自动驾驶

NutVLM: A Self-Adaptive Defense Framework against Full-Dimension Attacks for Vision Language Models in Autonomous Driving

NutVLM: 一种针对自动驾驶中视觉语言模型全维度攻击的自适应防御框架

Xiaoxu Peng, Dong Zhou, Jianwen Zhang, Guanghui Sun, Anh Tu Ngo, Anupam Chattopadhyay

机构 * Department of Control Science and Engineering, Harbin Institute of Technology（控制科学与工程系，哈尔滨工业大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV、eess.IV

AI总结 本文提出NutVLM框架，通过NutNet++ sentinel检测并净化良性样本、局部修补和全局扰动，结合高效灰度遮蔽和专家引导的对抗提示调优，提升自动驾驶中视觉语言模型的鲁棒性与性能。

Comments 12 pages, 6 figures

Leveraging Large Vision Model for Multi-UAV Co-perception in Low-Altitude Wireless Networks

利用大型视觉模型实现低空无线网络中多无人机协同感知

Yunting Xu, Jiacheng Wang, Ruichen Zhang, Changyuan Zhao, Yinqiu Liu, Dusit Niyato, Liang Yu, Haibo Zhou, Dong In Kim

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； Alibaba Cloud（阿里云） ； School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与技术学院） ； Department of Electrical and Computer Engineering, Sungkyunkwan University（成均馆大学电子与计算机工程系） 纠错

专题命中 感知 ：BEV(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出一种通信高效的多无人机协同感知框架BHU，通过Top-K选择机制和Swin-large-based MaskDINO编码器提升感知性能，同时利用深度强化学习优化协作无人机选择和资源分配，实验表明在资源受限环境下感知性能提升超5%且通信开销降低85%。

Dynamic-ICP: Doppler-Aware Iterative Closest Point Registration for Dynamic Scenes

动态ICP：针对动态场景的多普勒感知迭代最近点配准

Dong Wang, Daniel Casado Herraez, Stefan May, Andreas Nüchter

机构 * Julius-Maximilians-Universität Würzburg（乌尔姆-约亨大学） ； Zentrum für Telematik e.V.（电信研究中心） ； Nuremberg Institute of Technology Georg Simon Ohm（纽伦堡技术学院 Georg Simon Ohm） ； University of Bonn（波恩大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出动态ICP方法，通过多普勒速度估计自身运动、动态物体聚类、常速模型预测动态点及结合点到平面残差与多普勒残差的紧凑目标，实现动态场景下的鲁棒配准。

Comments 8 pages, 5 figures

Journal ref IEEE Robotics and Automation Letters, 2026

OmniVLN: Omnidirectional 3D Perception and Token-Efficient LLM Reasoning for Visual-Language Navigation across Air and Ground Platforms

OmniVLN：面向空和地面平台的全方位3D感知与高效token LLM推理的视觉语言导航

Zhongyuang Liu, Min He, Shaonan Yu, Xinhang Xu, Muqing Cao, Jianping Li, Jianfei Yang, Lihua Xie

机构 * CertaintyX ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 OmniVLN结合全方位3D感知与高效token分层推理，提升空和地面机器人在复杂环境中的视觉语言导航能力，提升空间指认准确率并减少token消耗。

Echo Planning for Autonomous Driving: From Current Observations to Future Trajectories and Back

自动驾驶中的回声规划：从当前观测到未来轨迹及回溯

Jintao Sun, Hu Zhang, Gangyi Ding, Zhedong Zheng

机构 * School of Computer Science and Technology, Beijing Institute of Technology, China（北京理工大学计算机科学与技术学院） ； CSIRO DATA61, Australia（澳大利亚CSIRO DATA61） ； Faculty of Science and Technology and Institute of Collaborative Innovation, University of Macau, Macau SAR, China（澳门大学科学与技术学院及协同创新研究院） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；BEV(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出EchoP框架，通过建立当前-未来-当前循环，使轨迹预测与场景一致性协调。实验表明，该方法在nuScenes上减少L2误差并降低碰撞率，且在闭环评估中表现优异，无需额外监督。

Comments 12 pages, 4 figures

OccTENS: 3D Occupancy World Model via Temporal Next-Scale Prediction

OccTENS: 通过时间下一尺度预测实现的3D占用世界模型

Bu Jin, Songen Gu, Xiaotao Hu, Yupeng Zheng, Xiaoyang Guo, Qian Zhang, Xiaoxiao Long, Wei Yin

