Topics

nuScenes: A Multimodal Dataset for Autonomous DrivingnuScenes是首个全传感器套件、含雷达与属性标注的大规模多模态自动驾驶数据集（1000个20s场景），并定义了基于中心距离的3D检测/跟踪指标与基线。 · 文献 · 精读 · 2026-07-14

A*3D Dataset: Towards Autonomous Driving in Challenging EnvironmentsA*3D是一个包含约39K帧、230K个3D标注的新加坡全域高多样性RGB-LiDAR数据集，重点覆盖夜间、高密度与重遮挡场景，并展示了其对现有3D检测器的挑战与改进潜力。 · 文献 · 中文笔记 · 2026-07-19

CLOVER: Closed-Loop Value Estimation and Ranking for End-to-End Autonomous Driving PlanningCLOVER 用评估器过滤的伪专家做集级覆盖监督，再以真子分数拟合 scorer 并对生成器做 top-k/向量帕累托 + 稳定性正则的保守闭环自蒸馏，从而同时抬高候选集覆盖与排序质量。 · 文献 · 中文笔记 · 2026-07-19

CogAD: Cognitive-Hierarchy Guided End-to-End Autonomous DrivingCogAD通过全局-局部层次感知与意图-轨迹双层不确定性规划，模拟人类驾驶认知以实现更全面的场景理解与多样合理的多模态轨迹生成。 · 文献 · 中文笔记 · 2026-07-19

Collaborative Perception in Autonomous Driving: Methods, Datasets and ChallengesMetadata-only：Collaborative Perception in Autonomous Driving: Methods, Datasets and Challenges · 文献 · 中文笔记 · 2026-07-19

Creating Impactful Autonomous Driving Datasets: A Strategic Guide from Research Gap to BenchmarkMetadata-only：Creating Impactful Autonomous Driving Datasets: A Strategic Guide from Research Gap to Benchmark · 文献 · 中文笔记 · 2026-07-19

Do Open-Loop Metrics Predict Closed-Loop Driving? A Cross-Benchmark Correlation Study of NAVSIM and Bench2DriveNAVSIM的PDMS与Bench2Drive DS呈强正相关但非单调（Spearman ρ=0.90，n=8），Ego Progress是最强单预测因子，简化CL-Proxy=NC×DAC×EP可匹配全PDMS的预测力，安全-进度权衡与雪球效应导致残差差距。 · 文献 · 中文笔记 · 2026-07-19

DrivIng: A Large-Scale Multimodal Driving Dataset with Full Digital Twin IntegrationDrivIng 提供约18km城市/郊区/高速连续路线的多模态驾驶数据（6相机+LiDAR+高精度定位）与完整数字孪生，实现真实交通到仿真的1对1转移及可复现感知基准。 · 文献 · 中文笔记 · 2026-07-19

VAD: Vectorized Scene Representation for Efficient Autonomous DrivingVAD 将驾驶场景建模为全向量化表示（智能体运动向量与地图向量），通过查询交互与实例级规划约束实现高效、安全的端到端轨迹规划。 · 文献 · 精读 · 2026-07-20

SparseDrive 文献笔记如何将 Sparse4D 风格的稀疏场景表示从检测与跟踪扩展到端到端自动驾驶规划。 · 文献 · 精读 · 2026-07-11

2nd Place Solution for CVPR2024 E2E Challenge: End-to-End Autonomous Driving Using Vision Language ModelMetadata-only：2nd Place Solution for CVPR2024 E2E Challenge: End-to-End Autonomous Driving Using Vision Language Model · 文献 · 中文笔记 · 2026-07-19

CogAD: Cognitive-Hierarchy Guided End-to-End Autonomous DrivingCogAD通过全局-局部层次感知与意图-轨迹双层不确定性规划，模拟人类驾驶认知以实现更全面的场景理解与多样合理的多模态轨迹生成。 · 文献 · 中文笔记 · 2026-07-19

Data Scaling Laws for End-to-End Autonomous DrivingMetadata-only：Data Scaling Laws for End-to-End Autonomous Driving · 文献 · 中文笔记 · 2026-07-19

Diffusion Models for End-to-End Autonomous Driving: A Survey of Perception, Prediction, Planning, and ControlMetadata-only：Diffusion Models for End-to-End Autonomous Driving: A Survey of Perception, Prediction, Planning, and Control · 文献 · 中文笔记 · 2026-07-19

DiffusionDrive: Truncated Diffusion Model for End-to-End Autonomous Driving提出截断扩散策略（锚定高斯+截断日程）与级联扩散解码器，使DiffusionDrive仅需2步去噪即可生成多样高质量驾驶轨迹，在NAVSIM达88.1 PDMS并以45 FPS实时运行。 · 文献 · 中文笔记 · 2026-07-19

DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous DrivingDiffusionDriveV2用强化学习约束截断扩散的GMM多模态轨迹生成，兼顾多样性与高质量，在NAVSIM v1/v2上以ResNet-34达到91.2 PDMS / 85.5 EPDMS新纪录。 · 文献 · 中文笔记 · 2026-07-19

BEVFormer: Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal TransformersBEVFormer通过预定义网格BEV查询与时空注意力，从多相机图像与历史BEV中自适应聚合信息，生成支持多感知任务的统一BEV特征。 · 文献 · 精读 · 2026-07-20

PETR: Position Embedding Transformation for Multi-View 3D Object DetectionPETR通过3D位置嵌入变换将多视角2D特征转化为3D位置感知特征，实现简单端到端的多视角3D目标检测并取得SOTA。 · 文献 · 精读 · 2026-07-20

Sparse4D v1 文献笔记如何在多相机 3D 检测中，以少量目标相关的 3D anchors 替代 dense BEV 网格，并融合跨帧观测。 · 文献 · 精读 · 2026-07-11

Sparse4D v2 文献笔记如何将前一帧的高置信目标状态直接作为下一帧 decoder 的输入，以稳定地利用时序信息。 · 文献 · 精读 · 2026-07-11

Sparse4D v3 文献笔记如何在 v2 的 recurrent instance memory 上提升检测质量并输出稳定的跨帧目标 ID。 · 文献 · 精读 · 2026-07-11

3D Object Detection for Autonomous Driving: A Comprehensive SurveyMetadata-only：3D Object Detection for Autonomous Driving: A Comprehensive Survey · 文献 · 中文笔记 · 2026-07-19

A Survey of Autonomous Driving: Common Practices and Emerging Technologies本文系统综述自动驾驶常见实践与新兴技术，对比模块化与端到端等架构，指出level 4/5与城市场景鲁棒性仍为开放问题。 · 文献 · 中文笔记 · 2026-07-19

BEVDet: High-performance Multi-camera 3D Object Detection in Bird-Eye-ViewBEVDet通过在BEV空间检测、视图解耦数据增强和Scale-NMS，实现了多相机3D目标检测的高精度与高效率权衡。 · 文献 · 中文笔记 · 2026-07-19

CogAD: Cognitive-Hierarchy Guided End-to-End Autonomous DrivingCogAD通过全局-局部层次感知与意图-轨迹双层不确定性规划，模拟人类驾驶认知以实现更全面的场景理解与多样合理的多模态轨迹生成。 · 文献 · 中文笔记 · 2026-07-19

DTPP: Differentiable Joint Conditional Prediction and Cost Evaluation for Tree Policy PlanningDTPP通过查询中心Transformer高效生成ego-conditioned场景树，并与可学习上下文感知代价联合可微训练，提升树状策略规划质量与效率。 · 文献 · 中文笔记 · 2026-07-19

DriveE2E: Closed-Loop Benchmark for End-to-End Autonomous Driving through Real-to-SimulationDriveE2E通过基础设施离线协同与Real2Sim，将15个真实交叉口数字孪生与800个动态交通场景导入CARLA，构建更真实的闭环端到端自动驾驶评估基准。 · 文献 · 中文笔记 · 2026-07-19

Exploring Shared Gaussian Occupancies for Tracking-Free, Scene-Centric Pedestrian Motion Prediction in Autonomous DrivingMetadata-only：Exploring Shared Gaussian Occupancies for Tracking-Free, Scene-Centric Pedestrian Motion Prediction in Autonomous Driving · 文献 · 中文笔记 · 2026-07-19

FocalAD: Local Motion Planning for End-to-End Autonomous DrivingFocalAD通过ELAI图结构ego-centric交互建模与FLA焦点损失，强化决策关键局部邻车运动表示，从而提升端到端规划的安全与鲁棒性。 · 文献 · 中文笔记 · 2026-07-19

GTRS: Generalized Trajectory Scoring for End-to-end Multimodal PlanningGTRS通过扩散轨迹生成、超密词汇dropout泛化与传感器增强+细化，实现端到端多模态规划中对静态/动态轨迹的鲁棒联合评分。 · 文献 · 中文笔记 · 2026-07-19

