自动驾驶

Towards Camera Open-set 3D Object Detection for Autonomous Driving Scenarios

面向自动驾驶场景的相机开放集3D目标检测

Zhuolin He, Xinrun Li, Jiacheng Tang, Shoumeng Qiu, Wenfu Wang, Xiangyang Xue, Jian Pu

机构 * ZILab 纠错

专题命中 感知 ：autonomous driving(title,abstract)；BEV(abstract)；LiDAR(abstract)；分类 cs.CV、cs.AI

AI总结 OS-Det3D通过两阶段框架提升自动驾驶中相机3D目标检测器对未知对象的发现与识别能力，同时提升已知对象的检测性能。

DriveCombo: Benchmarking Compositional Traffic Rule Reasoning in Autonomous Driving

DriveCombo：自主驾驶中组合交通规则推理的基准测试

Enhui Ma, Jiahuan Zhang, Guantian Zheng, Tao Tang, Shengbo Eben Li, Yuhang Lu, Xia Zhou, Xueyang Zhang, Yifei Zhan, Kun Zhan, Zhihui Hao, Xianpeng Lang, Kaicheng Yu

机构 * Autolab, Westlake University（西lake大学自动化实验室） ； Li Auto Inc（Li Auto公司） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 DriveCombo提出了一种基于文本和视觉的基准，用于评估自动驾驶中复杂交通规则的推理能力，通过五级认知阶梯和Rule2Scene代理提升模型在多规则冲突场景下的性能。

SCATR: Mitigating New Instance Suppression in LiDAR-based Tracking-by-Attention via Second Chance Assignment and Track Query Dropout

SCATR: 通过二次分配和轨迹查询丢弃缓解基于LiDAR的跟踪-注意力中的新实例抑制

Brian Cheong, Letian Wang, Sandro Papais, Steven L. Waslander

机构 * University of Toronto（多伦多大学） 纠错

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.CV

AI总结 SCATR通过二次分配和轨迹查询丢弃缓解基于LiDAR的跟踪-注意力中的新实例抑制，实现性能提升

Prune2Drive: A Plug-and-Play Framework for Accelerating Vision-Language Models in Autonomous Driving

Prune2Drive: 一种用于自动驾驶中加速视觉-语言模型的即插即用框架

Minhao Xiong, Zichen Wen, Zhuangcheng Gu, Xuyang Liu, Rui Zhang, Hengrui Kang, Jiabing Yang, Junyuan Zhang, Weijia Li, Conghui He, Yafei Wang, Linfeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Carnegie Mellon University（卡内基梅隆大学） ； Sichuan University（四川大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 Prune2Drive通过视觉令牌修剪框架在自动驾驶中加速视觉-语言模型，实现显著速度提升和内存节省，性能影响小。

Comments Accepted by CVPR 2026

CoLC: Communication-Efficient Collaborative Perception with LiDAR Completion

CoLC: 通信高效协同感知与激光雷达补全

Yushan Han, Hui Zhang, Qiming Xia, Yi Jin, Yidong Li

机构 * Key Laboratory of Big Data & Artificial Intelligence in Transportation, Ministry of Education（交通运输大数据与人工智能重点实验室，教育部） ； School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） ； Xiamen University（厦门大学） 纠错

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.CV

AI总结 CoLC通过激光雷达补全和早期融合技术，在稀疏传输下实现高效协同感知，提升感知与通信的平衡性能。

Comments Accepted by CVPR'26

Adaptive Confidence Regularization for Multimodal Failure Detection

多模态故障检测的自适应置信度正则化

Moru Liu, Hao Dong, Olga Fink, Mario Trapp

机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zürich（苏黎世联邦理工学院） ； EPFL（苏黎世联邦理工学院） ； Fraunhofer IKS（弗劳恩霍夫研究所） 纠错

专题命中 感知 ：self-driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出自适应置信度正则化方法，通过检测多模态预测中的置信度退化，提升故障识别的可靠性。

Comments Accepted by CVPR 2026

COMRES-VLM: Coordinated Multi-Robot Exploration and Search using Vision Language Models

