视觉与机器人
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
从人类驾驶中学习：一种用于自动驾驶的人机协同在线行为克隆框架
机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人工智能与机器人研究所人机混合增强智能国家重点实验室）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 提出人机协同在线行为克隆框架HiL-OBC，通过人类干预初始化策略、贝叶斯潜在行为建模和在线更新，结合大模型感知与人类驾驶智能，在CARLA基准上显著提升驾驶性能。
EvoDrive: 通过自我改进的LLM智能体实现安全关键自动驾驶的帕累托进化
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.AI
AI总结 提出EvoDrive，首个基于LLM的自动化智能体进化框架，通过模拟器接地演员-评论家架构和帕累托存档，在安全关键场景生成中实现对抗性与真实性的多目标优化。
ReasonBreak: 探测自动驾驶中具备推理能力的视觉-语言-行动模型的脆弱性
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Qualcomm（高通）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文通过黑盒攻击方法，首次系统研究了具备推理能力的视觉-语言-行动模型在自动驾驶中面对真实输入扰动时的脆弱性，发现其推理和轨迹生成均易受攻击，导致碰撞率上升。
ICR-Drive：面向端到端语言驱动自动驾驶的指令反事实鲁棒性
机构 * Texas Tech University（德克萨斯科技大学） ； Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心（BCAI））
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出ICR-Drive框架，通过生成四类扰动指令（改写、歧义、噪声、误导）并基于CARLA仿真评估，揭示语言条件驾驶模型对指令变化的脆弱性。
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 872-880
TPS-Drive: 基于VLM的自动驾驶任务引导表示净化
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 提出TPS-Drive框架，通过任务引导的表示净化（Agent-Centric Tokenizer）解决VLM在自动驾驶中的空间幻觉和表示干扰问题，实现精确的3D空间预测与安全规划。
迈向物理一致的闭环自动驾驶模拟中的4D场景重建
机构 * Tsinghua University（清华大学） ； Meituan（美团） ； Central University of Finance and Economics（中央财经大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 本文提出了一种信息几何诊断框架，解决3DGS方法在同时实现空间和时间参数建模时的信用分配难题，通过引入正交投影梯度（OPG）和时间正则化策略，提升了4D场景重建的物理一致性。
Comments 20 pages, 4 figures
GuardAD: 通过马尔可夫安全逻辑保障自动驾驶MLLMs
机构 * Beihang University（北航大学） ； Zhongguancun Laboratory（中关村实验室） ； Peking University（北京大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.AI
AI总结 GuardAD通过马尔可夫逻辑形式化提升自动驾驶MLLMs的安全性，减少事故率并提升任务性能，经实验验证其有效性。
超越自我博弈与规模：面向自动驾驶泛化的行为基准
机构 * University of Freiburg（弗赖堡大学） ； Bosch Center for Artificial Intelligence（博世人工智能中心） ； Coburg University of Applied Sciences（科堡应用科学大学） ； New York University（纽约大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出BehaviorBench，通过评估、复杂性和行为多样性三个维度，解决自动驾驶大规模强化学习政策在标准化评估中的性能问题，并提出混合规划器提升泛化能力。
评判，然后驾驶：一种以评判为中心的视觉语言动作框架用于自动驾驶
机构 * Bosch Research（博世研究院）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 本文提出CriticVLA框架，通过多模态评估和单步优化提升自动驾驶决策质量，实验显示其在复杂场景中性能显著优于现有方法。
Comments preprint
增强型深度Q学习用于2D自动驾驶汽车：在定制赛道环境中的实现与评估
机构 * Department of Computer Science, University of Memphis（密苏里大学梅斯分校计算机科学系）
专题命中 仿真评测 ：self-driving(title,abstract)；分类 cs.AI
AI总结 本文提出了一种改进的深度Q学习网络用于2D自动驾驶汽车，通过定制环境和DQN模型设计，提升了性能，实验表明改进模型奖励显著高于原始DQN。
Comments 8 pages, 8 figures
Journal ref International Journal of Science and Technology (IJST), 3(2), 24-39 (2026)
从虚拟环境到现实世界试验：自动驾驶领域新兴趋势
机构 * Edge Hill University（埃奇希尔大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.AI
