自动驾驶

Robust Dynamic Object Detection in Cluttered Indoor Scenes via Learned Spatiotemporal Cues

通过学习的时空线索在拥挤室内场景中实现鲁棒的动态物体检测

Juan Rached, Yixuan Jia, Kota Kondo, Jonathan P. How

机构 * Faculty of Electrical Engineering, Mathematics and Computer Science, University of Twente（代尔夫特理工大学电子工程、数学与计算机科学学院） ； Department of Electrical Engineering, Wright State University（怀特塞德大学电子工程系） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 感知 ：BEV(abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.RO

AI总结 本文提出一种仅依赖LiDAR的框架，结合时间占用网格运动分割与学习的鸟瞰图动态先验，提升动态物体检测的鲁棒性，在拥挤环境中实现更高的召回率和F1分数。

AW-MoE: All-Weather Mixture of Experts for Robust Multi-Modal 3D Object Detection

AW-MoE：面向所有天气条件的专家混合方法用于鲁棒多模态3D目标检测

Hongwei Lin, Xun Huang, Chenglu Wen, Cheng Wang

机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing（福建城市智能感知与计算重点实验室） ； School of Informatics, Xiamen University（厦门大学信息学院） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 本文提出AW-MoE，通过引入天气感知路由和统一双模态增强方法，提升多模态3D目标检测在恶劣天气下的鲁棒性，实验表明其在恶劣天气下的性能提升达15%。

CD-FKD: Cross-Domain Feature Knowledge Distillation for Robust Single-Domain Generalization in Object Detection

CD-FKD：跨域特征知识蒸馏用于目标检测中鲁棒的单域泛化

Junseok Lee, Sungho Shin, Seongju Lee, Kyoobin Lee

机构 * Advanced Robotics Lab, LG Electronics（LG电子先进机器人实验室） ； Place AI Flatform, Naver（NAVER人工智能平台） ； Department of AI Convergence, Gwangju Institute of Science and Technology (GIST)（全州科学技术院人工智能融合系） 纠错

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

AI总结 本文提出CD-FKD方法，通过全局和实例级特征蒸馏提升学生网络的泛化能力，有效应对跨域变化，实验表明其在目标域泛化和源域性能上优于现有方法。

Comments Accepted to ICRA 2026

When the City Teaches the Car: Label-Free 3D Perception from Infrastructure

当城市教导汽车：从基础设施实现无标签的3D感知

Zhen Xu, Jinsu Yoo, Cristian Bautista, Zanming Huang, Tai-Yu Pan, Zhenzhen Liu, Katie Z Luo, Mark Campbell, Bharath Hariharan, Wei-Lun Chao

机构 * The Ohio State University（俄亥俄州立大学） ； Google（谷歌） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； Boston University（波士顿大学） 纠错

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

AI总结 本文提出一种无标签的3D感知方法，利用道路设施作为无监督教师，通过固定视角和重复观测学习局部3D检测器，并广播预测作为伪标签监督，无需基础设施即可训练独立的车辆检测器。

Comments Project Page: https://jinsuyoo.info/civet/

Toward Deep Representation Learning for Event-Enhanced Visual Autonomous Perception: the eAP Dataset

迈向事件增强的视觉自主感知的深度表示学习：eAP数据集

Jinghang Li, Shichao Li, Qing Lian, Peiliang Li, Xiaozhi Chen, Yi Zhou

机构 * Neuromorphic Automation and Intelligence Lab (NAIL) at School of AI & Robotics, Hunan University（神经形态自动化与智能实验室（NAIL）位于人工智能与机器人学院，湖南大学） ； ByteDance（字节跳动） ； Zhuoyu Technology（卓宇科技） 纠错

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

AI总结 本文提出eAP数据集，用于研究事件增强的深度视觉感知，通过深度学习方法提升3D车辆检测和物体时间到接触估计性能。

RISEE: A Highly Interactive Naturalistic Driving Trajectories Dataset with Human Subjective Risk Perception and Eye-tracking Information

