin Zhao, Wei Xiong, Kehua Sheng, Bo Zhang, Yang Guan, Shengbo Eben Li

机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） ； Didi Voyager Labs, DiDi Autonomous Driving（滴滴自动驾驶沃芽实验室） ； College of AI, Tsinghua University（清华大学人工智能学院） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.AI

AI总结 提出FAST框架，通过动态并行采样对齐和缩放掩码填充优化，解决并行强化学习中的掉队者效应和采样效率瓶颈，实现至少1.78倍加速且保持统计无偏性。

SpaceDrive: Infusing Spatial Awareness into VLM-based Autonomous Driving

SpaceDrive: 在基于视觉语言模型的自动驾驶中引入空间感知

Peizheng Li, Zhenghao Zhang, David Holtz, Hang Yu, Yutong Yang, Yuzhi Lai, Rui Song, Andreas Geiger, Andreas Zell

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） ； TU Munich（慕尼黑工业大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； University of Stuttgart（斯图加特大学） ； UCLA（加州大学洛杉矶分校） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 本文提出SpaceDrive框架，通过将空间信息作为显式位置编码来增强基于VLM的自动驾驶系统对精细3D空间关系的理解，从而提升规划精度和开放环性能。

Point as Skeleton: Accumulated Point Cloud Enhanced Autoregressive Generation for Closed-Loop Autonomous Driving Simulation

点作为骨架：累积点云增强自回归生成用于闭环自动驾驶模拟

Songbur Wong, Xiaosong Jia, Junqi You, Bo Zhang, Pei Xu, Renqiu Xia, Yuping Qiu, Shaofeng Zhang, Zelin Zhao, Xuechao Yan, Yuchen Zhou, Yurui Chen, Wen Guo, Hang Xu, Junchi Yan

机构 * Shanghai Jiao Tong University（上海交通大学） ； Yinwang Intelligent Technology Co., Ltd.（银望智能科技有限公司） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 针对自动驾驶模拟难题，提出“点作为骨架”框架，通过自回归生成器结合多种条件合成视频，引入Reset-and-Roll支持闭环，用点云骨架稳定误差，实现基于nuPlan的闭环生成接口，实验证明其提升了闭环自回归生成质量。

CommonRoad-Game: A Human-in-the-Loop Simulation Framework for Autonomous Driving

CommonRoad-Game：面向自动驾驶的人机协同仿真框架

Yunfei Bi, Youran Wang

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 提出CommonRoad-Game轻量级人机协同仿真框架，通过多线程同步机制实现确定性交互，支持运动规划器测试与人类驾驶行为分析。

Comments 15 pages, 18 figures, 2 tables. Source code: https://github.com/Yunfei-Bi8/CommonRoad-Game

DriveWeaver: Point-Conditioned Video Inpainting for Controllable Vehicle Insertion in Autonomous Driving Simulation

DriveWeaver: 基于点云条件的视频修复用于自动驾驶仿真中的可控车辆插入

Junzhe Jiang, Zipei Ma, Zijie Pan, 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） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 提出DriveWeaver框架，通过点云条件视频修复实现自动驾驶仿真中可控车辆插入，解决光照不一致和3D资产依赖问题，支持大规模场景增强。

Comments Accepted at ECCV 2026, Project Page: https://github.com/LogosRoboticsGroup/DriveWeaver

MVPruner: Dynamic Token Pruning for Accelerating Multi-view Vision-Language Models in Autonomous Driving

MVPruner: 用于加速自动驾驶中多视图视觉语言模型的动态令牌剪枝

Nan Yang, Zhanwen Liu, Linfeng Zhang, Shangyu Xie, Yang Wang, Wenzhuo Zhou, Xiangmo Zhao