Graph Attention Transformer with Multi-Task Learning for Motion Prediction in Autonomous DrivingMetadata-only：Graph Attention Transformer with Multi-Task Learning for Motion Prediction in Autonomous Driving · 文献 · 中文笔记 · 2026-07-19

MTR++: Multi-Agent Motion Prediction With Symmetric Scene Modeling and Guided Intention QueryingMTR++以对称场景建模与互导意图查询扩展MTR，实现多智能体高效、场景一致的多模态运动预测。 · 文献 · 中文笔记 · 2026-07-19

A Survey of Large Language Models本文系统综述了大语言模型的背景、关键发现与主流技术（聚焦预训练、适应调优、利用与能力评估），并总结开发资源与未来方向。 · 文献 · 中文笔记 · 2026-07-19

A Survey: Learning Embodied Intelligence from Physical Simulators and World Models本综述系统探讨物理仿真器（显式环境建模与训练）与世界模型（内部表征与预测规划）如何协同赋能具身智能，提出IR-L0至IR-L4分级，并强调二者在自主驾驶与机器人中的互补角色。 · 文献 · 中文笔记 · 2026-07-19

A survey on integration of large language models with intelligent robots通过按机器人核心要素分类LLM应用并配套提示工程实践指南，为智能机器人LLM集成提供可操作的路线图。 · 文献 · 中文笔记 · 2026-07-19

A survey on large language model based autonomous agents对基于大语言模型的自主智能体从构建（统一框架）、应用与评估进行全面综述，并提出挑战与未来方向。 · 文献 · 中文笔记 · 2026-07-19

Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI全面综述具身AI，强调基于MLMs与WMs对齐网络与物理空间，系统分类机器人、模拟器及感知-交互-智能体-sim-to-real四大任务，并提出ARIO统一数据集标准。 · 文献 · 中文笔记 · 2026-07-19

BadRobot: Jailbreaking Embodied LLM Agents in the Physical WorldBAD ROBOT通过利用LLM操纵、语言-动作错位与世界知识缺陷，实现首个对真实机器人的语音越狱，迫使其执行有害物理动作。 · 文献 · 中文笔记 · 2026-07-19

Bio-inspired cognitive robotics vs. embodied AI for socially acceptable, civilized robotsMetadata-only：Bio-inspired cognitive robotics vs. embodied AI for socially acceptable, civilized robots · 文献 · 中文笔记 · 2026-07-19

Exploring the Unknown: A Survey on Embodied AI robotics in Uncharted Cluttered EnvironmentsMetadata-only：Exploring the Unknown: A Survey on Embodied AI robotics in Uncharted Cluttered Environments · 文献 · 中文笔记 · 2026-07-19

3D Object Detection for Autonomous Driving: A Survey全面综述自动驾驶3D目标检测，从模态分类方法并分析挑战与SOTA，指出领域仍处早期阶段。 · 文献 · 中文笔记 · 2026-07-19

A Survey on End-to-end Perception and Prediction for Autonomous DrivingMetadata-only：A Survey on End-to-end Perception and Prediction for Autonomous Driving · 文献 · 中文笔记 · 2026-07-19

Real-time Stereo-based 3D Object Detection for Streaming PerceptionMetadata-only：Real-time Stereo-based 3D Object Detection for Streaming Perception · 文献 · 中文笔记 · 2026-07-19

Review of: "Don’t Shake the Wheel: Momentum-Aware Planning in End-to-End Autonomous Driving"Metadata-only：Review of: "Don’t Shake the Wheel: Momentum-Aware Planning in End-to-End Autonomous Driving" · 文献 · 中文笔记 · 2026-07-19

A Review on Autonomous Vehicles: Progress, Methods and Challenges[自动卡] Metadata-only card for A Review on Autonomous Vehicles: Progress, Methods and Challenges. · 文献 · 自动卡 · 2026-07-19

A Survey of End-to-End Driving: Architectures and Training Methods[自动卡] Metadata-only card for A Survey of End-to-End Driving: Architectures and Training Methods. · 文献 · 自动卡 · 2026-07-19

Autonomous Driving Architectures: Insights of Machine Learning and Deep Learning Algorithms[自动卡] Metadata-only card for Autonomous Driving Architectures: Insights of Machine Learning and Deep Learning Algorithms. · 文献 · 自动卡 · 2026-07-19

Autonomous driving system: A comprehensive survey[自动卡] Metadata-only card for Autonomous driving system: A comprehensive survey. · 文献 · 自动卡 · 2026-07-19

Benchmarking Robustness of 3D Object Detection to Common Corruptions in Autonomous Driving设计27种真实驾驶场景腐蚀并建立三大基准，发现运动级腐蚀威胁最大、LiDAR-相机融合更鲁棒、相机-only模型极脆弱，数据增强收益有限。 · 文献 · 中文笔记 · 2026-07-19

Delving into the Devils of Bird's-eye-view Perception: A Review, Evaluation and Recipe对鸟瞰图（BEV）感知进行综述分析，并给出从理论到实践的提升配方与未来方向。 · 文献 · 中文笔记 · 2026-07-19

Do Open-Loop Metrics Predict Closed-Loop Driving? A Cross-Benchmark Correlation Study of NAVSIM and Bench2DriveNAVSIM的PDMS与Bench2Drive DS呈强正相关但非单调（Spearman ρ=0.90，n=8），Ego Progress是最强单预测因子，简化CL-Proxy=NC×DAC×EP可匹配全PDMS的预测力，安全-进度权衡与雪球效应导致残差差距。 · 文献 · 中文笔记 · 2026-07-19

DriveE2E: Closed-Loop Benchmark for End-to-End Autonomous Driving through Real-to-SimulationDriveE2E通过基础设施离线协同与Real2Sim，将15个真实交叉口数字孪生与800个动态交通场景导入CARLA，构建更真实的闭环端到端自动驾驶评估基准。 · 文献 · 中文笔记 · 2026-07-19

EmbodiedGovBench: A Benchmark for Governance, Recovery, and Upgrade Safety in Embodied Agent SystemsEmbodiedGovBench 用七维治理压力测试回答：机器人在执行、失败与演进中是否仍可控、可恢复、可审计、可演进安全，而非仅「能不能完成任务」。 · 文献 · 中文笔记 · 2026-07-19

EvalSafetyGap: A Hybrid Survey and Conceptual Framework for LLM Evaluation-Safety FailuresMetadata-only：EvalSafetyGap: A Hybrid Survey and Conceptual Framework for LLM Evaluation-Safety Failures · 文献 · 中文笔记 · 2026-07-19

FocalAD: Local Motion Planning for End-to-End Autonomous DrivingFocalAD通过ELAI图结构ego-centric交互建模与FLA焦点损失，强化决策关键局部邻车运动表示，从而提升端到端规划的安全与鲁棒性。 · 文献 · 中文笔记 · 2026-07-19

Learning Robust Penetration Testing Policies under Partial Observability: A systematic evaluation渗透测试任务极大受益于历史聚合；简单的观察增强可显著优于LSTM/TrXL等复杂架构，收敛速度最高可达其他方法的四倍。 · 文献 · 中文笔记 · 2026-07-19

nuScenes: A Multimodal Dataset for Autonomous DrivingnuScenes是首个全传感器套件、含雷达与属性标注的大规模多模态自动驾驶数据集（1000个20s场景），并定义了基于中心距离的3D检测/跟踪指标与基线。 · 文献 · 精读 · 2026-07-14

A Multi-Drone Multi-View Dataset and Deep Learning Framework for Pedestrian Detection and Tracking提出MATRIX动态多无人机多视角数据集与实时标定+BEV特征融合框架，在复杂遮挡场景下维持约90%检测跟踪精度并优雅应对相机失效。 · 文献 · 中文笔记 · 2026-07-19

A*3D Dataset: Towards Autonomous Driving in Challenging EnvironmentsA*3D是一个包含约39K帧、230K个3D标注的新加坡全域高多样性RGB-LiDAR数据集，重点覆盖夜间、高密度与重遮挡场景，并展示了其对现有3D检测器的挑战与改进潜力。 · 文献 · 中文笔记 · 2026-07-19

DrivIng: A Large-Scale Multimodal Driving Dataset with Full Digital Twin IntegrationDrivIng 提供约18km城市/郊区/高速连续路线的多模态驾驶数据（6相机+LiDAR+高精度定位）与完整数字孪生，实现真实交通到仿真的1对1转移及可复现感知基准。 · 文献 · 中文笔记 · 2026-07-19

