边缘上的自动驾驶汽车：自动驾驶赛车研究综述
Autonomous Vehicles on the Edge: A Survey on Autonomous Vehicle Racing
把赛车运动当作自动驾驶算法的「极限试炼场」——综述 233 篇论文，讲清感知、规划、控制与端到端学习各流派如何让赛车在物理极限边缘自主飞驰。
arXiv:2202.07008 · 2022年2月14日（v1） · 宾夕法尼亚大学、苏黎世联邦理工学院
重新构想自动驾驶汽车（作者提出的 AV2.0 愿景）
Reimagining an autonomous vehicle
作者认为十年来的自动驾驶「走错了方向」——把感知、预测、规划等「窄智能」组件拼装成专家系统（AV1.0）难以泛化，提出用机器学习整体重构驾驶决策系统（AV2.0）。
arXiv:2108.05805 · 2021年8月12日（v1） · 机构未标注
自动驾驶汽车：设计即安全（从设计源头保障安全）
Autonomous Vehicle: Security by Design
传统 IT 的「安全边界 + 纵深防御」套不到自动驾驶上——本文从第一性原理出发，把 AV 当作网络物理系统（CPS）来建立安全设计框架，并指出法律与责任是 AV 落地前的最后一大挑战。
arXiv:1810.00545 · 2018年10月1日（v1） · 南洋理工大学
基于车辆动力学的 RRT 与 RRT* 路径规划
RRT and RRT* Using Vehicle Dynamics
RRT/RRT* 画出的折线轨迹真实车辆跟不上——用只有「左转 / 右转 / 前进」三个动作的 Dubins 车模型重写采样与连接过程，让每条路径都是车能实际开出来的。
arXiv:2206.10533 · 2022年5月29日（v1） · 机构未标注
论经典车辆动力学中的常见误解
On Common Misconceptions in Classical Vehicle Dynamics
逐条拆解车辆动力学里流传最广的七个误解，讲清每个说法的「成立范围」，教你分清运动学与动力学、几何抽象与真实物理量。
arXiv:2604.22815 · 2026年4月14日（v1） · 机构未标注
纵向车辆动力学的Fisher 可辨识性分析
Fisher Identifiability Analysis of Longitudinal Vehicle Dynamics
用 Fisher 信息矩阵与 Cramér-Rao 下界从理论上回答「底盘参数在什么实验条件下才估得准」，并发现道路坡度起伏（road grade variability）是决定性因素。
arXiv:2011.01918 · 2020年11月3日（v1） · 机构未标注
嵌入车辆动力学的自动驾驶世界模型
Vehicle Dynamics Embedded World Models for Autonomous Driving
把「自己这辆车怎么动」和「世界怎么变」分开建模，换了车、改了参数，自动驾驶策略照样开得稳。
arXiv:2512.02417 · 2025年12月2日（v1） · 清华大学、曼彻斯特大学
通过共享降低电动汽车电池总容量
Reducing Aggregate Electric Vehicle Battery Capacity through Sharing
每辆车的电池都按「偶尔一次的长途」配容量，平时根本用不完；大家共享一块备用电池，总容量能省 40% 以上。
arXiv:2304.10461 · 2023年4月20日（v1） · 康奈尔大学
BattOpt：电动汽车电池回收设施最优规划
BattOpt: Optimal Facility Planning for Electric Vehicle Battery Recycling
把 EverBatt 从「算成本」的评估工具改造成「算怎么投资」的决策工具，最优回收投资能省 22% 制造成本。
arXiv:2407.00864 · 2024年7月1日（v1） · 麻省理工学院
车联网平台 × 动态保险：基于车辆使用情况的保险（UBI）可行性研究
Connected Vehicle Platforms for Dynamic Insurance
欧盟强制新车装 eCall 之后，车厂顺手把车变成了物联网传感器——本文实测 19 台新车的联网能力、让 4 台车联网跑了一个多月，发现「数据贵、格式不统一、入网麻烦」是三大痛点。
arXiv:2208.04688 · 2022年8月1日（v1） · 卢森堡大学
PHANTOM：利用透视变形艺术阻碍网联车移动的物理威胁
