3D 视觉

4D Radar Semantic Segmentation of People in Field Conditions Using Temporal Multi-View Networks

利用时序多视角网络进行野外条件下4D雷达的人体语义分割

Mikael Skog, Oleksandr Kotlyar, Vladimír Kubelka, Martin Magnusson

机构 * Center for Advanced Autonomous Sensor Systems (AASS)（先进自主传感器系统中心） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出TMVA4D网络，利用4D雷达数据进行人体语义分割，通过多视角投影区分背景与人体，在低能见度条件下实现75.9%的Dice系数和61.2%的IoU指标。

PointACT: Vision-Language-Action Models with Multi-Scale Point-Action Interaction

PointACT: 多尺度点-动作交互的视觉-语言-动作模型

Shizhe Chen, Paul Pacaud, Cordelia Schmid

机构 * Inria（法国国家信息与自动化研究所） ； École normale supérieure（法国高等科学研究院） ； CNRS（法国国家科学研究中心） ； PSL Research University（巴黎综合理工研究院） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出PointACT，一种集成层次化3D点云表示的3D感知视觉-语言-动作政策，通过多尺度点-动作交互机制提升机器人在3D环境中的精细几何推理和空间定位能力。

Comments Accepted to RSS 2026; project webpage: https://cshizhe.github.io/projects/pointact.html

STELLAR: Scaling 3D Perception Large Models for Autonomous Driving

STELLAR: 为自动驾驶扩展3D感知大模型

Yingwei Li, Xin Huang, Yang Liu, Yang Fu, Alex Zihao Zhu, Chen Song, Junwen Yao, Anant Subramanian, Hao Xiang, Weijing Shi, Yuliang Zou, Tom Hoddes, Zhaoqi Leng, Govind Thattai, Dragomir Anguelov, Mingxing Tan

机构 * Waymo ； UCSD（加州大学圣地亚哥分校） 纠错

专题命中 点云 ：spatial understanding(abstract)；分类 cs.CV、cs.RO

AI总结 本文研究了大规模训练在自动驾驶感知系统中的应用，通过扩展输入模态并训练大规模模型，实现了在Waymo数据集上的新状态-of-the-art性能。

Efficient Feature-Free Initialization for Monocular Visual-Inertial Systems Using a Feed-Forward 3D Model

为单目视觉-惯性系统使用前馈3D模型实现高效的特征-free初始化

Yuantai Zhang, Jiaqi Yang, Huajian Zeng, Changhao Chen, Haoang Li, Liang Li, Dezhen Song, Xingxing Zuo

机构 * MBZUAI（马克斯·普朗克人工智能研究所） ； HKUST (GZ)（香港科技大学（广州）） ； Zhejiang University（浙江大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出了一种无需视觉特征跟踪的初始化框架，利用前馈3D模型预测的点云，从而提高了单目视觉-惯性导航系统的初始化可靠性与效率，实验表明其初始化成功率超过90%且数据需求显著减少。

EvObj: Learning Evolving Object-centric Representations for 3D Instance Segmentation without Scene Supervision

EvObj：学习无需场景监督的3D实例分割的演进对象表示

Jiahao Chen, Zihui Zhang, Yafei Yang, Jinxi Li, Shenxing Wei, Zhixuan Sun, Bo Yang

机构 * Shenzhen Research Institute, The Hong Kong Polytechnic University（深圳研究 institute，香港理工大学） ； vLAR Group, The Hong Kong Polytechnic University（vLAR 团队，香港理工大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 EvObj通过整合对象辨别和完成模块，解决合成数据与真实点云间的几何差距问题，实现无需场景监督的3D实例分割，实验表明其在真实和合成数据上均优于基线方法。

Comments CVPR 2026. Code and data are available at: https://github.com/vLAR-group/EvObj

MTA-RL: Robust Urban Driving via Multi-modal Transformer-based 3D Affordances and Reinforcement Learning

