自动驾驶

Person Detection and Tracking from an Overhead Crane LiDAR

从高空起重机Li DAR进行人员检测与跟踪

Nilusha Jayawickrama, Henrik Toikka, Risto Ojala

机构 * School of Engineering Aalto University Espoo, Finland（工程学院 阿尔沃大学 埃斯波芬兰） ； School of Electrical Engineering Aalto University Espoo, Finland（电气工程学院 阿尔沃大学 埃斯波芬兰） 纠错

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

AI总结 本文提出了一种基于高空起重机Li DAR的人员检测与跟踪方法，通过定制数据集和统一训练协议提升检测性能，并整合轻量级跟踪算法，实现了高精度的实时应用。

Comments 8 pages, 7 figures, 4 tables. Submitted to Ubiquitous Robots (UR) 2026. Code: https://github.com/nilushacj/O-LiPeDeT-Overhead-LiDAR-Person-Detection-and-Tracking

Fusion4CA: Boosting 3D Object Detection via Comprehensive Image Exploitation

Fusion4CA: 通过全面利用图像信息提升3D目标检测

Kang Luo, Xin Chen, Yangyi Xiao, Hesheng Wang

机构 * IRMV Lab, the Department of Automation, Shanghai Jiao Tong University（IRMV实验室，自动化系，上海交通大学） 纠错

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

AI总结 Fusion4CA通过全面利用图像信息提升3D目标检测性能，采用对比对齐模块和相机辅助分支，结合认知适配器和坐标注意力模块，在nuScenes数据集上实现69.7%的mAP。

Learning to Drive is a Free Gift: Large-Scale Label-Free Autonomy Pretraining from Unposed In-The-Wild Videos

学习驾驶是免费礼物：从未经处理的现实视频中进行大规模无标签自主性预训练

Matthew Strong, Wei-Jer Chang, Quentin Herau, Jiezhi Yang, Yihan Hu, Chensheng Peng, Wei Zhan

机构 * Applied Intuition ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出一种无标签、教师引导的框架，通过未经处理的现实视频学习自动驾驶表示，无需姿态、标签或LiDAR，实现高效的自动驾驶感知和规划。

Comments Accepted at CVPR 2026

DriverGaze360: OmniDirectional Driver Attention with Object-Level Guidance

DriverGaze360: 全向驾驶员注意力与物体级引导

Shreedhar Govil, Didier Stricker, Jason Rambach

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

AI总结 DriverGaze360通过全向视野和物体级引导方法，实现对驾驶员注意力的高精度预测，提升自动驾驶系统中的空间感知与交互能力。

Comments Accepted to CVPR 2026

Efficient Autonomous Navigation of a Quadruped Robot in Underground Mines on Edge Hardware

在边缘硬件上实现四足机器人在地下矿井中高效自主导航

Yixiang Gao, Kwame Awuah-Offei

机构 * Department of Mining and Explosive Engineering, Missouri University of Science and Technology（采矿与爆炸工程系，密苏里科技大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本研究提出了一种在边缘硬件上运行的四足机器人自主导航系统，无需GPU和网络连接，实现了在地下矿井中高效、可靠的自主导航。

BridgeDrive: Diffusion Bridge Policy for Closed-Loop Trajectory Planning in Autonomous Driving

BridgeDrive: 基于扩散桥的闭环轨迹规划扩散策略

Shu Liu, Wenlin Chen, Weihao Li, Zheng Wang, Lijin Yang, Jianing Huang, Yipin Zhang, Zhongzhan Huang, Ze Cheng, Hao Yang

机构 * Bosch (China) Investment Ltd（博世（中国）投资有限公司） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；trajectory planning(title,abstract)；分类 cs.CV、cs.AI

AI总结 BridgeDrive提出一种基于锚点的扩散桥策略，通过实时闭环轨迹规划提升自动驾驶的安全性和效率。

Comments Accepted for publication at ICLR 2026

Boundary-Guided Trajectory Prediction for Road Aware and Physically Feasible Autonomous Driving

边界引导的轨迹预测用于道路感知和物理可行的自动驾驶

Ahmed Abouelazm, Mianzhi Liu, Christian Hubschneider, Yin Wu, Daniel Slieter, J. Marius Zöllner

机构 * FZI Research Center for Information Technology（弗赖堡研究所信息科技研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； CARIAD SE 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

AI总结 本文提出了一种基于边界引导的轨迹预测框架，通过约束回归和HD地图实现道路感知和运动学可行性，提升了自动驾驶的轨迹预测精度和鲁棒性。

Comments Accepted in the 36th IEEE Intelligent Vehicles Symposium (IV 2025)