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Horizon Robotics（地平线机器人） ； Nanjing University（南京大学） 纠错

专题命中 规划控制 ：occupancy(title,abstract)；分类 cs.CV

AI总结 本文提出OccTENS，一种能高效生成高质量长期占用场景的生成模型，通过时间下一尺度预测任务解决效率、时间退化和可控性问题。

An HMDP-MPC Decision-making Framework with Adaptive Safety Margins and Hysteresis for Autonomous Driving

具有自适应安全边际和滞回机制的HMDP-MPC决策框架用于自动驾驶

Siyuan Li, Chengyuan Liu, Wen-Hua Chen

专题命中 规划控制 ：autonomous driving(title)

AI总结 本文提出一种整合混合马尔可夫决策过程与模型预测控制的决策框架，结合速度依赖的安全边际和预测感知的滞回机制，通过双层恢复方案提升决策连续性与鲁棒性，经多场景测试验证其在异构交通中的适应性与安全性。

Comments 8 pages, 6 figures, to be published in ICRA 2026 proceedings

Den-TP: A Density-Balanced Data Curation and Evaluation Framework for Trajectory Prediction

Den-TP：一种基于密度平衡的数据整理与评估框架用于轨迹预测

Ruining Yang, Yi Xu, Yun Fu, Lili Su

机构 * Northeastern University, USA（东北大学） 纠错

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

AI总结 本文提出Den-TP框架，通过密度感知的数据整理和评估方法，平衡轨迹预测数据集的密度分布，提升模型鲁棒性。

Comments Accepted by CVPR2026

Physics-informed Deep Mixture-of-Koopmans Vehicle Dynamics Model with Dual-branch Encoder for Distributed Electric-drive Trucks

具有双分支编码器的物理信息深度混合Koopman车辆动力学模型用于分布式电动卡车

Jinyu Miao, Pu Zhang, Rujun Yan, Yifei He, Bowei Zhang, Zheng Fu, Ke Wang, Qi Song, Kun Jiang, Mengmeng Yang, Diange Yang

机构 * School of Vehicle and Mobility, and State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University, Beijing, China（车辆与移动系统学院和智能绿色车辆与移动系统国家重点实验室，清华大学，北京，中国） ； KargoBot Inc., Beijing, China（KargoBot公司，北京，中国） 纠错

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

AI总结 本文提出了一种基于Koopman算子理论的全数据驱动方法，用于复杂分布式电动卡车的动力学建模，通过双分支编码器和物理信息监督机制提升建模精度和兼容性。

Comments 13 pages, 8 tables, 7 figures

Forecast-Aware Cooperative Planning on Temporal Graphs under Stochastic Adversarial Risk

面向随机对抗风险的时序图上协作规划

Manshi Limbu, Xuan Wang, Gregory J. Stein, Daigo Shishika, Xuesu Xiao

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出一种面向随机对抗风险的时序图协作规划框架，通过整合随机风险预测与前瞻性支持分配，有效降低团队总预期成本，接近理想规划器性能。

Hierarchical Decision-Making under Uncertainty: A Hybrid MDP and Chance-Constrained MPC Approach

在不确定性下的分层决策：一种混合MDP和机会约束MPC方法

Siyuan Li, Chengyuan Liu, Wen-Hua Chen

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

AI总结 本文提出一种混合MDP和机会约束MPC的分层决策框架，用于自动驾驶中处理不确定性，通过多模态预测与安全约束实现 maneuver 选择与动态可行性的统一，验证了其在高速公路和城市环境中的安全性和效率。

Comments 14 pages, 10 figures

Topology-Preserving Deep Joint Source-Channel Coding for Semantic Communication

保持拓扑的深度联合源-信道编码用于语义通信

Omar Erak, Omar Alhussein, Fang Fang, Sami Muhaidat

机构 * Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） ； Khalifa University（哈利法大学） 纠错

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

AI总结 本文提出TopoJSCC框架，通过整合持续同调正则化提升拓扑保持能力，在低信噪比和带宽比条件下改进拓扑保护和PSNR。

Comments Submitted to IEEE Journals for possible publication

BEV-SLD: Self-Supervised Scene Landmark Detection for Global Localization with LiDAR Bird's-Eye View Images

BEV-SLD：基于LiDAR鸟瞰图像的自监督场景地标检测用于全局定位

David Skuddis, Vincent Ress, Wei Zhang, Vincent Ofosu Nyako, Norbert Haala

机构 * Institute for Photogrammetry and Geoinformatics, University of Stuttgart, Germany（摄影测量与地理信息研究所，斯图加特大学，德国） 纠错