DriveE2E: Closed-Loop Benchmark for End-to-End Autonomous Driving through Real-to-SimulationDriveE2E通过基础设施离线协同与Real2Sim，将15个真实交叉口数字孪生与800个动态交通场景导入CARLA，构建更真实的闭环端到端自动驾驶评估基准。 · 文献 · 中文笔记 · 2026-07-19

Exploring Diversity-based Active Learning for 3D Object Detection in Autonomous Driving通过空间、时间与特征多样性的k-Center主动学习，在真实标注成本约束下高效选择nuScenes帧与物体，显著优于现有AL策略。 · 文献 · 中文笔记 · 2026-07-19

Large Scale Interactive Motion Forecasting for Autonomous Driving : The Waymo Open Motion Dataset引入迄今最多样化的交互式运动数据集Waymo Open Motion Dataset（>10万场景、574小时、1750km道路），带特定交互对象标注、高质量自动3D标注和面向联合预测的新指标与基线。 · 文献 · 中文笔记 · 2026-07-19

Multimodal two-wheeler driving dataset for autonomous driving applicationsMetadata-only：Multimodal two-wheeler driving dataset for autonomous driving applications · 文献 · 中文笔记 · 2026-07-19

A survey on large language model based autonomous agents对基于大语言模型的自主智能体从构建（统一框架）、应用与评估进行全面综述，并提出挑战与未来方向。 · 文献 · 中文笔记 · 2026-07-19

Augmenting large language models with chemistry toolsChemCrow通过整合18个化学工具，使LLM以ReAct方式自主完成合成规划/执行与新分子发现，显著优于纯GPT-4并暴露其评估缺陷。 · 文献 · 中文笔记 · 2026-07-19

Automatic Robot Task Planning by Integrating Large Language Model with Genetic ProgrammingMetadata-only：Automatic Robot Task Planning by Integrating Large Language Model with Genetic Programming · 文献 · 中文笔记 · 2026-07-19

BadRobot: Jailbreaking Embodied LLM Agents in the Physical WorldBAD ROBOT通过利用LLM操纵、语言-动作错位与世界知识缺陷，实现首个对真实机器人的语音越狱，迫使其执行有害物理动作。 · 文献 · 中文笔记 · 2026-07-19

Embodied Agent Interface: Benchmarking LLMs for Embodied Decision MakingMetadata-only：Embodied Agent Interface: Benchmarking LLMs for Embodied Decision Making · 文献 · 中文笔记 · 2026-07-19

Four-Axis Decision Alignment for Long-Horizon Enterprise AI Agents长时程企业决策智能体的正确行为应分解为 FRP、RCS、CRR、CAR 四个正交、可独立测量与失效的对齐轴，而非单一任务成功标量。 · 文献 · 中文笔记 · 2026-07-19

Joint Knowledge Graph Reasoning and Large Language Models for Hierarchical Task PlanningMetadata-only：Joint Knowledge Graph Reasoning and Large Language Models for Hierarchical Task Planning · 文献 · 中文笔记 · 2026-07-19

LLM-Enhanced Rapid-Reflex Async-Reflect Embodied Agent for Real-Time Decision-Making in Dynamically Changing Environments通过TCM将推理延迟映射为仿真帧，并设计快速反射与异步LLM反思并行的RRARA，在动态危险环境中实现低延迟高质量决策，显著优于纯LLM或纯规则基线。 · 文献 · 中文笔记 · 2026-07-19

RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic ControlRT-2 通过将机器人动作 token 化并与网络规模 VQA 等任务共同微调 VLM，直接输出低层控制动作，从而把网页知识迁移到机器人闭环控制并获得涌现能力。 · 文献 · 精读 · 2026-07-20

Deployment-Oriented Joint Optimization of YOLO11 Model Scale and Inference Resolution for Photovoltaic Defect DetectionMetadata-only：Deployment-Oriented Joint Optimization of YOLO11 Model Scale and Inference Resolution for Photovoltaic Defect Detection · 文献 · 中文笔记 · 2026-07-19

EGA-Depth: Efficient Guided Attention for Self-Supervised Multi-Camera Depth EstimationEGA-Depth用当前视角作Query、仅相邻有重叠视角堆叠作Key/Value的引导注意力（结合线性投影），高效实现自监督多摄像头深度估计并提升精度。 · 文献 · 中文笔记 · 2026-07-19

Edge Computing for Low-Latency Video StreamingMetadata-only：Edge Computing for Low-Latency Video Streaming · 文献 · 中文笔记 · 2026-07-19

Edge-Enabled Collaborative Object Detection for Real-Time Multi-Vehicle PerceptionMetadata-only：Edge-Enabled Collaborative Object Detection for Real-Time Multi-Vehicle Perception · 文献 · 中文笔记 · 2026-07-19

Efficient DETR: Improving End-to-End Object Detector with Dense PriorEfficient DETR用dense prior初始化object containers，以3-encoder+1-decoder结构在COCO上达到有竞争力的性能，并弥合1-decoder与6-decoder差距。 · 文献 · 中文笔记 · 2026-07-19

Efficient Large-Scale Language Model Training on GPU Clusters Using Megatron-LM通过PTD-P并行组合与新型交错1F1B流水线调度，可在3072 GPU上以约52%峰值吞吐训练万亿参数模型。 · 文献 · 中文笔记 · 2026-07-19

LLaVA-Mini: Efficient Image and Video Large Multimodal Models with One Vision TokenLLaVA-Mini通过模态预融合将输入LLM的视觉token压缩至1个，在图像与视频理解上高效且性能媲美或超越LLaVA-v1.5。 · 文献 · 中文笔记 · 2026-07-19

A review of large language models and autonomous agents in chemistry本文综述LLMs与自主代理在化学（及更广科学域）中的历史、能力、设计与应用，突出其对分子设计、属性预测、合成优化和实验自动化的加速作用，并讨论挑战与机遇。 · 文献 · 中文笔记 · 2026-07-19

DiffusionDrive: Truncated Diffusion Model for End-to-End Autonomous Driving提出截断扩散策略（锚定高斯+截断日程）与级联扩散解码器，使DiffusionDrive仅需2步去噪即可生成多样高质量驾驶轨迹，在NAVSIM达88.1 PDMS并以45 FPS实时运行。 · 文献 · 中文笔记 · 2026-07-19

DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous DrivingDiffusionDriveV2用强化学习约束截断扩散的GMM多模态轨迹生成，兼顾多样性与高质量，在NAVSIM v1/v2上以ResNet-34达到91.2 PDMS / 85.5 EPDMS新纪录。 · 文献 · 中文笔记 · 2026-07-19

Hierarchical Diffusion Policy: Manipulation Trajectory Generation via Contact GuidanceMetadata-only：Hierarchical Diffusion Policy: Manipulation Trajectory Generation via Contact Guidance · 文献 · 中文笔记 · 2026-07-19

MotionDiffuser: Controllable Multi-Agent Motion Prediction Using DiffusionMotionDiffuser用条件扩散模型表示多智能体联合未来轨迹分布，结合PCA压缩与可微约束引导采样，实现可控多模态预测并在Waymo上达SOTA。 · 文献 · 中文笔记 · 2026-07-19

Multi-task Learning with Attention for End-to-end Autonomous Driving提出多任务注意力感知网络，在CIL框架中联合学习场景表示与控制，提升CARLA基准成功率和交通灯反应能力。 · 文献 · 中文笔记 · 2026-07-19

One-Step Diffusion Policy: Fast Visuomotor Policies via Diffusion DistillationMetadata-only：One-Step Diffusion Policy: Fast Visuomotor Policies via Diffusion Distillation · 文献 · 中文笔记 · 2026-07-19

Reactive Diffusion Policy: Slow-Fast Visual-Tactile Policy Learning for Contact-Rich ManipulationMetadata-only：Reactive Diffusion Policy: Slow-Fast Visual-Tactile Policy Learning for Contact-Rich Manipulation · 文献 · 中文笔记 · 2026-07-19

A survey on large language model based autonomous agents对基于大语言模型的自主智能体从构建（统一框架）、应用与评估进行全面综述，并提出挑战与未来方向。 · 文献 · 中文笔记 · 2026-07-19

Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI全面综述具身AI，强调基于MLMs与WMs对齐网络与物理空间，系统分类机器人、模拟器及感知-交互-智能体-sim-to-real四大任务，并提出ARIO统一数据集标准。 · 文献 · 中文笔记 · 2026-07-19

Artificial Intelligence (AI) Algorithm and Models for Embodied Agents (Robots and Drones)Metadata-only：Artificial Intelligence (AI) Algorithm and Models for Embodied Agents (Robots and Drones) · 文献 · 中文笔记 · 2026-07-19

BadRobot: Jailbreaking Embodied LLM Agents in the Physical WorldBAD ROBOT通过利用LLM操纵、语言-动作错位与世界知识缺陷，实现首个对真实机器人的语音越狱，迫使其执行有害物理动作。 · 文献 · 中文笔记 · 2026-07-19

