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。