RISEE：一个具有人类主观风险感知和眼动信息的高交互自然驾驶轨迹数据集

Xinzheng Wu, Junyi Chen, Peiyi Wang, Shunxiang Chen, Haolan Meng, Yong Shen

机构 * School of Automotive Studies, Tongji University（同济大学汽车学院） 纠错

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

AI总结 本文提出RISEE数据集，整合人类主观风险评估和眼动数据，通过无人机与模拟相结合的方法，提升自动驾驶决策系统的人机交互研究质量。

Comments Preprint accepted by ITSC 2025

Journal ref 2025 IEEE 28th International Conference on Intelligent Transportation Systems (ITSC)

Open-Vocabulary Octree-Graph for 3D Scene Understanding

开放词汇八叉树图用于3D场景理解

Zhigang Wang, Yifei Su, Chenhui Li, Dong Wang, Yan Huang, Bin Zhao, Xuelong Li

机构 * Northwestern Polytechnical University（西北工业大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； CASIA ； TeleAI 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 本文提出Octree-Graph，通过CGSM和IFA算法获取3D实例及语义特征，构建适应性八叉树结构以高效表示场景，实验表明其在多种任务中具有广泛适用性和有效性。

Comments Accepted by ICCV25. 11 pages, 7 figures

Poisoning the Pixels: Revisiting Backdoor Attacks on Semantic Segmentation

污染像素：重新审视语义分割中的后门攻击

Guangsheng Zhang, Huan Tian, Leo Zhang, Tianqing Zhu, Ming Ding, Wanlei Zhou, Bo Liu

专题命中 感知 ：autonomous driving(abstract)

AI总结 本文研究了语义分割中的后门攻击，提出四种粗粒度攻击向量和两种细粒度攻击向量，通过BADSEG框架验证攻击有效性，并发现现有防御措施无法有效缓解攻击，揭示了语义分割的安全漏洞。

PanguMotion: Continuous Driving Motion Forecasting with Pangu Transformers

PanguMotion: 基于Pangu Transformer的连续驾驶运动预测

Quanhao Ren, Yicheng Li, Nan Song

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

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

AI总结 本文提出PanguMotion框架，利用Pangu-1B的Transformer模块提升连续驾驶场景的运动预测能力，通过Argoverse 2数据集的RealMotion策略生成连续序列以提升预测准确性。

Structure-Aware Multimodal LLM Framework for Trustworthy Near-Field Beam Prediction

面向可信近场波束预测的结构感知多模态大语言模型框架

Mengyuan Li, Qianfan Lu, Jiachen Tian, Hongjun Hu, Yu Han, Xiao Li, Chao-kai Wen, Shi Jin

机构 * School of Information Science and Engineering, Southeast University（信息科学与工程学院，东南大学） ； Institute of Communications Engineering, National Sun Yat-sen University（通讯工程学院，国立中山大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.AI

AI总结 本文提出基于大语言模型的多模态框架，融合历史GPS数据、RGB图像、LiDAR数据及任务特定文本提示，以提升复杂低空环境中的近场波束对齐能力。

Real-World Deployment of Cloud-based Autonomous Mobility Systems for Outdoor and Indoor Environments

云原生自主移动系统在户外和室内环境中的实际部署

Yufeng Yang, Minghao Ning, Keqi Shu, Aladdin Saleh, Ehsan Hashemi, Amir Khajepour

机构 * Department of Mechanical and Mechatronics Engineering, University of Waterloo（滑铁卢大学机械与机电工程系） ； Technology Partnerships and Innovations, Rogers Communications, Canada Inc.（罗杰斯通讯加拿大有限公司技术伙伴关系与创新部） ； Mechanical Engineering Department, University of Alberta（阿尔伯塔大学机械工程系） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出云原生自主移动框架，通过基础设施智能传感与云计算协调提升自主操作能力，实验证明在城市环岛和医院类室内环境中的感知鲁棒性和安全性提升。