Constrained Human-AI Cooperation: An Inclusive Embodied Social Intelligence ChallengeCHAIC 挑战要求具身智能体通过自我中心观察推断受限人类伙伴的意图与物理约束，并协作高效完成室内外家务/户外任务。 · 文献 · 中文笔记 · 2026-07-19

EmbodiedGovBench: A Benchmark for Governance, Recovery, and Upgrade Safety in Embodied Agent SystemsEmbodiedGovBench 用七维治理压力测试回答：机器人在执行、失败与演进中是否仍可控、可恢复、可审计、可演进安全，而非仅「能不能完成任务」。 · 文献 · 中文笔记 · 2026-07-19

Habitat: A Platform for Embodied AI ResearchHabitat通过超高性能3D模拟器与模块化API，支持逼真室内环境中具身代理的高效训练与评估，并发现点目标导航中学习方法在更大规模经验下优于SLAM、仅深度传感器实现跨数据集泛化。 · 文献 · 中文笔记 · 2026-07-19

Hy-Embodied-VLM-1.0: Efficient Physical-World AgentsHy-Embodied-VLM-1.0 以三级动作中心能力 taxonomy 指导数据与训练，基于 Hy3-A3B + Hy-ViT2 的高效 MoE 架构，在仅激活 3B 参数下于 38 个具身基准上取得同类最优或接近更大模型的表现。 · 文献 · 中文笔记 · 2026-07-19

A Survey of Robotic Navigation and Manipulation with Physics Simulators in the Era of Embodied AIMetadata-only：A Survey of Robotic Navigation and Manipulation with Physics Simulators in the Era of Embodied AI · 文献 · 中文笔记 · 2026-07-19

ABot-M0.5: Unified Mobility-and-Manipulation World Action ModelABot-M0.5通过时间粒度对齐（中间潜在动作）、动作空间解耦（双层MoT）和训练-推理对齐（Dream Forcing），构建统一的移动-操作世界动作模型，在长时程与细粒度任务上达到SOTA。 · 文献 · 中文笔记 · 2026-07-19

EMO-MAN: Embodied Manipulation-Oriented Mapping and NavigationMetadata-only：EMO-MAN: Embodied Manipulation-Oriented Mapping and Navigation · 文献 · 中文笔记 · 2026-07-19

Embodied Arena: A Comprehensive, Unified, and Evolving Evaluation Platform for Embodied AIEmbodied Arena 是首个覆盖系统能力分类法、统一评测与可扩展数据生成的综合性具身智能评测平台与排行榜。 · 文献 · 中文笔记 · 2026-07-19

Embodied-R1.5: Evolving Physical Intelligence via Embodied Foundation Models--- page 1 --- Embodied-R1.5: Evolving Physical Intelligence via Embodied Foundation Models Yifu Yuanv,# 1 , Yaoting Huang1 , Xianze Yao1 , Yutong Li1 , Shuohe… · 文献 · 中文笔记 · 2026-07-19

Embodied-R1: Reinforced Embodied Reasoning for General Robotic ManipulationMetadata-only：Embodied-R1: Reinforced Embodied Reasoning for General Robotic Manipulation · 文献 · 中文笔记 · 2026-07-19

Learned Visual Navigation for Under-Canopy Agricultural RobotsCropFollow通过单目RGB图像的CNN直接估计行相对航向与距离比，结合EKF与MPC实现冠层下稳健自主行间导航，田间平均每干预可行驶485米，优于LiDAR系统。 · 文献 · 中文笔记 · 2026-07-19

Object Goal Navigation using Goal-Oriented Semantic Exploration通过构建包含障碍、探索与多类别物体通道的语义地图，结合目标导向策略选择长期目标并使用解析局部规划，实现高效物体目标导航。 · 文献 · 中文笔记 · 2026-07-19

BLURR: A Boosted Low-Resource Inference for Vision-Language-Action ModelsBLURR是即插即用的VLA推理包装器，通过指令前缀KV缓存、BF16+编译+FlashAttention与单步rollout，在保持π0性能的同时大幅加速与省显存。 · 文献 · 中文笔记 · 2026-07-19

Fine-Tuning Vision-Language-Action Models: Optimizing Speed and SuccessMetadata-only：Fine-Tuning Vision-Language-Action Models: Optimizing Speed and Success · 文献 · 中文笔记 · 2026-07-19

HumanScale: Egocentric Human Video Can Outperform Real-Robot Data for Embodied Pretraining在固定后训练与评测协议下，匹配规模的 egocentric 人类视频预训练比真机遥操作数据带来更低动作预测验证损失与更高（尤其 OOD）真机任务成功率。 · 文献 · 中文笔记 · 2026-07-19

MiMo-Embodied: X-Embodied Foundation Model Technical ReportMiMo-Embodied是首个开源并在自动驾驶与具身智能双领域均达SOTA的跨具身基础模型，证明两域可通过多阶段学习相互强化。 · 文献 · 中文笔记 · 2026-07-19

RT-2: Vision-Language-Action Models for Generalizable Robotic Control: A Comprehensive ReviewMetadata-only：RT-2: Vision-Language-Action Models for Generalizable Robotic Control: A Comprehensive Review · 文献 · 中文笔记 · 2026-07-19

Vision-Language Model for Object Detection and Segmentation: A Review and EvaluationMetadata-only：Vision-Language Model for Object Detection and Segmentation: A Review and Evaluation · 文献 · 中文笔记 · 2026-07-19

Foundation models in robotics: Applications, challenges, and the future[自动卡] Metadata-only card for Foundation models in robotics: Applications, challenges, and the future. · 文献 · 自动卡 · 2026-07-19

VAD: Vectorized Scene Representation for Efficient Autonomous DrivingVAD 将驾驶场景建模为全向量化表示（智能体运动向量与地图向量），通过查询交互与实例级规划约束实现高效、安全的端到端轨迹规划。 · 文献 · 精读 · 2026-07-20

A Survey of Autonomous Driving: Common Practices and Emerging Technologies本文系统综述自动驾驶常见实践与新兴技术，对比模块化与端到端等架构，指出level 4/5与城市场景鲁棒性仍为开放问题。 · 文献 · 中文笔记 · 2026-07-19

DriveAdapter: Breaking the Coupling Barrier of Perception and Planning in End-to-End Autonomous DrivingDriveAdapter通过可学习Adapter与动作引导掩码特征对齐，打破端到端自动驾驶感知-规划耦合障碍，直接利用冻结教师模型规划。 · 文献 · 中文笔记 · 2026-07-19

Efficient DETR: Improving End-to-End Object Detector with Dense PriorEfficient DETR用dense prior初始化object containers，以3-encoder+1-decoder结构在COCO上达到有竞争力的性能，并弥合1-decoder与6-decoder差距。 · 文献 · 中文笔记 · 2026-07-19

End-to-End Object Detection with Adaptive Clustering TransformerACT通过E2LSH自适应聚类queries并用原型-key交互近似注意力，将复杂度从O(N²)降至O(NK)，可作为DETR编码器无训练替换模块，MTKD使AP损失从0.7%进一步降至0.2%。 · 文献 · 中文笔记 · 2026-07-19

End-to-end Learning Approach for Autonomous Driving: A Convolutional Neural Network ModelMetadata-only：End-to-end Learning Approach for Autonomous Driving: A Convolutional Neural Network Model · 文献 · 中文笔记 · 2026-07-19

Explainable and Safe Learning-Based Autonomous Driving: A Survey from Modular to End-to-End PlanningMetadata-only：Explainable and Safe Learning-Based Autonomous Driving: A Survey from Modular to End-to-End Planning · 文献 · 中文笔记 · 2026-07-19

Multi-task Learning with Attention for End-to-end Autonomous Driving提出多任务注意力感知网络，在CIL框架中联合学习场景表示与控制，提升CARLA基准成功率和交通灯反应能力。 · 文献 · 中文笔记 · 2026-07-19

Deformable DETR: Deformable Transformers for End-to-End Object DetectionDeformable DETR用只关注参考点周围少量采样点的可变形（多尺度）注意力替换标准Transformer注意力，使DETR在COCO上以约10倍更少训练epochs取得更好性能（尤其小目标）。 · 文献 · 精读 · 2026-07-20

End-to-End Object Detection with TransformersDETR通过Transformer编码器-解码器与二分图匹配集合损失，将目标检测变为直接并行输出固定大小物体集合的端到端问题，在COCO上达到与优化后Faster R-CNN相当的性能。 · 文献 · 精读 · 2026-07-20

An Empirical Study Of Self-supervised Learning Approaches For Object Detection With TransformersMetadata-only：An Empirical Study Of Self-supervised Learning Approaches For Object Detection With Transformers · 文献 · 中文笔记 · 2026-07-19