MTA-RL：通过多模态Transformer-based 3D affordances和强化学习实现鲁棒的城市驾驶

Guangli Chen, Dianzhao Li, Wenjian Zhong, Bangquan Xie, Ostap Okhrin

机构 * Dongguan Key Laboratory of Intelligent Equipment and Smart Industry, School of Advanced Engineering, Great Bay University（东莞智能装备与智能制造重点实验室，先进工程学院，大湾大学） ； Chair of Applied Statistics, Technische Universität Dresden（应用统计学教授职位，德累斯顿技术大学） ； Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)（可扩展数据解析与人工智能中心（ScaDS.AI）） ； College of Automation, Guangdong University of Technology（自动化学院，广东技术大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出MTA-RL框架，通过多模态Transformer-based 3D affordances和强化学习实现可靠的城市自动驾驶，提升样本效率和稳定性，优于现有基线方法。

CLAMP: Contrastive Learning for 3D Multi-View Action-Conditioned Robotic Manipulation Pretraining

CLAMP: 基于对比学习的3D多视角动作条件机器人操控预训练

I-Chun Arthur Liu, Krzysztof Choromanski, Sandy Huang, Connor Schenck

机构 * Google DeepMind（谷歌DeepMind） ； University of Southern California（南加州大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 CLAMP通过3D点云和机器人动作进行预训练，利用对比学习提升机器人操控精度与效率，优于现有基线方法。

Comments Accepted to the Robotics: Science and Systems (RSS) 2026

OmniFit: Multi-modal 3D Body Fitting via Scale-agnostic Dense Landmark Prediction

OmniFit：通过尺度无关密集地标预测实现多模态3D身体拟合

Zeyu Cai, Yuliang Xiu, Renke Wang, Zhijing Shao, Xiaoben Li, Siyuan Yu, Chao Xu, Yang Liu, Baigui Sun, Jian Yang, Zhenyu Zhang

机构 * Nanjing University（南京大学） ； Westlake University（西湖大学） ； iROOTECH ； Nanjing University of Science and Technology（南京理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.GR

AI总结 OmniFit通过尺度无关的密集地标预测，实现对多模态输入（如完整扫描、部分深度观测和图像）的无缝处理，首次在日常和宽松服装场景中超越多视图优化基线，达到毫米级精度。

Comments Project Page: https://zcai0612.github.io/OmniFit/

Multi-modal panoramic 3D outdoor datasets for place categorization

多模态全景三维户外数据集用于场所分类

Hojung Jung, Yuki Oto, Oscar M. Mozos, Yumi Iwashita, Ryo Kurazume

机构 * Graduate School of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电子工程研究生院） ； Polytechnic University of Cartagena (UPCT)（卡塔赫纳理工学院） ； Faculty of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电子工程学系） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出两个多模态全景三维户外数据集，用于语义场所分类，包含森林、海岸、住宅区、城市区及室内外停车场六类，通过激光扫描和同步图像获取数据，并比较了多种分类方法，取得高准确率。

Comments This is the authors' manuscript. The final published article was presented at IROS 2026, and it is available at https://doi.org/10.1109/IROS.2016.7759669

ReaLiTy and LADS: A Unified Framework and Dataset Suite for LiDAR Adaptation Across Sensors and Adverse Weather Conditions

ReaLiTy与LADS：一种统一框架和数据集套件，用于跨传感器和恶劣天气条件的LiDAR适应

Vivek Anand, Bharat Lohani, Rakesh Mishra, Gaurav Pandey

机构 * Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； University of New Brunswick（新不伦瑞克大学） ； Texas A&M University（德克萨斯农工大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出ReaLiTy框架和LADS数据集，通过物理一致的方法提升LiDAR在不同传感器和天气条件下的适应性，实验显示了跨域一致性和真实天气效果的改进。

Incremental Semantics-Aided Meshing from LiDAR-Inertial Odometry and RGB Direct Label Transfer

增量语义辅助的LiDAR-惯性里程计与RGB直接标签转移的网格生成

Muhammad Affan, Ville Lehtola, George Vosselman

机构 * Faculty of Geo-Information Science and Earth Observation (ITC), University of Twente（特温特大学地理信息科学与地球观测学院（ITC）） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出基于RGB和LiDAR的增量语义辅助网格生成方法，通过直接标签转移提升几何重建精度，优于ImMesh和Voxblox，为XR和数字建模提供新路径。

