自动驾驶

ScanDP: Generalizable 3D Scanning with Diffusion Policy

ScanDP: 可泛化的3D扫描与扩散策略

Itsuki Hirako, Ryo Hakoda, Yubin Liu, Matthew Hwang, Yoshihiro Sato, Takeshi Oishi

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 ScanDP提出一种基于扩散策略的高效3D扫描框架，通过占据网格映射和混合方法提升鲁棒性和泛化能力，实现对多样化物体的高效扫描。

Comments 8 pages, 7 figures, 5 tables. Project Page: https://treeitsuki.github.io/ScanDP/

A Survey on Interpretability in Visual Recognition

视觉识别中可解释性的综述

Qiyang Wan, Chengzhi Gao, Ruiping Wang, Xilin Chen

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

AI总结 本文综述了视觉识别中可解释性的发展，从意图、对象、呈现和方法学角度建立多维分类法，总结了关键评估指标，并探讨了多模态大语言模型的可解释性及实际应用。

Comments 20 pages, 8 figures, 7 tables. Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)

Absorption-Based, Passive Range Imaging from Hyperspectral Thermal Measurements

基于吸收的被动超光谱热测量范围成像

Unay Dorken Gallastegi, Hoover Rueda-Chacon, Martin J. Stevens, Vivek K Goyal

机构 * Department of Electrical and Computer Engineering, Boston University（波士顿大学电气与计算机工程系） ； Department of Computer Science, Universidad Industrial de Santander（圣安德烈斯工业大学计算机科学系） ； National Institute of Standards and Technology（美国国家标准与技术研究院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出一种基于超光谱热测量的被动范围成像方法，通过计算分离热辐射和大气吸收效应，实现无主动照明下的远距离物体范围估计。

Comments 15 pages, 14 figures

Journal ref IEEE Trans. Pattern Analysis & Machine Intelligence, vol. 47, no. 5, pp. 4044-4060, May 2025

In Pursuit of Many: A Review of Modern Multiple Object Tracking Systems

追寻众多：现代多目标跟踪系统的综述

Mk Bashar, Samia Islam, Kashifa Kawaakib Hussain, Md. Bakhtiar Hasan, A. B. M. Ashikur Rahman, Md. Hasanul Kabir

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

AI总结 本文综述了现代多目标跟踪系统的发展，涵盖从基于检测到端到端设计的演变，以及基于变压器、生成模型等架构的最新进展，并探讨了基准趋势和实际部署中的挑战。

An Overview about Emerging Technologies of Autonomous Driving

自动驾驶新兴技术概述

Yu Huang, Yue Chen, Zijiang Yang

专题命中 规划控制 ：autonomous driving(title,abstract)；self-driving(abstract)；分类 cs.CV

AI总结 本文概述了自动驾驶新兴技术，重点探讨了数据闭环框架下的关键技术和开放性问题。

Recover to Predict: Progressive Retrospective Learning for Variable-Length Trajectory Prediction

恢复以预测：渐进性回顾学习用于可变长度轨迹预测

Hao Zhou, Lu Qi, Jason Li, Jie Zhang, Yi Liu, Xu Yang, Mingyu Fan, Fei Luo

机构 * Great Bay University（大湾大学） ； Tsinghua SIGS（清华大学SIGS） ； Wuhan University（武汉大学） ； NTU（国立科技大学） ； Donghua University（东华大学） ； CASIA（中国科学院自动化研究所） 纠错

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

AI总结 本文提出渐进回顾框架和滚动起始训练策略，用于解决可变长度轨迹预测中的信息缺口问题，提升预测准确性。

Comments Paper is accepted by CVPR 2026

Beyond Max Tokens: Stealthy Resource Amplification via Tool Calling Chains in LLM Agents

超越最大令牌：通过工具调用链实现隐秘的资源放大

Kaiyu Zhou, Yongsen Zheng, Yicheng He, Meng Xue, Xueluan Gong, Yuji Wang, Xuanye Zhang, Kwok-Yan Lam