GIANT - Global Path Integration and Attentive Graph Networks for Multi-Agent Trajectory Planning

GIANT - 全局路径整合与注意力图网络用于多智能体轨迹规划

Jonas le Fevre Sejersen, Toyotaro Suzumura, Erdal Kayacan

机构 * Artificial Intelligence in Robotics Laboratory (AiR Lab), Department of Electrical and Computer Engineering, Aarhus University（人工智能机器人实验室（AiR实验室），电气与计算机工程系，奥胡斯大学） ； Foundation Models for Artificial Intelligence group, Department of Information and Communication Engineering, Tokyo University（人工智能基础模型组，信息与通信工程系，东京大学） ； Automatic Control Group, Department of Electrical Engineering and Information Technology, Paderborn University（自动控制组，电气工程与信息科技系，波德恩大学） 纠错

专题命中 规划控制 ：trajectory planning(title)；分类 cs.RO、cs.AI

AI总结 GIANT通过结合全局路径规划与注意力图网络，提升多智能体在复杂动态环境中的避障与导航性能。

Comments Published in: 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Many-RRT*: Robust Joint-Space Trajectory Planning for Serial Manipulators

多RRT*：串联机械臂的联合空间轨迹规划

Theodore M. Belmont, Benjamin A. Christie, Anton Netchaev

机构 * USACE ERDC, Information Technology Lab（美国陆军工程兵团工程研究中心信息科技实验室） ； Collaborative Robotics Lab（协作机器人实验室） 纠错

专题命中 规划控制 ：trajectory planning(title)；分类 cs.RO

AI总结 Many-RRT*通过同时规划多个目标解决串联机械臂在关节空间中规划的鲁棒性和最优性问题，显著提高了轨迹质量和成功率。

K-Gen: A Multimodal Language-Conditioned Approach for Interpretable Keypoint-Guided Trajectory Generation

K-Gen：一种多模态语言条件方法用于可解释的关键点引导轨迹生成

Mingxuan Mu, Guo Yang, Lei Chen, Ping Wu, Jianxun Cui

机构 * Harbin Institute of Technology Chongqing Research Inst. of HIT（哈尔滨工业大学重庆研究院） ； Changan Automobile Co., Ltd Chongqing, China（长安汽车有限公司重庆） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；BEV(abstract)；分类 cs.AI

AI总结 K-Gen通过多模态语言模型结合关键点引导方法，提升自动驾驶轨迹生成的可解释性和准确性。

U-OBCA: Uncertainty-Aware Optimization-Based Collision Avoidance via Wasserstein Distributionally Robust Chance Constraints

基于不确定性优化的碰撞避免：通过Wasserstein分布鲁棒机会约束

Zehao Wang, Yuxuan Tang, Han Zhang, Jingchuan Wang, Weidong Chen

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） ； Institute of Medical Robotics, Shanghai Jiao Tong University（医学机器人研究所，上海交通大学） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China（教育部系统控制与信息处理重点实验室） ； Shanghai Engineering Research Center of Intelligent Control and Management, Shanghai（智能控制与管理上海工程研究中心） 纠错

专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO

AI总结 U-OBCA通过引入Wasserstein分布鲁棒机会约束，提升机器人在狭窄环境中的导航效率和轨迹规划的保守性

Generative Models in Decision Making: A Survey

生成模型在决策中的应用：综述

Xinyu Shao, Jianping Zhang, Haozhi Wang, Leo Maxime Brunswic, Kaiwen Zhou, Jiqian Dong, Kaiyang Guo, Zhitang Chen, Jun Wang, Jianye Hao, Xiu Li, Yinchuan Li

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.AI

AI总结 本文综述提出了一种基于概率框架的控制作为推理的系统分类，将生成决策置于其中，通过变分因子分解轨迹后验，概念化了四个功能角色，并探讨了生成模型在高风险领域的应用及挑战。

Comments Project page:https://github.com/xyshao23/Awesome-Generative-Models-for-Decision-Making-Taxonomy

Automatic Curriculum Learning for Driving Scenarios: Towards Robust and Efficient Reinforcement Learning

自动驾驶场景的自动课程学习：迈向更鲁棒和高效的强化学习

Ahmed Abouelazm, Tim Weinstein, Tim Joseph, Philip Schörner, J. Marius Zöllner

机构 * FZI Research Center for Information Technology（弗赖堡信息科技研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出了一种自动课程学习框架，通过动态生成适应性复杂的驾驶场景，提升强化学习在自动驾驶中的鲁棒性和效率。

