University of Pennsylvania（宾夕法尼亚大学）

N3P: Accelerated Automated Parking via a Learning-Based Naturalistic Three-Stage Scheme

N3P：通过基于学习的自然三阶段方案实现加速的自动泊车

Yifan Xue, Toktam Mohammadnejad, Faizan M Tariq, Sangjae Bae, David Isele, Yosuke Sakamoto, Nadia Figueroa, Jovin D'sa

机构 * Honda Research Institute (HRI)（本田研究院） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出N3P，一种基于学习的三阶段框架，用于自动泊车，通过引入中间预备姿态和学习模块预测该姿态，将泊车操作分解为更简单的子问题，从而降低计算复杂度并加速路径生成，实验表明其在垂直和平行泊车场景中显著提升了规划速度，并在成功率和轨迹质量上优于强化学习基线。

Comments Accepted at IEEE Intelligent Transportation Systems Conference (ITSC 2026)

Behavior-Consistent Deep Reinforcement Learning

行为一致的深度强化学习

Marcel Hussing, Liv G. d'Aliberti, Claas Voelcker, Benjamin Eysenbach, Eric Eaton

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Princeton University（普林斯顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了一种行为一致的深度强化学习方法，通过控制策略的分布相似性来减少跨训练运行的策略分歧，从而提高稳定性和性能。

Uncertainty quantification for Markov chain induced martingales with application to temporal difference learning

马尔可夫链诱导的martingales的不确定性量化及其在时间差学习中的应用

Weichen Wu, Yuting Wei, Alessandro Rinaldo

机构 * The Voleon Group（Voleon集团） ； Department of Statistics and Data Science, The Wharton School, University of Pennsylvania（统计与数据科学系，沃顿商学院，宾夕法尼亚大学） ； Department of Statistics and Data Sciences, University of Texas（统计与数据科学系，德克萨斯大学） 纠错

AI总结 本文提出了一种新的高维集中不等式和Berry-Esseen界，用于分析由马尔可夫链诱导的向量martingales，并将其应用于时间差学习算法的性能分析，得到了与渐近方差相符的高概率一致性保证，并建立了Gaussian近似的时间差估计器的分布收敛速率。

How does Chain of Thought decompose complex tasks?

链式思维如何分解复杂任务？

Amrut Nadgir, Vijay Balasubramanian, Pratik Chaudhari

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文研究了链式思维在复杂任务分解中的作用，发现通过将任务分解为多个小分类问题可以显著降低预测误差，并确定了分解深度的最优阈值。

Parallel OctoMapping: A Scalable Framework for Enhanced Path Planning in Autonomous Navigation

并行八叉树映射：一种用于自主导航中路径规划增强的可扩展框架

Yihui Mao, Tian Tan, Xuehui Shen, Warren E. Dixon, Rushikesh Kamalapurkar

机构 * Department of Mechanical and Aerospace Engineering, University of Florida（佛罗里达大学机械与航空航天工程系） ； Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系） 纠错

AI总结 本文提出并行八叉树映射（POMP），一种高效的基于八叉树的映射技术，通过在固定占用网格分辨率下优化自由空间表示，提升路径规划效率和成功率，特别是在复杂环境中。