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校，美国） ； The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学，香港） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 纠错

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

AI总结 本文提出了一种基于工具调用链的隐秘DoS攻击，通过多轮交互显著提升LLM的资源消耗，挑战现有安全防护机制。

Evaluating randomized smoothing as a defense against adversarial attacks in trajectory prediction

评估随机平滑作为对抗攻击在轨迹预测中的防御手段

Julian F. Schumann, Eduardo Figueiredo, Frederik Baymler Mathiesen, Luca Laurenti, Jens Kober, Arkady Zgonnikov

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文提出基于随机平滑的轨迹预测防御方法，通过实验验证其在提升模型鲁棒性的同时保持预测准确性。

Dressed-State Optomechanics in the Few-Photon Regime

少光子 regime 中的 dressed-state 光机械学

Surangana Sengupta, Björn Kubala, Joachim Ankerhold, Ciprian Padurariu

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出了一种在少光子 regime 中通过调节 dressed-state 曼陀网实现光机械学冷却的新型方法，利用 Josephson 光子学架构实现对机械模式的量子操控。

Comments 11 Pages, 4 figures

AD-R1: Closed-Loop Reinforcement Learning for End-to-End Autonomous Driving with Impartial World Models

AD-R1: 闭环强化学习用于端到端自动驾驶的中立世界模型

Tianyi Yan, Tao Tang, Xingtai Gui, Yongkang Li, Jiasen Zhesng, Weiyao Huang, Lingdong Kong, Wencheng Han, Xia Zhou, Xueyang Zhang, Yifei Zhan, Kun Zhan, Cheng-zhong Xu, Jianbing Shen

机构 * SKL-IOTSC, University of Macau（SKL-IOTSC，澳门大学） ； Li Auto Inc. ； Sun Yat-sen University（中山大学） ； Huazhong University of Science and Technology（华中科技大学） ； Northwestern University（西北大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 AD-R1通过引入中立世界模型和反事实合成技术，提升自动驾驶系统在危险预测和安全控制方面的性能。

Semantic Landmark Particle Filter for Robot Localisation in Vineyards

语义地标粒子滤波器用于葡萄园中机器人的局部化

Rajitha de Silva, Jonathan Cox, James R. Heselden, Marija Popović, Cesar Cadena, Riccardo Polvara

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO、cs.AI

AI总结 本研究提出语义地标粒子滤波器，通过整合树干和杆地标检测与LiDAR，在葡萄园等重复性高环境中提升机器人定位的鲁棒性。

Comments Submmitted to IROS 2026

Degeneracy-Resilient Teach and Repeat for Geometrically Challenging Environments Using FMCW Lidar

退化环境下的FMCW激光雷达Teach and Repeat导航方法

Katya M. Papais, Wenda Zhao, Timothy D. Barfoot

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

AI总结 本文提出一种退化鲁棒的FMCW激光雷达Teach and Repeat导航系统，通过多普勒速度里程计和退化感知定位方法，提升在几何退化环境中的自主导航能力。

STADA: Specification-based Testing for Autonomous Driving Agents

STADA：基于规范的自动驾驶代理测试

Joy Saha, Trey Woodlief, Sebastian Elbaum, Matthew B. Dwyer

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

AI总结 STADA是一种基于规范的自动驾驶代理测试生成框架，通过形式规范生成多样化的测试场景，提高测试覆盖率并减少模拟次数。

Motion Forcing: A Decoupled Framework for Robust Video Generation in Motion Dynamics

运动强制：一种解耦框架，用于运动动态中的鲁棒视频生成

Tianshuo Xu, Zhifei Chen, Leyi Wu, Hao Lu, Ying-cong Chen

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV

AI总结 运动强制通过解耦物理推理与视觉合成，提升复杂场景下视频生成的鲁棒性和物理一致性。

Comments https://tianshuo-xu.github.io/Motion-Forcing/