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

AI总结 本文提出BEV-SLD，通过自监督学习利用鸟瞰图像发现特定场景模式，实现鲁棒的全局定位，优于现有方法。

Comments Accepted to CVPR 2026

Test-Time 3D Occupancy Prediction

测试时3D占用预测

Fengyi Zhang, Xiangyu Sun, Huitong Yang, Zheng Zhang, Zi Huang, Yadan Luo

机构 * UQMM Lab, The University of Queensland（昆士兰大学UQMM实验室） ； Harbin Institute of Technology（哈尔滨工程大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 本文提出TT-Occ框架，通过实时集成视觉基础模型，实现灵活的3D高斯表示和占用预测，适用于不同体素分辨率和新类别识别。

Comments CVPR 2026

VisionNVS: Self-Supervised Inpainting for Novel View Synthesis under the Virtual-Shift Paradigm

VisionNVS: 一种基于虚拟位移范式的自监督补全方法用于新型视角合成

Hongbo Lu, Liang Yao, Chenghao He, Fan Liu, Wenlong Liao, Tao He, Pai Peng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学） ； COWARobot Co. Ltd.（COWARobot有限公司） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 本文提出VisionNVS，通过引入虚拟位移策略，将视角合成问题转化为自监督补全任务，利用单目深度代理模拟遮挡模式，提升自动驾驶中新型视角合成的几何精度和视觉质量。

Objective clustering protocol for single-molecule data: A lifetime vs. intensity study

单分子数据的客观聚类协议：寿命与强度研究

Michael Lovemore, Joshua Botha, Bertus van Heerden, Tjaart Kruger

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出一种客观方法对单分子数据进行聚类，通过寿命-强度相关性验证，利用高斯混合模型确定最优聚类数，并通过统计稳健性和物理意义的指标提升分析可靠性。

Comments 19 Pages in Main, 5 pages in SI, 6 figures in Main text, 6 figures in SI, 1 table

Joint Optimization of Storage and Loading for High-Performance 3D Point Cloud Data Processing

高绩效3D点云数据处理中存储与加载的联合优化

Ke Wang, Yanfei Cao, Xiangzhi Tao, Naijie Gu, Jun Yu, Zhengdong Wang, Shouyang Dong, Fan Yu, Cong Wang, Yang Luo

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

AI总结 本文提出.PcRecord格式和高效数据处理流水线，通过多阶段并行架构优化计算资源，提升大规模点云数据处理效率，实验显示在多个数据集上性能提升显著。

AgriChrono: A Multi-modal Dataset Capturing Crop Growth and Lighting Variability with a Field Robot

AgriChrono：一种捕捉作物生长和光照变化的多模态数据集

Jaehwan Jeong, Tuan-Anh Vu, Mohammad Jony, Shahab Ahmad, Md. Mukhlesur Rahman, Sangpil Kim, M. Khalid Jawed

机构 * Korea University（韩国大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； North Dakota State University（北达科他州立大学） 纠错

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

AI总结 本文提出AgriChrono数据集，通过多传感器平台采集农田动态变化数据，验证了高精度动态非刚性场景重建的挑战，推动农业机器人研究。

Comments Keywords: Agricultural Robotics, In-the-wild Dataset, 3D Reconstruction

Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey

边缘-云协同计算在分布式智能与模型优化中的应用：综述

Jing Liu, Yao Du, Kun Yang, Jiaqi Wu, Yan Wang, Xiping Hu, Zehua Wang, Yang Liu, Peng Sun, Azzedine Boukerche, Victor C. M. Leung

机构 * Division of Natural and Applied Sciences, Duke Kunshan University（杜克-昆山大学自然科学与应用科学系） ； Department of Electrical and Computer Engineering, The University of British Columbia（不列颠哥伦比亚大学电气与计算机工程系） ； College of Future Information Technology, Fudan University（复旦大学未来信息科技学院） ； Ant Group（蚂蚁集团） ； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） 纠错

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

AI总结 本文综述了边缘-云协同计算在分布式智能与模型优化中的应用，探讨了核心架构、技术及挑战，包括模型压缩、适应与神经网络架构搜索，以及AI驱动的资源管理策略，同时分析了隐私保护、安全增强及实际部署案例。

Comments Accepted by IEEE ComST. 45 pages, 13 figures, 10 tables