自动驾驶

DRIFT: Dual-Representation Inter-Fusion Transformer for Automated Driving Perception with 4D Radar Point Clouds

DRIFT：双表示交叉融合变换器用于自动驾驶感知的4D雷达点云

Siqi Pei, Andras Palffy, Dariu M. Gavrila

机构 * Delft University of Technology（代尔夫特理工大学） ； Perciv AI 纠错

专题命中 多传感器融合 ：driving perception(title)；LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 DRIFT通过双路径架构融合局部和全局上下文信息，提升自动驾驶中4D雷达点云的感知性能，实现更准确的物体检测和道路估计。

RF4D:Neural Radar Fields for Novel View Synthesis in Outdoor Dynamic Scenes

RF4D:基于雷达的神经场用于户外动态场景的新型视角合成

Jiarui Zhang, Zhihao Li, Chong Wang, Bihan Wen

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） 纠错

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

AI总结 RF4D通过引入雷达特定的神经场框架，提升户外动态场景中新型视角合成的鲁棒性和准确性。

Decentralized Cooperative Localization for Multi-Robot Systems with Asynchronous Sensor Fusion

多机器人系统中异步传感器融合的去中心化协同定位

Nivand Khosravi, Niusha Khosravi, Mohammad Bozorg, Masoud S. Bahraini

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出了一种去中心化协同定位框架，通过局部卡尔曼滤波和异步传感器融合实现多机器人系统的可靠定位，实验显示其在特征稀疏环境中优于集中式方法。

Comments Presented at the 13th RSI International Conference on Robotics and Mechatronics (ICRoM 2025)