视觉与机器人

自动驾驶

自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。

2026-03-09 至 2026-03-09 共收录 2 篇信号源：cs.RO, cs.CV, eess.IV, cs.AI

1. 多传感器融合 2 篇

2603.06501 2026-03-09 cs.RO 57%

CFEAR-Teach-and-Repeat: Fast and Accurate Radar-only Localization

CFEAR-Teach-and-Repeat：快速且准确的仅雷达定位

Maximilian Hilger, Daniel Adolfsson, Ralf Becker, Henrik Andreasson, Achim J. Lilienthal

机构 * Chair of Perception for Intelligent Systems, Munich Institute of Robotics and Machine Intelligence, Technical University of Munich（感知智能系统教授团，慕尼黑机器人与机器智能研究所，慕尼黑技术大学）； Robot Navigation and Perception Lab of the AASS Research Center, Örebro University（AASS研究中心机器人导航与感知实验室，奥雷布罗大学）； Bosch Rexroth, Germany（德国博世· Rexroth公司）

专题命中多传感器融合：LiDAR(abstract)；分类 cs.RO

AI总结 CFEAR-TR利用单个雷达实现快速且准确的仅雷达定位，精度达0.117米和0.096度，比先前方法提升63%，在恶劣天气下表现优异。

Comments This paper has been accepted for publication in the IEEE International Conference on Robotics and Automation (ICRA), 2026

2501.06986 2026-03-09 cs.CV cs.CL 57%

Rethinking the Mixture of Vision Encoders Paradigm for Enhanced Visual Understanding in Multimodal LLMs

重新思考多模态大语言模型中视觉编码器混合范式以提升视觉理解

Mozhgan Nasr Azadani, James Riddell, Sean Sedwards, Krzysztof Czarnecki

机构 * University of Waterloo（滑铁卢大学）

专题命中多传感器融合：autonomous driving(abstract)；分类 cs.CV

AI总结 LEO通过轻量级融合设计提升多模态大语言模型的视觉理解能力，并在自动驾驶领域展现良好泛化性能。

Comments Accepted by TMLR