DETRs Beat YOLOs on Real-time Object DetectionRT-DETR通过解耦多尺度特征处理与不确定性最小查询选择，首次实现实时端到端检测，在COCO上以更高AP与FPS全面超越YOLO，并支持无重训灵活调速。 · 文献 · 中文笔记 · 2026-07-19

DEYO: DETR with YOLO for End-to-End Object DetectionMetadata-only：DEYO: DETR with YOLO for End-to-End Object Detection · 文献 · 中文笔记 · 2026-07-19

Lite DETR : An Interleaved Multi-Scale Encoder for Efficient DETRLite DETR通过交错多尺度编码器（高低层特征不同频率更新）+键感知可变形注意力，将检测头GFLOPs降低约60%并保持99%性能。 · 文献 · 中文笔记 · 2026-07-19

MDS-DETR: DETR with Masked Duplicate SuppressorMetadata-only：MDS-DETR: DETR with Masked Duplicate Suppressor · 文献 · 中文笔记 · 2026-07-19

OW-DETR: Open-world Detection TransformerOW-DETR基于Deformable DETR，通过注意力伪标签+新颖性分类+物体性分支，在无未知监督下实现更好的开放世界检测与增量学习。 · 文献 · 中文笔记 · 2026-07-19

Exploring the Limitations of Behavior Cloning for Autonomous DrivingMetadata-only：Exploring the Limitations of Behavior Cloning for Autonomous Driving · 文献 · 精读 · 2026-07-20

Is Behavior Cloning All You Need? Understanding Horizon in Imitation LearningMetadata-only：Is Behavior Cloning All You Need? Understanding Horizon in Imitation Learning · 文献 · 精读 · 2026-07-20

DecompGAIL: Learning Realistic Traffic Behaviors with Decomposed Multi-Agent Generative Adversarial Imitation LearningMetadata-only：DecompGAIL: Learning Realistic Traffic Behaviors with Decomposed Multi-Agent Generative Adversarial Imitation Learning · 文献 · 中文笔记 · 2026-07-19

Multi-task Learning with Attention for End-to-end Autonomous Driving提出多任务注意力感知网络，在CIL框架中联合学习场景表示与控制，提升CARLA基准成功率和交通灯反应能力。 · 文献 · 中文笔记 · 2026-07-19

PInVerify: An Offline Embodied Benchmark for Active Instance Verification提出 AIV 任务与 PInVerify 离线基准（3000 评估 episode、18 类、6 扇区拓扑），用 MLLM 与嵌入基线评估主动选视角做细粒度语言-实例验证。 · 文献 · 中文笔记 · 2026-07-19

Pseudo-Expert Regularized Offline RL for End-to-End Autonomous Driving in Photorealistic Closed-Loop Environments用从专家日志构建的伪专家轨迹做行为正则化，在固定仿真数据集上训练离散动作Actor-Critic E2E策略，相对IL显著提升安全性与路线完成。 · 文献 · 中文笔记 · 2026-07-19

VIPeR: Provably Efficient Algorithm for Offline RL with Neural Function ApproximationVIPeR通过对离线奖励多次i.i.d.高斯扰动并用集成最小值实现悲观价值迭代，在过参数化神经网络下给出Õ(κH^{5/2} d̃/√K)次优界，动作选择仅需O(1)复杂度。 · 文献 · 中文笔记 · 2026-07-19

A Survey on Offline Reinforcement Learning: Taxonomy, Review, and Open Problems[自动卡] Metadata-only card for A Survey on Offline Reinforcement Learning: Taxonomy, Review, and Open Problems. · 文献 · 自动卡 · 2026-07-19

A Survey of Large Language Models本文系统综述了大语言模型的背景、关键发现与主流技术（聚焦预训练、适应调优、利用与能力评估），并总结开发资源与未来方向。 · 文献 · 中文笔记 · 2026-07-19

A review of large language models and autonomous agents in chemistry本文综述LLMs与自主代理在化学（及更广科学域）中的历史、能力、设计与应用，突出其对分子设计、属性预测、合成优化和实验自动化的加速作用，并讨论挑战与机遇。 · 文献 · 中文笔记 · 2026-07-19

A survey on integration of large language models with intelligent robots通过按机器人核心要素分类LLM应用并配套提示工程实践指南，为智能机器人LLM集成提供可操作的路线图。 · 文献 · 中文笔记 · 2026-07-19

A survey on large language model based autonomous agents对基于大语言模型的自主智能体从构建（统一框架）、应用与评估进行全面综述，并提出挑战与未来方向。 · 文献 · 中文笔记 · 2026-07-19

Augmenting large language models with chemistry toolsChemCrow通过整合18个化学工具，使LLM以ReAct方式自主完成合成规划/执行与新分子发现，显著优于纯GPT-4并暴露其评估缺陷。 · 文献 · 中文笔记 · 2026-07-19

BadRobot: Jailbreaking Embodied LLM Agents in the Physical WorldBAD ROBOT通过利用LLM操纵、语言-动作错位与世界知识缺陷，实现首个对真实机器人的语音越狱，迫使其执行有害物理动作。 · 文献 · 中文笔记 · 2026-07-19

HBTP: Heuristic Behavior Tree Planning with Large Language Model ReasoningMetadata-only：HBTP: Heuristic Behavior Tree Planning with Large Language Model Reasoning · 文献 · 中文笔记 · 2026-07-19

Large language models empowered agent-based modeling and simulation: a survey and perspectivesLLM智能体凭借感知、推理决策、自适应与异质性，克服传统ABMS局限，成为更接近人类智能的仿真新范式。 · 文献 · 中文笔记 · 2026-07-19

Motion planning with sequential convex optimization and convex collision checking如何把带碰撞与动力学约束的运动规划写成**序列凸优化（SCP）**可迭代求解的形式。 · 文献 · 精读 · 2026-07-20

Trajectory optimization of connected and autonomous vehicles at a multilane freeway merging areaMetadata-only：Trajectory optimization of connected and autonomous vehicles at a multilane freeway merging area · 文献 · 精读 · 2026-07-20

A real-time motion planner with trajectory optimization for autonomous vehiclesMetadata-only：A real-time motion planner with trajectory optimization for autonomous vehicles · 文献 · 中文笔记 · 2026-07-19

An Overview of Recent Advances in Coordinated Control of Multiple Autonomous Surface VehiclesMetadata-only：An Overview of Recent Advances in Coordinated Control of Multiple Autonomous Surface Vehicles · 文献 · 中文笔记 · 2026-07-19

DriveGPT4: Interpretable End-to-End Autonomous Driving Via Large Language Model[自动卡] Metadata-only card for DriveGPT4: Interpretable End-to-End Autonomous Driving Via Large Language Model. · 文献 · 自动卡 · 2026-07-19

Event-Triggered Model Predictive Control With Deep Reinforcement Learning for Autonomous Driving[自动卡] Metadata-only card for Event-Triggered Model Predictive Control With Deep Reinforcement Learning for Autonomous Driving. · 文献 · 自动卡 · 2026-07-19

Finding Locally Optimal, Collision-Free Trajectories with Sequential Convex Optimization[自动卡] Metadata-only card for Finding Locally Optimal, Collision-Free Trajectories with Sequential Convex Optimization. · 文献 · 自动卡 · 2026-07-19

Impacts of Model Fidelity on Trajectory Optimization for Autonomous Vehicles in Extreme Maneuvers[自动卡] Metadata-only card for Impacts of Model Fidelity on Trajectory Optimization for Autonomous Vehicles in Extreme Maneuvers. · 文献 · 自动卡 · 2026-07-19

Advancing Object-Goal Navigation through LLM-enhanced Object Affinities TransferMetadata-only：Advancing Object-Goal Navigation through LLM-enhanced Object Affinities Transfer · 文献 · 中文笔记 · 2026-07-19

Embodied AI with Foundation Models for Mobile Service Robots: A Systematic Review基础模型通过语言条件控制、多模态融合、不确定性感知推理与高效缩放，有望显著提升移动服务机器人在动态人居环境中的灵活理解、自适应行为与鲁棒任务执行能力。 · 文献 · 中文笔记 · 2026-07-19

Habitat-GS: A High-Fidelity Navigation Simulator with Dynamic Gaussian SplattingMetadata-only：Habitat-GS: A High-Fidelity Navigation Simulator with Dynamic Gaussian Splatting · 文献 · 中文笔记 · 2026-07-19

Habitat: A Platform for Embodied AI ResearchHabitat通过超高性能3D模拟器与模块化API，支持逼真室内环境中具身代理的高效训练与评估，并发现点目标导航中学习方法在更大规模经验下优于SLAM、仅深度传感器实现跨数据集泛化。 · 文献 · 中文笔记 · 2026-07-19