Comments This paper has been submitted to IEEE Robotics and Automation Magazine

CorrectionPlanner: Self-Correction Planner with Reinforcement Learning in Autonomous Driving

CorrectionPlanner：基于强化学习的自主驾驶自纠正规划器

Yihong Guo, Dongqiangzi Ye, Sijia Chen, Anqi Liu, Xianming Liu

机构 * Department of Computer Science, Johns Hopkins University, Baltimore, USA.（约翰霍普金斯大学计算机科学系） 纠错

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

AI总结 本文提出CorrectionPlanner，通过自纠正机制在规划过程中生成安全动作，减少碰撞率，提升规划性能。

WorldVLM: Combining World Model Forecasting and Vision-Language Reasoning

WorldVLM：结合世界模型预测与视觉语言推理

Stefan Englmeier, Katharina Winter, Fabian B. Flohr

机构 * Munich University of Applied Sciences（慕尼黑应用科学大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(abstract)；end-to-end driving(abstract)；分类 cs.RO、cs.CV

AI总结 WorldVLM结合视觉语言模型与世界模型，通过统一架构提升自动驾驶中的环境预测与决策能力，解决空间理解受限问题。

Comments 8 pages, 6 figures, 5 tables; submitted to IEEE

The Era of End-to-End Autonomy: Transitioning from Rule-Based Driving to Large Driving Models

端到端自主时代：从基于规则的驾驶转向大型驾驶模型

Eduardo Nebot, Julie Stephany Berrio Perez

机构 * The Australian Centre for Robotics, School of Aeronautical, Mechanical and Mechatronic Engineering, The University of Sydney（澳大利亚机器人中心，航空航天、机械及机电工程学院，悉尼大学） 纠错

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

AI总结 本文探讨自动驾驶从模块化规则系统向端到端学习系统过渡，分析大型驾驶模型在复杂环境中的表现及行业影响。

Large-scale real-time signal processing in physics experiments: The ALICE TPC FPGA pipeline

大型实时信号处理在物理实验中的应用：ALICE TPC FPGA流水线

J. Alme, T. Alt, C. Andrei, V. Anguelov, H. Appelshäuser, M. Arslandok, R. Averbeck, M. Ball, G. G. Barnaföldi, P. Becht, R. Bellwied, A. Berdnikova, B. Blidaru, L. Boldizsár, L. Bratrud, P. Braun-Munzinger, M. Bregant, C. L. Britton, H. Büsching, H. Caines, P. Chatzidaki, P. Christiansen, T. M. Cormier, L. Döpper, R. Ehlers, L. Fabbietti, F. Flor, J. J. Gaardhøje, M. G. Munhoz, C. Garabatos, P. Gasik, Á. Gera, P. Glässel, N. Grünwald, T. Gündem, T. Gunji, H. Hamagaki, J. W. Harris, P. Hauer, E. Hellbär, H. Helstrup, A. Herghelegiu, H. D. Hernandez Herrera, Y. Hou, C. Hughes, M. Ivanov, J. Jäger, Y. Ji, J. Jung, M. Jung, B. Ketzer, S. Kirsch, M. Kleiner, A. G. Knospe, M. Korwieser, M. Kowalski, L. Lautner, M. Lesch, C. Lippmann, G. Mantzaridis, R. D. Majka, A. Marin, C. Markert, S. Masciocchi, A. Matyja, M. Meres, D. L. Mihaylov, D. Miśkowiec, R. H. Munzer, H. Murakami, K. Münning, A. Nassirpour, C. Nattrass, B. S. Nielsen, W. A. V. Noije, A. C. Oliveira Da Silva, A. Oskarsson, K. Oyama, L. Österman, Y. Pachmayer, G. Paić, M. Petris, M. Petrovici, M. Planinic, J. Rasson, K. F. Read, A. Rehman, R. Renfordt, A. Riedel, K. Røed, D. Röhrich, E. Rubio, A. Rusu, S. Sadhu, B. C. S. Sanches, J. Schambach, A. Schmah, C. Schmidt, A. Schmier, K. Schweda, D. Sekihata, D. Silvermyr, B. Sitar, N. Smirnov, H. K. Soltveit, C. Sonnabend, S. P. Sorensen, J. Stachel, L. Šerkšnytė, G. Tambave, K. Ullaland, B. Ulukutlu, D. Varga, O. Vazquez Rueda, B. Voss, J. Wiechula, B. Windelband, J. Wilkinson, J. Witte, A. Yadav, F. Zanone, S. Zhu