机构 * School of Information Engineering, Chang’an University, China（长安大学信息工程学院） ； School of Artificial Intelligence, Shanghai Jiaotong University, China（上海交通大学人工智能学院） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 提出MVPruner，一种两阶段自适应令牌剪枝方法，通过动态分配剪枝预算和基于指令的令牌选择，在保持精度的同时大幅降低计算量，实现多视图视觉语言模型的高效推理。

Comments accepted by ECCV26

SENSE-VAD: Sentient and Semantic Video Anomaly Detection for Autonomous Driving

SENSE-VAD：面向自动驾驶的情感和语义视频异常检测

Nghia T. Nguyen, Lokman Bekit, Yasin Yilmaz

机构 * University of South Florida（南佛罗里达大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 针对自动驾驶中社会关系导致的异常（如追逐、被抱等），提出首个合成视频异常检测基准SENSE-VAD，利用CARLA和UE生成多类别社交异常场景，并分离社交异常与运动异常，评估现有方法发现其难以解决该挑战。

DriveReward: A Comprehensive Dataset and Generative Vision-Language Reward Model for Autonomous Driving

DriveReward：面向自动驾驶的综合数据集与生成式视觉语言奖励模型

Qimao Chen, Fang Li, Yuechen Luo, Zehan Zhang, Haiyang Sun, Fangzhen Li, Bing Wang, Guang Chen, Yang Ji, Jiong Deng, Hongwei Xie, Hangjun Ye, Long Chen, Yi Zhang

机构 * Tsinghua University（清华大学） ； Xiaomi EV（小米汽车） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 提出DriveReward数据集和专用视觉语言奖励模型，通过反事实标注和时序视觉引导，解决自动驾驶中奖励获取的泛化问题，在强化学习和轨迹选择中取得与基于规则方法相当的性能。

ReactSim-Bench: Benchmarking Reactive Behavior World Model Simulation in Autonomous Driving

ReactSim-Bench：自动驾驶中反应性行为世界模型模拟的基准测试

Zhiyuan Zhang, Yanlun Peng, Jianing Zhang, Xianda Guo, Zehan Huang, Haoran Liu, Qifeng Li, Shaofeng Zhang, Xiaosong Jia, Junchi Yan

机构 * School of Computer Science & School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学计算机科学与技术学院、人工智能学院） ； Great Wall Motor（长城汽车） ； Institute of Trustworthy Embodied AI (TEAI), Fudan University（复旦大学可信具身人工智能研究所） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 提出ReactSim-Bench，通过解耦自车与周围智能体控制，使用偏离日志的自车行为作为输入，评估行为世界模型模拟的反应性能力，并基于碰撞、地图和运动学指标系统评测多种模型。

From Attacks to Curricula: Learnability-Guided Adversarial Training for Safe Autonomous Driving

从攻击到课程：面向安全自动驾驶的可学习性引导对抗训练

Yuewen Mei, Tong Nie, Jie Sun, Haotian Shi, Wei Ma, Jian Sun

机构 * College of Transportation & Key Laboratory of Road and Traffic Engineering of Ministry of Education, Tongji University（同济大学交通运输工程学院 & 道路与交通工程教育部重点实验室） ； Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University（香港理工大学土木与环境工程学系） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 提出AlignADV框架，通过偏好对齐生成可解决场景，并利用行为指纹预测策略能力，动态采样课程以提升自动驾驶对抗训练的收敛效率与安全性。

Where Does the Answer Come From? Benchmarking View-Level Visual Evidence Identification in Multi-View MLLMs for Autonomous Driving

答案从何而来？面向自动驾驶的多视角MLLMs中视角级视觉证据识别基准

Yimu Wang, Yee Man Choi, Barry Zhang, Mozhgan Nasr Azadani, Sean Sedwards, Krzysztof Czarnecki

机构 * University of Waterloo（滑铁卢大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 针对多视角自动驾驶场景，提出一个基准测试，评估多模态大模型在视觉问答中识别支持性相机视角的能力，包含122个冲突中心问题对，并区分视角选择与答案正确性。