Comments 8 pages, 5 figures, 2 tables. Accepted in ISPRS Archives 2026

HOTFLoc++: End-to-End Hierarchical LiDAR Place Recognition, Re-Ranking, and 6-DoF Metric Localisation in Forests

HOTFLoc++: 端到端分层激光雷达位置识别、重排序及6自由度度量局部化在森林中的应用

Ethan Griffiths, Maryam Haghighat, Simon Denman, Clinton Fookes, Milad Ramezani

机构 * CSIRO Robotics（澳大利亚联邦科学与工业研究组织机器人实验室） ； School of Electrical Engineering and Robotics, Queensland University of Technology (QUT)（昆士兰科技大学电气工程与机器人学院） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出HOTFLoc++框架，通过多粒度特征提取提升森林和城市环境中鲁棒性，结合可学习多尺度几何验证减少重排序失败，实现更精确的局部化。

Comments 8 pages, 2 figures, Accepted for publication in IEEE RA-L (2026)

Tele-Catch: Adaptive Teleoperation for Dexterous Dynamic 3D Object Catching

Tele-Catch：适应性远程操作用于灵巧动态3D物体捕捉

Weiguang Zhao, Junting Dong, Rui Zhang, Kailin Li, Qin Zhao, Kaizhu Huang

机构 * Princeton University（普林斯顿大学） ； Springer Heidelberg（海德堡施普林格出版社） ； ABC Institute, Rupert-Karls-University Heidelberg（ABC研究所，鲁普雷希特-卡尔斯-海德堡大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出Tele-Catch框架，通过融合手套信号与扩散策略去噪过程，实现动态物体捕捉任务中的共享自主控制，提升准确性和鲁棒性。

DRUM: Diffusion-based Raydrop-aware Unpaired Mapping for Sim2Real LiDAR Segmentation

DRUM：基于扩散的反射率感知无配对映射用于Sim2Real激光雷达分割

Tomoya Miyawaki, Kazuto Nakashima, Yumi Iwashita, Ryo Kurazume

机构 * Kyushu University（九州大学） ； Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 DRUM通过利用未标记真实数据预训练的扩散模型，结合反射强度和射线丢失噪声特性，提升Sim2Real激光雷达分割性能。

Comments ICRA 2026

LIORNet: Self-Supervised LiDAR Snow Removal Framework for Autonomous Driving under Adverse Weather Conditions

LIORNet：一种用于恶劣天气条件下自动驾驶的自监督激光雷达雪清除框架

Ji-il Park, Inwook Shim

机构 * Ministry of National Defense（国防 ministry） ； Department of Smart Mobility Engineering（智能移动工程系） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出LIORNet，通过自监督学习和多物理统计线索生成伪标签，有效区分噪声点与环境结构，提升恶劣天气下激光雷达感知的准确性和鲁棒性。

Comments 14 pages, 6 figures, 2 tables

SpikeGrasp: A Benchmark for 6-DoF Grasp Pose Detection from Stereo Spike Streams

SpikeGrasp：一种从立体尖峰流中检测6自由度抓取姿态的基准

Zhuoheng Gao, Jiyao Zhang, Zhiyong Xie, Hao Dong, Zhaofei Yu, Rongmei Chen, Guozhang Chen, Tiejun Huang

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出SpikeGrasp框架，通过模拟生物视觉运动通路，利用立体尖峰相机的原始异步事件直接推断抓取姿态，无需重建点云，在复杂和纹理缺失场景中优于传统点云方法。

Comments Some real machine experiments need to be supplemented, and the entire paper is incomplete

GMT: Goal-Conditioned Multimodal Transformer for 6-DOF Object Trajectory Synthesis in 3D Scenes