Learned Visual Navigation for Under-Canopy Agricultural RobotsCropFollow通过单目RGB图像的CNN直接估计行相对航向与距离比，结合EKF与MPC实现冠层下稳健自主行间导航，田间平均每干预可行驶485米，优于LiDAR系统。 · 文献 · 中文笔记 · 2026-07-19

Object Goal Navigation using Goal-Oriented Semantic Exploration通过构建包含障碍、探索与多类别物体通道的语义地图，结合目标导向策略选择长期目标并使用解析局部规划，实现高效物体目标导航。 · 文献 · 中文笔记 · 2026-07-19

Reasoning Systems for Semantic Navigation in Mobile RobotsMetadata-only：Reasoning Systems for Semantic Navigation in Mobile Robots · 文献 · 中文笔记 · 2026-07-19

SSR: Navigation-guided Sparse Scene Representation for End-to-End Autonomous DrivingSSR用导航引导的16个稀疏token与时序自监督替代所有感知监督，实现高效高精度端到端自动驾驶。 · 文献 · 中文笔记 · 2026-07-19

Hybrid Data- and Physical Model-driven Safe and Intelligent Motion Planning and Control for Autonomous VehiclesMetadata-only：Hybrid Data- and Physical Model-driven Safe and Intelligent Motion · 文献 · 中文笔记 · 2026-07-19

PLUTO: Pushing the Limit of Imitation Learning-based Planning for Autonomous DrivingPLUTO通过横向-纵向感知查询架构、可微插值辅助损失与对比模仿学习（CIL）框架，将基于模仿学习的自动驾驶规划推向极限，在nuPlan上取得SOTA闭环性能并首次超越顶级规则规划器。 · 文献 · 中文笔记 · 2026-07-19

Real-time Gaussian Process based Approximate Model Predictive Trajectory Tracking Control for Autonomous VehiclesMetadata-only：Real-time Gaussian Process based Approximate Model Predictive Trajectory Tracking Control for Autonomous Vehicles · 文献 · 中文笔记 · 2026-07-19

Trajectory Tracking Control for Autonomous Driving Adaptive Cruise Control by Fusion of Model Predictive Control and Deep Reinforcement LearningMetadata-only：Trajectory Tracking Control for Autonomous Driving Adaptive Cruise Control by Fusion of Model Predictive Control and Deep Reinforcement Learning · 文献 · 中文笔记 · 2026-07-19

A Motion Planning and Tracking Framework for Autonomous Vehicles Based on Artificial Potential Field Elaborated Resistance Network Approach[自动卡] Metadata-only card for A Motion Planning and Tracking Framework for Autonomous Vehicles Based on Artificial Potential Field Elaborated Resistance Network Appro… · 文献 · 自动卡 · 2026-07-19

A Review of Motion Planning Techniques for Automated Vehicles[自动卡] Metadata-only card for A Review of Motion Planning Techniques for Automated Vehicles. · 文献 · 自动卡 · 2026-07-19

A Survey of Deep Reinforcement Learning Algorithms for Motion Planning and Control of Autonomous Vehicles[自动卡] Metadata-only card for A Survey of Deep Reinforcement Learning Algorithms for Motion Planning and Control of Autonomous Vehicles. · 文献 · 自动卡 · 2026-07-19

A direct yaw moment control frame through model predictive control considering vehicle trajectory tracking performance and handling stability for autonomous driving[自动卡] Metadata-only card for A direct yaw moment control frame through model predictive control considering vehicle trajectory tracking performance and handling stab… · 文献 · 自动卡 · 2026-07-19

From Goals, Waypoints & Paths To Long Term Human Trajectory Forecasting通过显式因子化目标（认知不确定性）与航点/路径（偶然不确定性）并采用热图表示的Y-net，实现场景合规的长时多模态人类轨迹预测并刷新短时与长时SOTA。 · 文献 · 中文笔记 · 2026-07-19

Hierarchical Light Transformer Ensembles for Multimodal Trajectory ForecastingMetadata-only：Hierarchical Light Transformer Ensembles for Multimodal Trajectory Forecasting · 文献 · 中文笔记 · 2026-07-19

MTR++: Multi-Agent Motion Prediction With Symmetric Scene Modeling and Guided Intention QueryingMTR++以对称场景建模与互导意图查询扩展MTR，实现多智能体高效、场景一致的多模态运动预测。 · 文献 · 中文笔记 · 2026-07-19

MTR: Motion Transformer with Global Intention Localization and Local Movement RefinementMTR采用静态意图查询与动态搜索查询构成的运动查询对，联合优化全局意图定位和局部轨迹精炼，实现高效准确的多模态运动预测。 · 文献 · 中文笔记 · 2026-07-19

MotionDiffuser: Controllable Multi-Agent Motion Prediction Using DiffusionMotionDiffuser用条件扩散模型表示多智能体联合未来轨迹分布，结合PCA压缩与可微约束引导采样，实现可控多模态预测并在Waymo上达SOTA。 · 文献 · 中文笔记 · 2026-07-19

Multimodal Motion Prediction with Stacked TransformersmmTransformer用堆叠Transformer以固定独立proposal为query层次化聚合多源上下文，结合区域训练策略实现多模态运动预测。 · 文献 · 中文笔记 · 2026-07-19

Out-of-Sight Embodied Agents: Multimodal Tracking, Sensor Fusion, and Trajectory ForecastingMetadata-only：Out-of-Sight Embodied Agents: Multimodal Tracking, Sensor Fusion, and Trajectory Forecasting · 文献 · 中文笔记 · 2026-07-19

Weakly and Self-Supervised Class-Agnostic Motion Prediction for Autonomous DrivingMetadata-only：Weakly and Self-Supervised Class-Agnostic Motion Prediction for Autonomous Driving · 文献 · 中文笔记 · 2026-07-19

A Survey on Occupancy Perception for Autonomous Driving: The Information Fusion PerspectiveMetadata-only：A Survey on Occupancy Perception for Autonomous Driving: The Information Fusion Perspective · 文献 · 中文笔记 · 2026-07-19

Attention-Based LiDAR–Camera Fusion for 3D Object Detection in Autonomous DrivingMetadata-only：Attention-Based LiDAR–Camera Fusion for 3D Object Detection in Autonomous Driving · 文献 · 中文笔记 · 2026-07-19

BEVMOSNet: Multimodal Fusion for BEV Moving Object SegmentationBEVMOSNet通过相机-LiDAR-雷达在BEV空间的MDCA融合与时序相关，实现精确运动物体分割，相对视觉基线大幅提升IoU并成为该任务首个多模态SOTA。 · 文献 · 中文笔记 · 2026-07-19

DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D QueriesDETR3D用稀疏3D物体查询经相机矩阵投影到多视角2D特征，实现无深度估计、无NMS的set-to-set 3D检测。 · 文献 · 中文笔记 · 2026-07-19

Delving into the Devils of Bird's-eye-view Perception: A Review, Evaluation and Recipe对鸟瞰图（BEV）感知进行综述分析，并给出从理论到实践的提升配方与未来方向。 · 文献 · 中文笔记 · 2026-07-19

IS-Fusion: Instance-Scene Collaborative Fusion for Multimodal 3D Object DetectionIS-Fusion通过HSF层次化场景融合与IGF实例引导融合，实现实例与场景特征的协同增强，生成更具实例感知的BEV表示，从而显著提升多模态3D目标检测性能。 · 文献 · 中文笔记 · 2026-07-19

MVFusion: Multi-View 3D Object Detection with Semantic-aligned Radar and Camera FusionMVFusion通过SARE实现图像引导的语义对齐雷达特征，并用RGFT交叉注意力从全局增强雷达-相机融合，在nuScenes上达51.7% NDS与45.3% mAP。 · 文献 · 中文笔记 · 2026-07-19

Multimodal Fusion and Vision-Language Models: A Survey for Robot Vision从任务导向视角系统综述多模态融合方法与视觉语言模型在机器人视觉中的应用、架构演进、数据集与挑战，并揭示其互补集成潜力。 · 文献 · 中文笔记 · 2026-07-19

PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous DrivingPPAD以自回归方式在每个时间步交错预测（agent）与规划（ego），通过ego-to-agent/map/BEV层次化交互生成更准确的规划轨迹。 · 文献 · 精读 · 2026-07-20

VAD: Vectorized Scene Representation for Efficient Autonomous DrivingVAD 将驾驶场景建模为全向量化表示（智能体运动向量与地图向量），通过查询交互与实例级规划约束实现高效、安全的端到端轨迹规划。 · 文献 · 精读 · 2026-07-20