Comments Accepted in the 36th IEEE Intelligent Vehicles Symposium (IV 2025)

Dr.Occ: Depth- and Region-Guided 3D Occupancy from Surround-View Cameras for Autonomous Driving

Dr.Occ: 从环绕视图摄像头获取3D占用的深度和区域引导方法用于自动驾驶

Xubo Zhu, Haoyang Zhang, Fei He, Rui Wu, Yanhu Shan, Wen Yang, Huai Yu

机构 * School of Electronic Information, Wuhan University（武汉大学电子信息学院） ； Horizon Robotics ； Wuhan University Shenzhen Research Institute（武汉大学深圳研究院） 纠错

专题命中 BEV与占用 ：autonomous driving(title,abstract)；occupancy(title,abstract)；driving perception(abstract)；分类 cs.CV

AI总结 Dr.Occ通过深度和区域引导方法提升自动驾驶中3D占用预测的几何对齐和语义学习效果。

Comments 10 pages, 6 figures. Accepted at CVPR 2026

Collaborative Learning of Local 3D Occupancy Prediction and Versatile Global Occupancy Mapping

局部3D占用预测与多功能全局占用映射的协同学习

Shanshuai Yuan, Julong Wei, Muer Tie, Xiangyun Ren, Zhongxue Gan, Wenchao Ding

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（智能机器人与先进制造学院，复旦大学） ； State Key Laboratory of Intelligent Vehicle Safety Technology, Chongqing Changan Automobile Co., Ltd.（智能车辆安全技术重点实验室，重庆长安汽车有限公司） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出LMPOcc框架，通过整合全局占用先验提升局部预测性能，并实现全局地图的持续更新，适用于自动驾驶中的3D语义占用预测与大规模地图构建。

Comments Accepted by ICRA 2026

RESAR-BEV: An Explainable Progressive Residual Autoregressive Approach for Camera-Radar Fusion in BEV Segmentation

RESAR-BEV：一种可解释的逐步残差自回归方法用于摄像头-雷达融合的鸟瞰图分割

Zhiwen Zeng, Yunfei Yin, Zheng Yuan, Argho Dey, Xianjian Bao

机构 * College of Computer Science, Chongqing University（重庆大学计算机学院） ； Department of Computer Science, Maharishi University of Management（Maharishi大学管理学院计算机系） 纠错

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

AI总结 RESAR-BEV通过残差自回归学习和双路径特征编码，实现摄像头-雷达融合的鸟瞰图分割，取得7类驾驶场景54.0% mIoU的最优性能并保持实时处理能力。

Comments This work was submitted to IEEE Transactions on Intelligent Transportation Systems (T-ITS) on 09-May-2025; revised 5 October 2025 and 26 January 2026; accepted 1 March 2026

Gamified Informed Decision-Making for Performance-Aware Design by Non-Experts: An Exoskeleton Design Case Study

游戏化辅助非专家进行性能感知设计：一个外骨骼设计案例研究

Arman Khalilbeigi Khameneh, Armin Mostafavi, Alicia Nahmad Vazquez

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出了一种游戏化决策框架，帮助非专家通过实时反馈优化外骨骼设计，提升设计效率和决策质量。

Comments https://www.ingentaconnect.com/content/iass/piass/2025/00002025/00000012/art00011

Journal ref International Association for Shell and Spatial Structures (IASS) 2025

Loop Closure via Maximal Cliques in 3D LiDAR-Based SLAM

基于3D激光雷达的SLAM中通过最大团实现回环闭合

Javier Laserna, Saurabh Gupta, Oscar Martinez Mozos, Cyrill Stachniss, Pablo San Segundo

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出CliReg算法，通过最大团搜索提升3D激光雷达SLAM中回环闭合的鲁棒性和效率。

Comments Accepted in the 2025 European Conference on Mobile Robots (ECMR). This is the author's version of the work

Direct Estimation of Tree Volume and Aboveground Biomass Using Deep Regression with Synthetic Lidar Data

利用合成激光雷达数据进行树体积和地上生物量的直接估计

Habib Pourdelan, Zhengkang Xiang, Hugh Stewart, Cam Nicholson, Martin Tomko, Kourosh Khoshelham

机构 * The University of Melbourne（墨尔本大学） ； Private Forestry Service Victoria（维多利亚私人林业服务） ； Nicon Rural Services（Nicon乡村服务） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 本研究提出利用合成激光雷达数据训练深度回归网络，直接估算森林体积和地上生物量，相较传统方法更准确高效。