GMT：用于3D场景中6自由度物体轨迹合成的目标条件多模态Transformer

Huajian Zeng, Abhishek Saroha, Daniel Cremers, Xi Wang

机构 * TU München（慕尼黑工业大学） ； MCML ； ETH Zürich（苏黎世联邦理工学院） ； MBZUAI（穆桑大学人工智能研究所） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出GMT，一种多模态Transformer框架，通过结合3D边界框几何、点云上下文、语义物体类别和目标末端姿态，生成真实且目标导向的物体轨迹，提升了空间精度和方向控制。

Comments Accpeted by 3DV 2026. Project Page: https://huajian-zeng.github.io/projects/gmt/

CLAIM: Camera-LiDAR Alignment with Intensity and Monodepth

CLAIM: 相机-激光雷达对齐与强度和单目深度

Zhuo Zhang, Yonghui Liu, Meijie Zhang, Feiyang Tan, Yikang Ding

机构 * Mach Drive（马奇驱动） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出CLAIM方法，利用单目深度模型实现相机与激光雷达对齐，通过粗到细搜索优化结构损失和纹理损失，无需复杂数据处理，实验验证其优越性能。

Comments Accepted by IROS 2025

OCRA: Object-Centric Learning with 3D and Tactile Priors for Human-to-Robot Action Transfer

OCRA：基于3D和触觉先验的人到机器人动作迁移的物体中心学习

Kuanning Wang, Ke Fan, Yuqian Fu, Siyu Lin, Hu Luo, Daniel Seita, Yanwei Fu, Yu-Gang Jiang, Xiangyang Xue

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 OCRA通过结合3D和触觉先验，利用多视角视频和先进模型重建物体中心3D点云，生成稳健的机器人操作动作，实验表明其在视觉和视觉-触觉任务中优于现有方法。

Comments Project page: https://sressers.github.io/OCRA/

Learning Geometric and Photometric Features from Panoramic LiDAR Scans for Outdoor Place Categorization

从全景LiDAR扫描中学习几何和光度特征用于户外场所分类

Kazuto Nakashima, Hojung Jung, Yuki Oto, Yumi Iwashita, Ryo Kurazume, Oscar Martinez Mozos

机构 * Graduate School of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电子工程研究生院） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室） ； Faculty of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电子工程学部） ； Technical University of Cartagena（卡塔赫纳技术大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出利用CNN处理LiDAR获取的全景深度/反照率图像，通过构建MPO数据集实现户外场所分类，优于传统方法，验证了深度与反照率模态的联合使用有效性。

Comments Published in Advanced Robotics on 31 Jul 2018

Journal ref Advanced Robotics, 32(14):750-765, 2018

ManiVID-3D: Generalizable View-Invariant Reinforcement Learning for Robotic Manipulation via Disentangled 3D Representations

ManiVID-3D: 通用的视角不变强化学习用于机器人操作的解耦3D表示

Zheng Li, Pei Qu, Yufei Jia, Shihui Zhou, Haizhou Ge, Jiahang Cao, Jinni Zhou, Guyue Zhou, Jun Ma

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 ManiVID-3D通过解耦3D表示实现视角不变的强化学习，提升机器人操作在视角变化下的鲁棒性和效率。

Comments Accepted to RA-L. Project website: https://zheng-joe-lee.github.io/manivid3d/

SynHLMA:Synthesizing Hand Language Manipulation for Articulated Object with Discrete Human Object Interaction Representation

SynHLMA:基于离散人类物体交互表示的合成手语操纵

Wang zhi, Yuyan Liu, Liu Liu, Li Zhang, Ruixuan Lu, Dan Guo

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 SynHLMA通过离散人类物体交互表示生成可变形物体的手语操纵序列，实现抓取生成、预测和插值任务。

Exploring Single Domain Generalization of LiDAR-based Semantic Segmentation under Imperfect Labels

探索基于LiDAR的语义分割在不完美标签下的单域泛化

Weitong Kong, Zichao Zeng, Di Wen, Jiale Wei, Kunyu Peng, June Moh Goo, Jan Boehm, Rainer Stiefelhagen

机构 * Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（自动化与机器人研究所，卡尔斯鲁厄技术大学） ； Department of Civil, Environmental and Geomatic Engineering, University College London（土木、环境与地理工程系，伦敦大学学院） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出DuNe框架，通过双视图和置信度感知过滤，实现基于LiDAR的语义分割在噪声标签下的域泛化，取得SOTA性能。

