双向增量广义混合 A*:一种针对复杂动力学系统的高效任意时间规划方法
该研究针对非结构化环境中复杂动力学系统的运动规划难题,提出了一种改进的 Bidirectional Incremental Generalized Hybrid A*(Bi-IGHA*)算法。
推荐理由:论文提出双向增量广义混合 A*算法,通过分层分辨率与冻结顶点机制解决搜索耦合问题,在仿真及真实机器人系统中验证了计算效率提升。
技术方向
辅助驾驶与自动驾驶的技术、量产和运营,保留功能边界、地域、许可条件及安全证据。
204 条精选近 30 天 59 条共收录 1,008 条
该研究针对非结构化环境中复杂动力学系统的运动规划难题,提出了一种改进的 Bidirectional Incremental Generalized Hybrid A*(Bi-IGHA*)算法。
推荐理由:论文提出双向增量广义混合 A*算法,通过分层分辨率与冻结顶点机制解决搜索耦合问题,在仿真及真实机器人系统中验证了计算效率提升。
该研究针对电动汽车通过再生制动回收能量的特性,对比分析了四种控制器(NMPC、PPO、PID-SF 和 Stanley)在统一运动学模型下的表现。作者使用 JIT 编译的 CasADi 实现 NMPC 以满足实时性要求,并训练 PPO 策略使其能直接迁移到未见的赛道(如 ISO 3888-1 变道、发卡弯及随机参数样条曲线)以及动态单轨车辆模型。
推荐理由:本文对比了 NMPC 与 PPO 等控制器在电动汽车路径跟踪中的表现,验证了基于强化学习的策略在无微调情况下对动态车辆模型及复杂路况的零样本迁移能力。
PlaySuite 是一个基于超过 5000 款开源视频游戏的交互式视觉智能评测基准,涵盖 Pygame、Unity 等多种引擎。研究构建了统一的闭环交互框架与 Video-LLM-as-a-judge 协议以支持异构游戏评估。对十四种近期开放模型的测试显示,尽管推理能力强,但模型在空间定位、动作执行和自我修正方面存在持续失败,揭示了感知与行动之间的差距。
推荐理由:PlaySuite 发布大规模游戏评测基准,揭示当前模型在动态环境中的感知 - 行动差距。
Google DeepMind 发布 EmbeddingGemma 2,这是一个基于 Gemma 4 架构的开源多模态嵌入模型,采用 Apache 2.0 许可。
推荐理由:DeepMind 发布 EmbeddingGemma 2,统一处理文本、代码、音视频的多模态嵌入模型,支持端侧推理与离线 RAG。
Overview AI 今日正式发布 OV Spark 和 OV Spark Pro 两款工业检测相机,内置“Sparky”自主智能体层,支持用自然英语提问并自动推荐检测工具与策略。
推荐理由:Overview AI 发布搭载自主智能体层的 OV Spark 系列工业相机,将模型选择、推理与 PLC 通信集成于边缘设备,解决工厂部署配置难题。
Kodiak AI 表示其长途货运自动驾驶就绪度(ARM)在 2026 年 9 月底达到 96%,较上月提升 3 个百分点。公司重申计划在 2026 年底前完成高速公路安全案例验证并推出无监督长途无人驾驶服务。
推荐理由:Kodiak 宣布其长途货运自动驾驶就绪度升至 96%,并重申计划在 2026 年底前推出无监督长途无人驾驶服务。
该研究探讨了训练数据如何在基座模型的响应起始 token 与后续推理行为之间建立关联。实验表明,固定特定的起始 token 线索(如'. Okay'或'Alright,')可使基座模型在数学和代码任务上的表现接近强化学习(RL)微调版本。
推荐理由:原文揭示了训练数据中的特定起始 token 可作为推理触发器,通过因果干预验证了其对数学、代码及模型安全行为的控制作用。
该论文研究了视觉语言动作(VLA)驱动中,经过策略学习后的视觉语言模型(VLM)与纯视觉编码器在表征上的差异及其对规划的影响。研究对比了 InternVL3、Qwen3VL 等 VLM 家族与 ResNet、ViT、EVA-CLIP 等标准纯视觉编码器,发现两者在简单几何主导场景中各有优势,且存在行为上显著不同的制动和路径选择倾向。
推荐理由:该研究通过对比 VLM 与纯视觉骨干网络,揭示了两者在规划任务中的互补性,并提出混合与双系统架构以提升端到端驾驶性能。
针对自动驾驶等关键领域需评估大量复合环境条件的挑战,本文提出一种基于场景的组合统计模型检查(SMC)框架。该方法将复合场景分解为基元、规格分解为子规格,独立验证各基元后利用重要性采样和核密度估计组合统计结果。实证表明该框架能准确回答未见过的复合场景查询,并通过并行化和轨迹重用降低仿真成本。材料为 arXiv 预印本,已接受至 RV 2026 会议。
推荐理由:提出基于场景的组合统计模型检查框架,通过分解与重用轨迹降低仿真成本。