An Integrated Prediction-Planning-Control Framework for Autonomous Vehicles via Inverse Dynamic Game and Multi-Objective MPCMetadata-only：An Integrated Prediction-Planning-Control Framework for Autonomous Vehicles via Inverse Dynamic Game and Multi-Objective MPC · 文献 · 中文笔记 · 2026-07-19

Behavior and Interaction-aware Motion Planning for Autonomous Driving Vehicles based on Hierarchical Intention and Motion PredictionMetadata-only：Behavior and Interaction-aware Motion Planning for Autonomous Driving Vehicles based on Hierarchical Intention and Motion Prediction · 文献 · 中文笔记 · 2026-07-19

DTPP: Differentiable Joint Conditional Prediction and Cost Evaluation for Tree Policy PlanningDTPP通过查询中心Transformer高效生成ego-conditioned场景树，并与可学习上下文感知代价联合可微训练，提升树状策略规划质量与效率。 · 文献 · 中文笔记 · 2026-07-19

Integrated Obstacle Detection and Avoidance in Motion Planning and Predictive Control of Autonomous VehiclesMetadata-only：Integrated Obstacle Detection and Avoidance in Motion Planning and Predictive Control of Autonomous Vehicles · 文献 · 中文笔记 · 2026-07-19

Large Scale Interactive Motion Forecasting for Autonomous Driving : The Waymo Open Motion Dataset引入迄今最多样化的交互式运动数据集Waymo Open Motion Dataset（>10万场景、574小时、1750km道路），带特定交互对象标注、高质量自动3D标注和面向联合预测的新指标与基线。 · 文献 · 中文笔记 · 2026-07-19

MotionNet: Joint Perception and Motion Prediction for Autonomous Driving Based on Bird's Eye View MapsMotionNet从LiDAR扫描序列的BEV地图出发，用时空金字塔网络联合做网格单元分类与运动预测，实现边界框无关的高效环境感知与预测。 · 文献 · 中文笔记 · 2026-07-19

DRL-Based Trajectory Tracking for Motion-Related Modules in Autonomous Driving用DRL（结合域随机化与后优化）实现更鲁棒、精确的轨迹跟踪，在高初始速度下显著优于启发式方法。 · 文献 · 精读 · 2026-07-20

Reinforced Imitative Trajectory Planning for Urban Automated DrivingRITP通过在actor-critic中集成动作采样器与模仿学习监督，实现多步轨迹规划，配合Transformer贝叶斯奖励与混合优化框架，在nuPlan闭环评估中优于同结构基线并接近SOTA。 · 文献 · 精读 · 2026-07-20

Causal-Paced Deep Reinforcement LearningMetadata-only：Causal-Paced Deep Reinforcement Learning · 文献 · 中文笔记 · 2026-07-19

Design and Assessment of Reinforcement Learning Algorithms for End-to-End Autonomous Driving LearningMetadata-only：Design and Assessment of Reinforcement Learning Algorithms for End-to-End Autonomous Driving Learning · 文献 · 中文笔记 · 2026-07-19

DriveE2E: Closed-Loop Benchmark for End-to-End Autonomous Driving through Real-to-SimulationDriveE2E通过基础设施离线协同与Real2Sim，将15个真实交叉口数字孪生与800个动态交通场景导入CARLA，构建更真实的闭环端到端自动驾驶评估基准。 · 文献 · 中文笔记 · 2026-07-19

On the Effectiveness of Offline RL for Dialogue Response GenerationMetadata-only：On the Effectiveness of Offline RL for Dialogue Response Generation · 文献 · 中文笔记 · 2026-07-19

Pseudo-Expert Regularized Offline RL for End-to-End Autonomous Driving in Photorealistic Closed-Loop Environments用从专家日志构建的伪专家轨迹做行为正则化，在固定仿真数据集上训练离散动作Actor-Critic E2E策略，相对IL显著提升安全性与路线完成。 · 文献 · 中文笔记 · 2026-07-19

RAD: Training an End-to-End Driving Policy via Large-Scale 3DGS and Reinforcement LearningRAD通过大规模3DGS构建逼真数字孪生环境进行闭环RL训练端到端驾驶策略，并以IL正则化实现人-车对齐，显著降低闭环碰撞率。 · 文献 · 中文笔记 · 2026-07-19

AdaWorld: Learning Adaptable World Models with Latent ActionsAdaWorld通过信息瓶颈自监督提取上下文不变的潜在动作，并以此条件预训练自回归世界模型，实现无需训练的动作迁移与高效适应。 · 文献 · 精读 · 2026-07-20

BEVFormer: Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal TransformersBEVFormer通过预定义网格BEV查询与时空注意力，从多相机图像与历史BEV中自适应聚合信息，生成支持多感知任务的统一BEV特征。 · 文献 · 精读 · 2026-07-20

3D Scene Generation: A Survey本文系统综述3D场景生成，将其组织为程序化、神经3D基、图像基与视频基四大范式，并覆盖表示、数据集、评估、应用、挑战与未来方向。 · 文献 · 中文笔记 · 2026-07-19

A generative model for inorganic materials designMatterGen是一种基于扩散过程的无机材料生成模型，可预训练生成稳定晶体并通过适配器微调以满足广泛物性约束，S.U.N.材料比例与能量接近度远超先前方法。 · 文献 · 中文笔记 · 2026-07-19

FreeGen: Feed-Forward Reconstruction-Generation Co-Training for Free-Viewpoint Driving Scene SynthesisMetadata-only：FreeGen: Feed-Forward Reconstruction-Generation Co-Training for Free-Viewpoint Driving Scene Synthesis · 文献 · 中文笔记 · 2026-07-19

Generative artificial intelligence: a systematic review and applications系统综述生成式AI的范式转变、关键架构变体、跨域应用（尤其语言生成与图像翻译）及负责任AI原则。 · 文献 · 中文笔记 · 2026-07-19

MUVO: A Multimodal Generative World Model for Autonomous Driving with Geometric RepresentationsMetadata-only：MUVO: A Multimodal Generative World Model for Autonomous Driving with Geometric Representations · 文献 · 中文笔记 · 2026-07-19

The Role of World Models in Shaping Autonomous Driving: A Comprehensive SurveyDriving World Models 通过预测驾驶场景演化，促进类别无关感知与自监督训练，是实现可靠自动驾驶的重要范式，本综述按模态与应用全面梳理其进展。 · 文献 · 中文笔记 · 2026-07-19

A Conversational Framework for Human-Robot Collaborative Manipulation with Distributed Generative AI modelsMetadata-only：A Conversational Framework for Human-Robot Collaborative Manipulation with Distributed Generative AI models · 文献 · 中文笔记 · 2026-07-19

ABot-M0.5: Unified Mobility-and-Manipulation World Action ModelABot-M0.5通过时间粒度对齐（中间潜在动作）、动作空间解耦（双层MoT）和训练-推理对齐（Dream Forcing），构建统一的移动-操作世界动作模型，在长时程与细粒度任务上达到SOTA。 · 文献 · 中文笔记 · 2026-07-19

BLURR: A Boosted Low-Resource Inference for Vision-Language-Action ModelsBLURR是即插即用的VLA推理包装器，通过指令前缀KV缓存、BF16+编译+FlashAttention与单步rollout，在保持π0性能的同时大幅加速与省显存。 · 文献 · 中文笔记 · 2026-07-19

Data-Driven Robotics: Vision–Language–Action Learning for Robust Manipulation and AutonomyMetadata-only：Data-Driven Robotics: Vision–Language–Action Learning for Robust Manipulation and Autonomy · 文献 · 中文笔记 · 2026-07-19

Dexterous Grasp TransformerDGTR用Transformer解码器+可学习抓取查询将灵巧抓取转为集合预测，一次前向输出多样可行姿态，并通过渐进匹配训练与对抗平衡测试时适应同时保证质量与多样性。 · 文献 · 中文笔记 · 2026-07-19

Grasp and Motion Planning for Dexterous Manipulation for the Real Robot ChallengeMetadata-only：Grasp and Motion Planning for Dexterous Manipulation for the Real Robot Challenge · 文献 · 中文笔记 · 2026-07-19

Large VLM-based Vision-Language-Action Models for Robotic Manipulation: A Survey本综述首次系统定义并分类大型VLM-based VLA模型为单体（单/双系统）与层次化两大范式，梳理其优势、高级整合、特征、数据集与开放挑战，以推动机器人操作的开世界泛化与智能。 · 文献 · 中文笔记 · 2026-07-19

MoManipVLA: Transferring Vision-language-action Models for General Mobile ManipulationMoManipVLA通过预训练VLA生成末端执行器路点，再以可达性、平滑性、碰撞代价的双层轨迹优化联合规划移动基座与机械臂，实现固定基座VLA到通用移动操作的高效迁移。 · 文献 · 中文笔记 · 2026-07-19