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 ALICE TPC在LHC Run 3中升级为连续读取模式，需实时处理高达3TB/s的原始数据，通过定制FPGA流水线实现前端数据处理，包括共模校正、基底减去、离子尾过滤等，以提高高负载条件下的信号恢复精度。

Modelling competition for space: Emergent inefficiency and inequality due to spatial self-organization among a group of crowd-avoiding agents

空间竞争建模：由于一群避 crowds 的代理的自组织导致的涌现低效与不平等

Ann Mary Mathew, V Sasidevan

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文研究了一种新型模型，探讨了在复杂适应系统中，代理为避免局部拥挤而竞争空间资源的动力学和涌现行为，发现低效利用空间在特定密度下出现峰值，不平等程度随信息量降低而减少。

Comments 14 figures, 22 pages

Journal ref Physica A: Statistical Mechanics and its Applications 660, 130360 (2025)

Learning Human-Object Interaction for 3D Human Pose Estimation from LiDAR Point Clouds

从LiDAR点云学习人类-物体交互以实现3D人体姿态估计

Daniel Sungho Jung, Dohee Cho, Kyoung Mu Lee

机构 * IPAI ； Dept. of ECE&ASRI（电子与信息科学研究院） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 本文提出HOIL框架，通过学习人类-物体交互缓解LiDAR点云中3D人体姿态估计的空域模糊和类别不平衡问题。

Comments Project page: https://hoil-release.github.io/

CLAIM: Camera-LiDAR Alignment with Intensity and Monodepth

CLAIM: 相机-激光雷达对齐与强度和单目深度

Zhuo Zhang, Yonghui Liu, Meijie Zhang, Feiyang Tan, Yikang Ding

机构 * Mach Drive（马奇驱动） 纠错

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

AI总结 本文提出CLAIM方法，利用单目深度模型实现相机与激光雷达对齐，通过粗到细搜索优化结构损失和纹理损失，无需复杂数据处理，实验验证其优越性能。

Comments Accepted by IROS 2025

SE(3)-LIO: Smooth IMU Propagation With Jointly Distributed Poses on SE(3) Manifold for Accurate and Robust LiDAR-Inertial Odometry

SE(3)-LIO：在SE(3)流形上联合分布姿态的平滑IMU传播以实现准确且鲁棒的LiDAR-惯性里程计

Gunhee Shin, Seungjae Lee, Jei Kong, Youngwoo Seo, Hyun Myung

机构 * School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院电子工程学院） ； Hanwha Aerospace（翰威航宇） 纠错

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

AI总结 本文提出SE(3)-LIO，通过在SE(3)流形上联合分布姿态的IMU传播和不确定性感知运动补偿，解决现有方法在运动预测和补偿中的不足，提升LiDAR-惯性里程计的准确性与鲁棒性。

Preserving Vertical Structure in 3D-to-2D Projection for Permafrost Thaw Mapping

在3D到2D投影中保持垂直结构以进行永久冻土融化映射

Justin McMillen, Robert Van Alphen, Taha Sadeghi Chorsi, Jason Shabaga, Mel Rodgers, Rocco Malservisi, Timothy Dixon, Yasin Yilmaz