该论文提出了一种基于双过程理论的自动驾驶规划新架构,旨在解决神经网络在处理未见过的长尾情况时的不足。系统结合了用于常规任务的直觉学习规划与用于陌生情境的推理模型预测控制,并通过元认知组件和知识图根据感知信息与交通规则动态切换策略。研究在 CARLA 仿真环境中测试了该框架应对闯红灯等分布外场景的效果,结果显示其相比纯神经网络规划器将碰撞数量减少了 89%,并提升了特殊路权规则的遵守率。
推荐理由:该工作提出结合直觉规划与推理规划的混合框架,在 CARLA 仿真中针对闯红灯等长尾场景将碰撞数降低 89%。
论文提出利用工业级匹配引擎解决平衡离散最优传输问题,证明在中等规模(n=500 至 8000)下,Jonker-Volgenant 算法比熵正则化 Sinkhorn 及其加速变体 Greenkhorn 更快且精度更高。
推荐理由:原文通过实验对比证明,在中等规模离散任务中精确匹配算法比近似方法更快且更准,并给出了多机器人分配场景下的额外成本数据。
论文提出 MoCAR,一种解码器仅架构,将轨迹预测重构为坐标感知的连续潜空间中的下一运动码预测任务。该方法从端点归一化的轨迹段学习连续运动码空间,利用历史码作为教师强制前缀,在时间、地图、智能体及模式交互下自回归生成未来码,并在潜在记忆中持久化预测码以更新局部场景上下文。
推荐理由:提出将轨迹预测转化为坐标感知连续潜空间中的下一码预测,在 Argoverse 基准上实现零样本迁移与转弯场景改进。
针对传统优化类泊车规划器仅在采样时刻施加碰撞约束导致车辆角点穿障的问题,提出一种适用于带倒挡车辆的规划器。该方法在每次迭代均满足离散动力学并保证整车矩形避开障碍物:每个时间步生成一个凸走廊以容纳两端车角并通过扫掠余量收缩;利用分离半平面为初始猜测处于碰撞状态时提供避障方向,后续基于速度、曲率和步长生长对齐航向的盒状区域并在接受步骤后重建。
推荐理由:提出一种基于优化的泊车规划器,在每次迭代均满足离散动力学且保证车辆矩形不穿入障碍物。
Geoffrey Hinton 与 Yoshua Bengio 等 22 位学者发表论文《What if automating AI R&D triggers an intelligence explosion?
推荐理由:辛顿领衔团队发布首篇递归自我改进论文,论证AI研发自动化可能触发软件驱动的智能爆炸。
论文提出一种针对非合作行星探测器的归因感知轨迹分析方法,旨在解决多探测器共享部署区时的合规验证难题。该方法通过评估候选可信子集的统计一致性而非单个测量有效性,从稀疏遥测数据中重建轨迹并识别提供虚假测量的拜占庭节点。实验表明,该方法在合成仿真和真实类地数据上均能显著优于现有的鲁棒位姿图优化基线。
推荐理由:提出针对非合作行星探测器的归因感知轨迹估计方法,在存在拜占庭节点时能识别恶意数据并提升轨迹重建精度。
该论文提出一种连续时间事件相机立体视觉里程计(VO)管道,通过物理基础的前向加速度白噪声先验将测量插值到精确的时间戳,从而在保持异步测量原生分辨率的同时维持实时运行。
推荐理由:提出基于关键时间高斯过程的实时事件相机立体视觉里程计,在 MVSEC 和 DSEC 数据集上实现比离散估计器更优的精度与频率。
论文提出 MapMergeLLM 框架,将向量化 HD 地图的局部预测片段聚合成全局地图建模为条件序列生成任务。该方法利用坐标 tokenizer 和几何感知预训练精确表示坐标,并引入行级关联损失监督同一地图元素的对应关系。
推荐理由:提出 MapMergeLLM 框架,利用大语言模型将向量化地图聚合转化为条件序列生成任务,在 Argoverse2 和 nuScenes 数据集上显著优于启发式与优化基线。
针对大语言模型强化学习中奖励稀疏导致优化停滞的问题,本文提出 Rationale-Guided Policy Optimization (RGPO) 框架。该方法将真实推理过程作为临时脚手架辅助模型生成改进响应,随后仅将高奖励的自生解法转移回无引导设置,无需依赖同格式的非策略数据。实验表明,该框架在文本及视觉语言推理任务中均能提升性能并稳定强化学习训练。
推荐理由:提出利用自适应推理脚手架缓解强化学习奖励稀疏问题,在文本与多模态任务中均优于基线。
该研究针对长程 LLM 智能体常用稀疏混合专家(MoE)模型但行为与结构协同设计不足的问题,发现专家路由在语义相似操作间存在重叠特性。作者提出分层路由控制框架,鼓励轮次级专家选择对齐智能体操作并正则化 token 级选择以维持局部一致性,同时引入熵门控机制解决后训练稳定性问题。
推荐理由:原文提出分层路由控制框架,解决智能体强化学习中 MoE 专家选择与轨迹结构不匹配问题,在基准测试中成功率提升超 10 个百分点。
CUAWright 是一种仅约 3K 行代码的极简终端接口工具,利用 bash 命令作为唯一操作界面,文件系统作为动态演化空间以构建工具和上下文管理。实验显示,相比 GPT-5.5 基线及 GUI 原生接口,该方案在 OSWorld 2.0、Online-Mind2Web、Odysseys 等基准任务中显著提升成功率并降低估算成本,同时在 CAD 应用中也展现出更强的视觉理解与交互能力。
推荐理由:CUAWright 提出最小化终端接口方案,在数字任务与 CAD 应用中显著优于 GUI 及混合接口。