BEVFormer: Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal TransformersBEVFormer通过预定义网格BEV查询与时空注意力，从多相机图像与历史BEV中自适应聚合信息，生成支持多感知任务的统一BEV特征。 · 文献 · 精读 · 2026-07-20

FB-OCC: 3D Occupancy Prediction based on Forward-Backward View TransformationFB-OCC基于前向-后向视图变换，结合联合深度-语义预训练、体素-BEV联合表示、模型扩展与后处理，在nuScenes占用预测上取得54.19% mIoU并获挑战赛第一。 · 文献 · 精读 · 2026-07-20

VAD: Vectorized Scene Representation for Efficient Autonomous DrivingVAD 将驾驶场景建模为全向量化表示（智能体运动向量与地图向量），通过查询交互与实例级规划约束实现高效、安全的端到端轨迹规划。 · 文献 · 精读 · 2026-07-20

A New Literature Review of 3D Object Detection on Autonomous DrivingMetadata-only：A New Literature Review of 3D Object Detection on Autonomous Driving · 文献 · 中文笔记 · 2026-07-19

A Survey of Deep Learning-Based Object Detection本文系统综述深度学习目标检测方法，重点分析两阶段与一阶段检测器架构、典型基线、数据集及应用，并讨论高效系统构建与发展趋势。 · 文献 · 中文笔记 · 2026-07-19

A Systematic Survey of Transformer-Based 3D Object Detection for Autonomous Driving: Methods, Challenges and TrendsMetadata-only：A Systematic Survey of Transformer-Based 3D Object Detection for Autonomous Driving: Methods, Challenges and Trends · 文献 · 中文笔记 · 2026-07-19

BEVDet: High-performance Multi-camera 3D Object Detection in Bird-Eye-ViewBEVDet通过在BEV空间检测、视图解耦数据增强和Scale-NMS，实现了多相机3D目标检测的高精度与高效率权衡。 · 文献 · 中文笔记 · 2026-07-19

BEVerse: Unified Perception and Prediction in Birds-Eye-View for Vision-Centric Autonomous DrivingBEVerse 从多相机视频构建对齐后的 4D BEV 表征，用 grid sampler 与 iterative flow 实现高效联合 3D 检测、语义地图构建与运动预测，优于单任务方法且比串行范式更高效。 · 文献 · 中文笔记 · 2026-07-19

Motion planning with sequential convex optimization and convex collision checking如何把带碰撞与动力学约束的运动规划写成**序列凸优化（SCP）**可迭代求解的形式。 · 文献 · 精读 · 2026-07-20

A survey on large language model based autonomous agents对基于大语言模型的自主智能体从构建（统一框架）、应用与评估进行全面综述，并提出挑战与未来方向。 · 文献 · 中文笔记 · 2026-07-19

DTPP: Differentiable Joint Conditional Prediction and Cost Evaluation for Tree Policy PlanningDTPP通过查询中心Transformer高效生成ego-conditioned场景树，并与可学习上下文感知代价联合可微训练，提升树状策略规划质量与效率。 · 文献 · 中文笔记 · 2026-07-19

Driving Into the Future: Multiview Visual Forecasting and Planning with World Model for Autonomous DrivingDrive-WM通过视图因子分解的多视图时序扩散生成可控一致驾驶视频，并基于图像奖励从多未来中选最优轨迹以增强规划安全性。 · 文献 · 中文笔记 · 2026-07-19

Four-Axis Decision Alignment for Long-Horizon Enterprise AI Agents长时程企业决策智能体的正确行为应分解为 FRP、RCS、CRR、CAR 四个正交、可独立测量与失效的对齐轴，而非单一任务成功标量。 · 文献 · 中文笔记 · 2026-07-19

From language to action: a review of large language models as autonomous agents and tool usersMetadata-only：From language to action: a review of large language models as autonomous agents and tool users · 文献 · 中文笔记 · 2026-07-19

Learning Robust Penetration Testing Policies under Partial Observability: A systematic evaluation渗透测试任务极大受益于历史聚合；简单的观察增强可显著优于LSTM/TrXL等复杂架构，收敛速度最高可达其他方法的四倍。 · 文献 · 中文笔记 · 2026-07-19

MSI-Agent: Incorporating Multi-Scale Insight into Embodied Agents for Superior Planning and Decision-MakingMSI-Agent通过经验选择、多尺度洞察生成与任务相关洞察选择，有效总结并利用不同尺度洞察，提升具身智能体的规划与决策能力。 · 文献 · 中文笔记 · 2026-07-19

A Survey: Learning Embodied Intelligence from Physical Simulators and World Models本综述系统探讨物理仿真器（显式环境建模与训练）与世界模型（内部表征与预测规划）如何协同赋能具身智能，提出IR-L0至IR-L4分级，并强调二者在自主驾驶与机器人中的互补角色。 · 文献 · 中文笔记 · 2026-07-19

DrivIng: A Large-Scale Multimodal Driving Dataset with Full Digital Twin IntegrationDrivIng 提供约18km城市/郊区/高速连续路线的多模态驾驶数据（6相机+LiDAR+高精度定位）与完整数字孪生，实现真实交通到仿真的1对1转移及可复现感知基准。 · 文献 · 中文笔记 · 2026-07-19

DriveE2E: Closed-Loop Benchmark for End-to-End Autonomous Driving through Real-to-SimulationDriveE2E通过基础设施离线协同与Real2Sim，将15个真实交叉口数字孪生与800个动态交通场景导入CARLA，构建更真实的闭环端到端自动驾驶评估基准。 · 文献 · 中文笔记 · 2026-07-19

HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian SplattingMetadata-only：HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian Splatting · 文献 · 中文笔记 · 2026-07-19

Habitat: A Platform for Embodied AI ResearchHabitat通过超高性能3D模拟器与模块化API，支持逼真室内环境中具身代理的高效训练与评估，并发现点目标导航中学习方法在更大规模经验下优于SLAM、仅深度传感器实现跨数据集泛化。 · 文献 · 中文笔记 · 2026-07-19

Large language models empowered agent-based modeling and simulation: a survey and perspectivesLLM智能体凭借感知、推理决策、自适应与异质性，克服传统ABMS局限，成为更接近人类智能的仿真新范式。 · 文献 · 中文笔记 · 2026-07-19

MBA-SLAM: Motion Blur Aware Gaussian Splatting SLAMMetadata-only：MBA-SLAM: Motion Blur Aware Gaussian Splatting SLAM · 文献 · 中文笔记 · 2026-07-19

Neuroimaging and Physiological Data-driven Autonomous Vehicle Driving Simulation System in Extended RealityMetadata-only：Neuroimaging and Physiological Data-driven Autonomous Vehicle Driving Simulation System in Extended Reality · 文献 · 中文笔记 · 2026-07-19

BEVFormer: Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal TransformersBEVFormer通过预定义网格BEV查询与时空注意力，从多相机图像与历史BEV中自适应聚合信息，生成支持多感知任务的统一BEV特征。 · 文献 · 精读 · 2026-07-20

DeepFusion: Lidar-Camera Deep Fusion for Multi-Modal 3D Object DetectionDeepFusion在深度特征层融合激光雷达与相机，并用InverseAug与LearnableAlign解决增强导致的对齐难题，从而提升多模态3D目标检测精度与鲁棒性。 · 文献 · 精读 · 2026-07-20

FB-OCC: 3D Occupancy Prediction based on Forward-Backward View TransformationFB-OCC基于前向-后向视图变换，结合联合深度-语义预训练、体素-BEV联合表示、模型扩展与后处理，在nuScenes占用预测上取得54.19% mIoU并获挑战赛第一。 · 文献 · 精读 · 2026-07-20

PETR: Position Embedding Transformation for Multi-View 3D Object DetectionPETR通过3D位置嵌入变换将多视角2D特征转化为3D位置感知特征，实现简单端到端的多视角3D目标检测并取得SOTA。 · 文献 · 精读 · 2026-07-20

3D Visual Illusion Depth Estimation3D视觉错觉会误导SOTA单目与双目深度估计，本文构建大规模错觉数据集并提出VLM驱动的单目-双目自适应融合框架，在错觉场景上达到SOTA性能。 · 文献 · 中文笔记 · 2026-07-19

BEVDet: High-performance Multi-camera 3D Object Detection in Bird-Eye-ViewBEVDet通过在BEV空间检测、视图解耦数据增强和Scale-NMS，实现了多相机3D目标检测的高精度与高效率权衡。 · 文献 · 中文笔记 · 2026-07-19

BEVStereo: Enhancing Depth Estimation in Multi-View 3D Object Detection with Temporal StereoMetadata-only：BEVStereo: Enhancing Depth Estimation in Multi-View 3D Object Detection with Temporal Stereo · 文献 · 中文笔记 · 2026-07-19