PHANTOM: PHysical ANamorphic Threats Obstructing Connected Vehicle Mobility
在路面上画一幅「正面看是逼真障碍物、侧面看是普通涂鸦」的透视画，骗过自动驾驶摄像头——攻击成功率超 90%，还能借 V2X 假消息扩散到整个车队网络。
arXiv:2512.19711 · 2025年12月15日（v1） · 机构未标注
低复杂度电动汽车充电调度的模型预测控制:最优性与可扩展性
A Model Predictive Control Approach for Low-Complexity Electric Vehicle Charging Scheduling: Optimality and Scalability
把在线 PEV 充电调度建模为有限时域动态规划,用 MPC 得到 O(T³) 复杂度的近优算法;当到达过程一阶周期时复杂度降到 O(1),性能差距在多数情况下小于 0.4%。
arXiv:1502.01456 · 2015年2月5日发布 · 机构未标注
电动汽车换电站:缓解充电焦虑的另一种基础设施
Electric Vehicle Battery Swapping Station
从多个视角考察换电站(BSS)的优势:提前充电、快速换电、充当电网与车主之间的中间实体,并从站主视角给出电池充电调度模型与算例。
arXiv:1710.06895 · 2017年10月2日发布 · 机构未标注
自主与网联车辆车队中的横向串稳定性
Lateral String Stability in Autonomous & Connected Vehicle Platoons
车队紧急换道时，后车不看路标、不看车道线，只用通信传来的「头车+前车」GPS 轨迹拼出两条目标轨迹，就能稳定跟车完成变道。
arXiv:2411.07540 · 2024年11月12日（v1） · 机构未标注
联网汽车：隐私分析
Connected Vehicles: A Privacy Analysis
拆开一台量产车的遥测盒子，逆向出它发送的消息，再对照「数据采集-传输-处理-存储」全链路，给联网汽车隐私威胁做了一份体检报告。
arXiv:2207.06182 · 2022年7月13日 · 机构未标注
强化学习：面向自适应控制的一般框架
Reinforcement Learning
智能体在「观察—动作—奖励」的交互循环里靠试错学习最优策略，基于值的方法与策略搜索是两大主流路线。
arXiv:2005.14419 · 2020年5月29日（v1） · 机构未标注
超越二次不变性的鲁棒分布式控制
Robust Distributed Control Beyond Quadratic Invariance
把难解的信息约束拆成两个子空间约束，让信息结构不满足 QI 的分布式控制问题也能得到可行解和可证明的性能上界。
arXiv:1803.05528 · 2018年3月14日（v1） · 机构未标注
带非凸约束的分布式负荷均衡:面向电动汽车充电调度的随机算法
Distributed Load Balancing with Nonconvex Constraints: A Randomized Algorithm with Application to Electric Vehicle Charging Scheduling
提出分布式随机充电调度算法:协调者广播归一化聚合负荷,每辆 EV 在其有限可行充电曲线集合上按概率采样更新;几乎必然收敛到纳什均衡,次优性上界 O(1/n)。
arXiv:1401.7604 · 2014年1月29日发布 · 机构未标注
动态网联车网络中的渗透式协同定位（ICL）
Interpenetrating Cooperative Localization in Dynamic Connected Vehicle Networks
车少、信号断都没关系——让每组车的信息「渗透」到别的组，即使不是所有车都能直接通信，也能把定位误差最多降低 70%。
arXiv:1804.10064 · 2018年4月25日（v1） · 密歇根大学、清华大学
半互穿协同定位：车联网中的分布式协同地图匹配
Semi-Interpenetrating Cooperative Localization in Connected Vehicle Networks
让车联网里每辆车「不直接通信也能借到邻居的信息」——把粒子滤波的复杂融合建模成线性系统，再用分布式优化找出最优融合权重，低成本逼近车道级定位。
arXiv:1709.05457 · 2017年9月16日（v1） · 麻省理工学院、密歇根大学