专题命中 激光雷达 ：LiDAR(abstract)；分类 eess.IV

AI总结 本文提出一种投影解码器，通过学习高度嵌入实现高度依赖的特征转换，结合分层采样保持垂直信息，用于预测永久冻土融化深度。

CLRNet: Targetless Extrinsic Calibration for Camera, Lidar and 4D Radar Using Deep Learning

CLRNet：基于深度学习的无目标外校准方法用于摄像头、激光雷达和4D雷达

Marcell Kegl, Andras Palffy, Csaba Benedek, Dariu M. Gavrila

机构 * Hungarian Research Network Institute for Computer Science and Control (HUN-REN SZTAKI)（匈牙利研究网络计算机科学与控制研究所） ； Pázmány Péter Catholic University（帕兹曼·佩斯特天主教大学） ； Intelligent Vehicles Group, TU Delft（智能车辆组，代尔夫特理工大学） ； Perciv AI 纠错

专题命中 多传感器融合 ：LiDAR(title,abstract)；分类 cs.CV

AI总结 本文提出CLRNet，一种多模态端到端深度学习网络，用于摄像头、激光雷达和4D雷达的联合校准或配对校准，通过等距投影、基于摄像头的深度图像预测和雷达通道等方法，提升校准精度。

Comments Submitted to IEEE Transactions on Intelligent Vehicles

$x^2$-Fusion: Cross-Modality and Cross-Dimension Flow Estimation in Event Edge Space

$x^2$-Fusion：事件边缘空间中的跨模态和跨维度流估计

Ruishan Guo, Ciyu Ruan, Haoyang Wang, Zihang Gong, Jingao Xu, Xinlei Chen

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology（哈尔滨工业大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出$x^2$-Fusion方法，通过事件边缘空间实现跨模态和跨维度流的统一表示，提升动态场景理解的准确性和鲁棒性。

Comments This version is the camera-ready version accepted at CVPR 2026

4D Radar-Inertial Odometry based on Gaussian Modeling and Multi-Hypothesis Scan Matching

基于高斯建模和多假设扫描匹配的4D雷达-惯性里程计

Fernando Amodeo, Luis Merino, Fernando Caballero

机构 * Service Robotics Laboratory, Universidad Pablo de Olavide（服务机器人实验室， Pablo de Olavide 大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出基于高斯分布的4D雷达场景表示方法，通过全局优化提升注册精度，并通过多假设优化避免局部最优，实验表明其在雷达-惯性里程计任务中表现优异。

Comments Our code and results can be publicly accessed at: https://github.com/robotics-upo/gaussian-rio-cpp Accepted for publication in IEEE Robotics and Automation Letters

DriveFix: Spatio-Temporally Coherent Driving Scene Restoration

DriveFix：时空一致的驾驶场景修复

Heyu Si, Brandon James Denis, Muyang Sun, Dragos Datcu, Yaoru Li, Xin Jin, Ruiju Fu, Yuliia Tatarinova, Federico Landi, Jie Song, Mingli Song, Qi Guo

机构 * Zhejiang University（浙江大学） ； Huawei（华为） 纠错

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

AI总结 DriveFix提出一种多视角修复框架，通过交错扩散变换器架构和几何感知损失，实现驾驶场景时空一致性，提升4D世界建模的鲁棒性。

Industrial cuVSLAM Benchmark & Integration

工业 cuVSLAM 评估与集成

Charbel Abi Hana, Kameel Amareen, Mohamad Mostafa, Dmitry Slepichev, Hesam Rabeti, Zheng Wang, Mihir Acharya, Anthony Rizk

机构 * Idealworks ； NVIDIA 纠错

专题命中 仿真评测 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文评估了视觉里程计和视觉SLAM系统在真实物流环境中的导航性能，通过对比多种视觉里程计方法及大规模生产设施数据集，验证了cuVSLAM与定制SLAM后端结合的高精度映射能力。