速報
資料驅動最適控制（DDOC）：為自動駕駛動作規劃建立可信路線圖
自動駕駛的動作規劃存在可驗證安全與泛化能力的兩難。資料驅動最適控制（DDOC）融合最適控制理論與機器學習的自適應能力，提出定制化、動態適應、自我調整三大面向的實作路線圖，並指出未來四個研究方向以縮短實務差距，推動可信且類人化的自動駕駛落地。
自動駕駛
特斯拉
特斯拉 Cybercab 開始量產：FSD 與 Hardware 3 硬體限制仍牽制擴張
特斯拉在奧斯汀展開Cybercab量產，馬斯克則放慢機器人叫車擴張步調。Cybercab為無方向盤、為自動駕駛而生的車款，倚賴未完成的無監督FSD與嚴格驗證流程；公司已向聯邦回報多起碰撞，產能與法規成為擴張瓶頸。馬斯克在財報會上也承認部分早期硬體無法支援無監督駕駛，量產曲線將緩慢上升。
Uber
Uber 與 Nuro 測試搭載 Nvidia Drive AGX Thor 的 Lucid Gravity 高階自動駕駛計程車
Uber 於舊金山讓員工測試搭載 Nuro 自駕系統的 Lucid Gravity SUV，車輛配備 Nvidia Drive AGX Thor、固態雷射雷達與高解析度相機，並由安全駕駛員備援。測試驗證自駕堆疊與乘客體驗，為年底公開發佈的高階機器人計程車做準備。