AI总结 本文综述了自动驾驶、模拟技术和合成数据集的最新发展，探讨了合成数据在感知与规划中的应用、数字孪生模拟系统验证以及领域适应策略，分析了基准设计趋势及关键挑战，旨在推动安全、可推广的自动驾驶系统发展。
Comments Accepted manuscript - Transactions on Intelligent Transportation Systems
Bench2Drive-VL: 用于基于视觉语言模型的闭环自动驾驶的基准测试
机构 * Shanghai Key Laboratory of Multimodal Embodied AI（上海市多模态具身智能重点实验室）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出Bench2Drive-VL，通过闭环评估方法提升视觉语言模型在自动驾驶中的性能，包含DriveCommenter生成多样化问题对、统一协议接口、灵活推理框架及完整开发生态，开源代码和标注数据。
Comments All codes and annotated datasets are available at \url{https://github.com/Thinklab-SJTU/Bench2Drive-VL} and \url{https://huggingface.co/datasets/Telkwevr/Bench2Drive-VL-base}
ScenePilot-4K：一个大规模第一视角数据集和基准，用于自动驾驶中视觉-语言模型的安全感知学习与评估
机构 * Tongji University（同济大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； Fudan University（复旦大学） ； Beihang University（北京航空航天大学） ； Tsinghua University（清华大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 本文提出ScenePilot-4K数据集，包含3847小时视频和27.7亿帧图像，用于评估视觉-语言模型在自动驾驶中的场景理解、空间感知、运动规划和语义对齐能力，揭示模型在几何感知和规划推理方面的局限性。
FAR-Drive：闭环自动驾驶中的帧自回归视频生成
机构 * Zhejiang University（浙江大学） ； Huawei（华为）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 本文提出FAR-Drive，一种用于自动驾驶的帧级自回归视频生成框架，通过多视角扩散变换器实现几何一致的多摄像机生成，解决闭环模拟中的长时程一致性、自回归退化和低延迟问题。
STADA：基于规范的自动驾驶代理测试
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 STADA是一种基于规范的自动驾驶代理测试生成框架，通过形式规范生成多样化的测试场景，提高测试覆盖率并减少模拟次数。
基于VLM的自动驾驶架构中补丁攻击的比较分析
机构 * School of Computing, Clemson University（计算机学院，克莱姆森大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 本文比较了三种基于VLM的自动驾驶架构对物理对抗攻击的鲁棒性，发现所有架构均存在严重漏洞，揭示了不同架构在对抗威胁下的脆弱性。
Comments Accepted at the 2025 IEEE Intelligent Vehicles Symposium (IV 2025)
CAPS：基于上下文的优先级采样以增强自动驾驶中的模仿学习
机构 * Noah’s Ark Lab, Huawei Technologies Canada（华为加拿大技术有限公司诺亚实验室）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 CAPS通过上下文感知优先级采样提升自动驾驶模仿学习的数据效率，通过聚类重新平衡数据集以提高模型泛化能力。
Comments Accepted at IEEE International Conference on Robotics & Automation (ICRA 2026)
从代码到道路：一种基于车辆在环和数字孪生的中央车辆服务器在自动驾驶中的测试框架
机构 * Technical University of Munich（慕尼黑技术大学） ； CARIAD SE
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出了一种基于车辆在环和数字孪生技术的中央车辆服务器测试框架，通过虚拟与物理环境的结合，提高自动驾驶算法验证的效率和准确性。
Comments 8 pages; Accepted for publication at the 37th IEEE Intelligent Vehicles Symposium (IV), Detroit, MI, United States, June 22-25, 2026
具有线性时序逻辑规范的风险感知自主驾驶
机构 * Department of Electrical Engineering, Eindhoven University of Technology（电子工程系，埃因霍温理工大学） ； College of Engineering, Peking University（工程学院，北京大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出一种基于线性时序逻辑规范的风险感知自动驾驶方法，通过扩展风险度量方法以涵盖更复杂的驾驶场景，结合线性规划解决控制合成问题，从而平衡碰撞风险和交通违规风险。
当数字孪生遇见大语言模型：用于自动驾驶的逼真、交互和可编辑的模拟
机构 * Department of Automotive Engineering, Clemson University International Center for Automotive Research (CU-ICAR)（汽车工程系，克莱姆森大学国际汽车研究中心（CU-ICAR））
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出结合数字孪生与大语言模型的框架，实现自动驾驶场景的逼真、交互和可编辑模拟，提升自动驾驶研究的效率和真实性。