DAP: A Discrete-token Autoregressive Planner for Autonomous Driving

DAP：一种用于自动驾驶的离散令牌自回归规划器

Bowen Ye, Bin Zhang, Hang Zhao

机构 * Shanghai Qi Zhi Institute IIIS, Tsinghua University（上海启智研究院 IIIS，清华大学） ； Shanghai Jiaotong University（上海交通大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；BEV(abstract)；分类 cs.CV、cs.AI

AI总结 DAP是一种基于离散令牌自回归的自动驾驶规划器，通过联合预测鸟瞰图语义和自身轨迹，实现高效且全面的表示学习，从而在开环和闭环指标上均取得优异性能。

From Code to Road: A Vehicle-in-the-Loop and Digital Twin-Based Framework for Central Car Server Testing in Autonomous Driving

从代码到道路：一种基于车辆在环和数字孪生的中央车辆服务器在自动驾驶中的测试框架

Chengdong Wu, Sven Kirchner, Nils Purschke, Axel Torschmied, Norbert Kroth, Yinglei Song, André Schamschurko, Erik Leo Haß, Kuo-Yi Chao, Yi Zhang, Nenad Petrovic, Alois C. Knoll

机构 * Technical University of Munich（慕尼黑技术大学） ； CARIAD SE 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 本文提出了一种基于车辆在环和数字孪生技术的中央车辆服务器测试框架，通过虚拟与物理环境的结合，提高自动驾驶算法验证的效率和准确性。

Comments 8 pages; Accepted for publication at the 37th IEEE Intelligent Vehicles Symposium (IV), Detroit, MI, United States, June 22-25, 2026

Risk-Aware Autonomous Driving with Linear Temporal Logic Specifications

具有线性时序逻辑规范的风险感知自主驾驶

Shuhao Qi, Zengjie Zhang, Zhiyong Sun, Sofie Haesaert

机构 * Department of Electrical Engineering, Eindhoven University of Technology（电子工程系，埃因霍温理工大学） ； College of Engineering, Peking University（工程学院，北京大学） 纠错

专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 本文提出一种基于线性时序逻辑规范的风险感知自动驾驶方法，通过扩展风险度量方法以涵盖更复杂的驾驶场景，结合线性规划解决控制合成问题，从而平衡碰撞风险和交通违规风险。

DiffusionHarmonizer: Bridging Neural Reconstruction and Photorealistic Simulation with Online Diffusion Enhancer

DiffusionHarmonizer: 通过在线扩散增强器连接神经重建与逼真模拟

Yuxuan Zhang, Katarína Tóthová, Zian Wang, Kangxue Yin, Haithem Turki, Riccardo de Lutio, Yen-Yu Chang, Or Litany, Sanja Fidler, Zan Gojcic

机构 * NVIDIA ； University of Toronto（多伦多大学） ； Cornell University（康奈尔大学） ； Technion（技术学院） 纠错

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

AI总结 DiffusionHarmonizer通过在线扩散增强器提升神经重建与逼真模拟的结合，解决动态物体整合与伪影问题，提高模拟保真度。

Comments For more details and updates, please visit our project website: https://research.nvidia.com/labs/sil/projects/diffusion-harmonizer

Balancing Progress and Safety: A Novel Risk-Aware Objective for RL in Autonomous Driving

平衡进步与安全：一种新的风险感知目标用于自动驾驶中的强化学习

Ahmed Abouelazm, Jonas Michel, Helen Gremmelmaier, Tim Joseph, Philip Schörner, J. Marius Zöllner

机构 * FZI Research Center for Information Technology（弗赖堡信息科技研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 其他自动驾驶 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

AI总结 本文提出了一种新的风险感知目标，用于自动驾驶中的强化学习，通过分层结构化驾驶目标和规范化方法，提高安全性和性能。

Comments Accepted in the 36th IEEE Intelligent vehicles Symposium (IV 2025)

A Shift-Invariant Deep Learning Framework for Automated Analysis of XPS Spectra

一种用于XPS光谱自动分析的不变深度学习框架

Issa Saddiq, Yuxin Fan, Robert G. Palgrave, Mark A. Isaacs, David Morgan, Keith T. Butler

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文提出了一种基于空间变换网络的深度学习框架，用于自动分析XPS光谱，通过校正光谱位移和识别功能基团，提高了XPS分析的自动化水平。