3D 视觉

GPA-VGGT:Adapting VGGT to Large Scale Localization by Self-Supervised Learning with Geometry and Physics Aware Loss

GPA-VGGT：通过几何和物理感知损失自监督学习适应大规模定位

Yangfan Xu, Lilian Zhang, Xiaofeng He, Pengdong Wu, Wenqi Wu, Jun Mao

专题命中 SLAM与定位 ：3D reconstruction(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出GPA-VGGT框架，通过自监督学习提升大规模环境中的定位能力，利用几何约束和物理一致性损失优化模型，实验表明其在数百次迭代内收敛并显著提升定位性能。

HyVGGT-VO: Tightly Coupled Hybrid Dense Visual Odometry with Feed-Forward Models

HyVGGT-VO：紧密耦合的混合密集视觉里程计与前馈模型

Junxiang Pan, Lipu Zhou, Baojie Chen

机构 * School of Instrument Science and Opto-electronics Engineering, Beihang University（北京航空航天大学仪器科学与光电工程学院） 纠错

专题命中 SLAM与定位 ：3D reconstruction(abstract)；分类 cs.RO

AI总结 本文提出HyVGGT-VO框架，结合稀疏VO的高效计算与前馈模型的密集重建能力，实现高效实时姿态估计与密集重建。

Hi-LOAM: Hierarchical Implicit Neural Fields for LiDAR Odometry and Mapping

Hi-LOAM：基于隐式神经场的层次化激光雷达里程计与建图

Zhiliu Yang, Jianyuan Zhang, Lianhui Zhao, Jinyu Dai, Zhu Yang

机构 * School of Information Science and Engineering, Yunnan University（云南大学信息科学与工程学院） ； School of Information and Electronics, Beijing Institute of Technology（北京理工大学信息与电子学院） ； Yunnan Key Laboratory of Intelligent Systems and Computing, Yunnan University（云南大学云南省智能系统与计算重点实验室） 纠错

专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.RO

AI总结 本文提出Hi-LOAM，通过多尺度隐式神经场实现激光雷达里程计与建图，采用自监督学习解决传统LOAM在复杂场景中的局限性，实验验证其在多种数据集上的优越性能。

Comments This manuscript is the accepted version of IEEE Transactions on Multimedia

OMCL: Open-vocabulary Monte Carlo Localization

OMCL：开放词汇蒙特卡洛定位

Evgenii Kruzhkov, Raphael Memmesheimer, Sven Behnke

机构 * Autonomous Intelligent Systems group, Computer Science Institute VI – Intelligent Systems and Robotics – and the Center for Robotics and the Lamarr Institute for Machine Learning and Artificial Intelligence, University of Bonn（波恩大学自主智能系统组、计算机科学研究所VI – 智能系统与机器人学 –、机器人中心以及拉马尔机器学习和人工智能研究所） 纠错

专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.RO

AI总结 本文提出OMCL，结合视觉语言特征扩展蒙特卡洛定位，实现跨模态观测与地图元素关联，通过自然语言描述初始化全局定位，验证了其在室内和室外场景中的泛化能力。

Comments Accepted to IEEE RA-L