Comments Accepted in IEEE Robotics & Automation Magazine (RAM)
从冲突到碰撞：一种两阶段碰撞场景测试方法用于自动驾驶系统
机构 * The University of Tokyo（东京大学） ； Zhejiang University（浙江大学） ； Kyushu University（九州大学） ； University of Alberta（阿尔伯塔大学） ； TIER IV ； TIER IV North America（TIER IV北美）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出一种两阶段碰撞场景测试方法，通过搜索冲突并突变以诱导碰撞，提升自动驾驶系统安全评估的效率和效果。
夜间自动驾驶场景重建与基于物理的高斯点云
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 本文提出基于物理的高斯点云方法，提升自动驾驶夜间场景重建质量，实现实时渲染并优于现有方法。
Comments ICRA 2026
恒定的眼睛：自动驾驶中外观鲁棒性的基准测试与弥合
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 本文提出navdream基准测试，通过生成像素对齐的风格迁移，评估自动驾驶算法在极端天气等外观变化下的鲁棒性，并提出通用感知接口实现零样本泛化。
分析仿真保真度对自动驾驶运动控制评估的影响
机构 * Technical University of Munich（慕尼黑技术大学） ； School of Engineering & Design（工程与设计学院） ； Department of Mobility Systems Engineering（移动系统工程系） ； Institute of Automotive Technology（汽车技术研究所）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文研究了仿真保真度对自动驾驶运动控制评估的影响，通过不同保真的车辆模型仿真，分析了控制算法在不同应用中的可简化程度。
Comments Accepted for publication at the IEEE IV 2024
面向自动驾驶的统一传感器仿真
机构 * Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 本文提出XSIM框架，通过改进的3DGUT点绘和相位建模机制，实现更精确的自动驾驶传感器仿真，提升场景表示的一致性和逼真度。
迈向LHC的自驱动触发：实时适应性响应
机构 * University of Michigan（密歇根大学） ； Enrico Fermi Institute（恩里科·费米研究所） ； University of Chicago（芝加哥大学） ； Fermi National Accelerator Laboratory（费米国家加速器实验室） ； Department of Physics, Kavli Institute for Cosmological Physics（物理系，宇宙学物理研究所）
专题命中 仿真评测 ：self-driving(title,abstract)；分类 cs.AI
AI总结 本文提出了一种自驱动触发系统，通过实时动态调整资源和阈值，利用机器学习优化高能物理实验中的触发性能，提升信号效率和计算效率。
利用预测安全表示学习安全的自动驾驶策略
机构 * Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（雅迪人工智能学院，印度理工学院德里）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出利用预测安全表示改进自动驾驶策略学习，通过实验验证了其在提升安全性和效率方面的有效性。
Comments 8 pages, 4 figures
推进自动驾驶系统测试：需求、挑战与未来方向
机构 * City University of Hong Kong（香港城市大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Lehigh University（莱斯大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.AI
AI总结 本研究探讨了自动驾驶系统测试的需求与挑战，指出现有测试技术在现实性能评估中的不足，并提出了未来研究方向，包括系统化测试标准、跨模型协作及可扩展验证框架。
Comments Accepted for publication in Information and Software Technology (IST)
一种面向传感器的现象学框架用于激光雷达退化仿真和SLAM鲁棒性评估
机构 * Turku Intelligent Embedded and Robotic Systems (TIERS) Lab , University of Turku（图尔库智能嵌入与机器人系统实验室，图尔库大学） ； School of Information Science and Technology, Fudan University（信息科学与技术学院，复旦大学）
专题命中 仿真评测 ：LiDAR(title,abstract)；分类 cs.RO
AI总结 本文提出一种面向传感器的现象学框架，用于模拟激光雷达退化并评估SLAM系统的鲁棒性，通过保留点云结构并应用多种退化方法，实现可控的仿真测试。
多智能体大语言模型框架用于自动驾驶系统的设计空间探索
机构 * National Cheng Kung University（国立成功大学） ； Safeware Technology Inc.（Safeware技术公司）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出基于多智能体大语言模型的自动驾驶系统设计空间探索框架，通过多模态推理和3D模拟工具自动化解析执行输出，提升设计效率和成本效益。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