ClearDepth: Enhanced Stereo Perception of Transparent Objects for Robotic Manipulation

ClearDepth: 增强透明物体的立体视觉以辅助机器人操作

Kaixin Bai, Huajian Zeng, Lei Zhang, Yiwen Liu, Hongli Xu, Zhaopeng Chen, Jianwei Zhang

机构 * TAMS (Technical Aspects of Multimodal Systems), Department of Informatics, University of Hamburg（汉堡大学信息学院） ； Agile Robots SE（敏捷机器人公司） ； Technical University of Munich（慕尼黑技术大学） ； Mohamed Bin Zayed University of Artificial Intelligence (MBUZAI)（Mohamed Bin Zayed人工智能大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 ClearDepth通过视觉Transformer和特征后融合模块，提升透明物体的深度感知，以辅助机器人操作。

Comments 9 pages

M3CAD: Towards Generic Cooperative Autonomous Driving Benchmark

M3CAD：迈向通用协作自动驾驶基准

Morui Zhu, Yongqi Zhu, Yihao Zhu, Qi Chen, Deyuan Qu, Song Fu, Qing Yang

机构 * University of North Texas（北卡罗来纳州立大学） ； Toyota InfoTech Labs（丰田信息技术实验室） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 M3CAD是一个全面的协作自动驾驶基准，提供多模态数据支持多种自动驾驶任务，并提出多级融合方法以平衡通信效率与感知精度。

Comments Accepted to ICRA 2026

SG-DOR: Learning Scene Graphs with Direction-Conditioned Occlusion Reasoning for Pepper Plants

SG-DOR：基于方向条件遮挡推理的学习场景图用于Pepper植物

Rohit Menon, Niklas Mueller-Goldingen, Sicong Pan, Gokul Krishna Chenchani, Maren Bennewitz

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 SG-DOR通过方向条件遮挡推理，提升密集作物中果实遮挡预测与连接推断的准确性，为机器人采摘提供结构化关系信号。

Structural Action Transformer for 3D Dexterous Manipulation

结构动作变换器用于3D灵巧操作

Xiaohan Lei, Min Wang, Bohong Weng, Wengang Zhou, Houqiang Li

机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（脑启发智能感知与认知国家重点实验室，中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（人工智能研究院，合肥综合性国家科学中心） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出结构动作变换器，通过结构化视角解决高自由度机械手的跨身体技能转移问题，实现更高效的灵巧操作。

Comments Accepted by CVPR

LEAR: Learning Edge-Aware Representations for Event-to-LiDAR Localization

LEAR: 为事件到LiDAR定位学习边缘感知表示

Kuangyi Chen, Jun Zhang, Yuxi Hu, Yi Zhou, Friedrich Fraundorfer

机构 * Institute of Visual Computing, Graz University of Technology（视觉计算研究所，技术大学格拉茨） ； School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 LEAR通过联合估计边缘结构和密集事件深度流场，解决事件与LiDAR对齐难题，提升GPS受限环境下的定位精度。

CO^3: Cooperative Unsupervised 3D Representation Learning for Autonomous Driving

CO³：协作无监督3D表示学习用于自动驾驶

Runjian Chen, Yao Mu, Runsen Xu, Wenqi Shao, Chenhan Jiang, Hang Xu, Zhenguo Li, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 CO³通过协作对比学习和上下文形状预测，实现无监督学习户外场景点云的3D表示，提升自动驾驶中的检测性能。

A Comprehensive Survey on Deep Learning-Based LiDAR Super-Resolution for Autonomous Driving

基于深度学习的激光雷达超分辨率综述：自动驾驶应用

June Moh Goo, Zichao Zeng, Jan Boehm

机构 * University College London（伦敦大学学院） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文综述了自动驾驶中基于深度学习的激光雷达超分辨率方法，涵盖四种主要技术类别，并探讨了当前趋势和未来研究方向。

Comments Accepted to The IEEE Intelligent Vehicles Symposium 2026 (IEEE IV 2026)