COMRES-VLM: 基于视觉语言模型的多机器人协同探索与搜索

Ruiyang Wang, Hao-Lun Hsu, David Hunt, Jiwoo Kim, Shaocheng Luo, Miroslav Pajic

专题命中 感知 ：occupancy(abstract)；分类 cs.RO、cs.AI

AI总结 COMRES-VLM通过视觉语言模型实现多机器人系统的协同探索与搜索，提升探索效率和目标物体搜索性能。

Seg2Track-SAM2: SAM2-based Multi-object Tracking and Segmentation

Seg2Track-SAM2：基于SAM2的多目标跟踪与分割

Diogo Mendonça, Tiago Barros, Cristiano Premebida, Urbano J. Nunes

机构 * University of Coimbra（科英布拉大学） ； Institute of Systems and Robotics（系统与机器人研究所） ； Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

专题命中 感知 ：driving perception(abstract)；分类 cs.CV

AI总结 Seg2Track-SAM2基于SAM2提出多目标跟踪与分割框架，通过整合预训练检测器与专用模块，实现跟踪初始化、数据关联和细化，提升身份一致性和内存效率。

GroupEnsemble: Efficient Uncertainty Estimation for DETR-based Object Detection

GroupEnsemble: 用于基于DETR的目标检测的高效不确定性估计

Yutong Yang, Katarina Popović, Julian Wiederer, Markus Braun, Vasileios Belagiannis, Bin Yang

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； University of Stuttgart（斯图加特大学） ； Friedrich-Alexander University Erlangen-Nuremberg（埃尔兰根-纽伦堡弗里德里希-亚历山大大学） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV

AI总结 GroupEnsemble通过高效方法提升DETR模型的空间不确定性估计，结合MC-Dropout在自动驾驶场景中实现更高效的检测可靠性评估。

Comments Accepted to IEEE IV 2026. 8 pages, 5 figures

WhisperNet: A Scalable Solution for Bandwidth-Efficient Collaboration

WhisperNet: 一种可扩展的带宽高效协作解决方案

Gong Chen, Chaokun Zhang, Xinyan Zhao

机构 * School of Computer Science and Technology, Tianjin University（计算机科学与技术学院，天津大学） ； School of Cybersecurity, Tianjin University（网络安全学院，天津大学） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV

AI总结 WhisperNet通过引入以接收器为中心的全局协调框架，实现了带宽高效协作，提升协同感知性能。

Comments Accepted by CVPR26

Layered Safety: Enhancing Autonomous Collision Avoidance via Multistage CBF Safety Filters

分层安全：通过多阶段CBF安全过滤器增强自主避障

Erina Yamaguchi, Ryan M. Bena, Gilbert Bahati, Aaron D. Ames

机构 * Caltech（卡内基梅隆大学） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 本文提出一种多阶段CBF安全过滤器，通过预测和实时安全过滤提升机器人动态避障的鲁棒性和安全性。

Point-MoE: Large-Scale Multi-Dataset Training with Mixture-of-Experts for 3D Semantic Segmentation

点-MoE：通过混合专家进行大规模多数据集训练用于3D语义分割

Xuweiyi Chen, Wentao Zhou, Aruni RoyChowdhury, Zezhou Cheng

机构 * University of Virginia（弗吉尼亚大学） ； MathWorks 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 Point-MoE通过混合专家方法在无需数据集标签的情况下，实现大规模多数据集联合训练，提升3D语义分割性能。

Comments Project page: https://point-moe.cs.virginia.edu/

Generation of frequency-bin-encoded dual-rail cluster states via time-frequency multiplexing of microwave photonic qubits

通过微波光子量子比特的时间-频率复用生成频率桶编码的双轨簇状态

Zhiling Wang, Takeaki Miyamura, Yoshiki Sunada, Keika Sunada, Jesper Ilves, Kohei Matsuura, Yasunobu Nakamura

专题命中 感知 ：occupancy(abstract)

AI总结 本文提出通过微波光子量子比特的时间-频率复用生成频率桶编码的双轨簇状态，实现了高保真度的多量子比特纠缠态生成。

Journal ref PRX Quantum 7, 010330 (2026)