视觉与机器人
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
不可见的触发器，可见的威胁！面向自动驾驶视觉3D检测的路式对抗生成攻击
专题命中 感知 ：autonomous driving(title,abstract)；LiDAR(abstract)；分类 cs.CV、cs.AI
AI总结 本文提出AdvRoad，通过生成自然道路风格的对抗性贴纸，提升自动驾驶系统在视觉3D检测中的鲁棒性，实验表明其在不同检测器和场景中均有效。
Comments Accepted by the AAAI 2026 (Main Track)
Journal ref AAAI Conference on Artificial Intelligence, 40(12), 9903-9911. (2026)
CoInfra：一种大规模协作基础设施感知系统及数据集，用于恶劣天气下的车-基础设施协作
机构 * Department of Mechanical and Mechatronics Engineering, University of Waterloo（滑铁卢大学机械与机电工程系） ； Department of Mechanical Engineering, University of New Brunswick（新不伦瑞克大学机械工程系） ； Department of Data and Systems Engineering, University of Hong Kong（香港大学数据与系统工程系） ； Technology Partnerships and Innovations, Rogers Communications, Canada Inc.（罗杰斯通讯公司技术创新部） ； Department of Mechanical Engineering, University of Alberta（阿尔伯塔大学机械工程系）
专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.RO
AI总结 本文提出CoInfra系统，通过14个路侧传感器节点和5G网络实现多节点协同感知，涵盖8个节点的环形城市交叉口在四种天气条件下的数据，验证基础设施感知在复杂交通场景中的安全提升作用。
Comments This paper has been submitted to the Transportation Research Part C: Emerging Technologies for review
野火蔓延场景：通过无训练方法增加分割扩散模型的样本多样性
机构 * KTH Royal Institute of Technology（皇家理工学院）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出通过无训练方法提升分割扩散模型样本多样性，验证了粒子引导和SPELL等技术在野火蔓延场景中的有效性，提升了HM IoU指标。
Comments Accepted at NLDL 2026. This version contains small corrections compared to the initial publication, see appendix for details
Journal ref Proceedings of the 7th Northern Lights Deep Learning Conference (NLDL), PMLR, Jan. 2026
ReManNet：一种用于单目3D车道检测的黎曼流形网络
机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing（信息工程测绘遥感国家重点实验室）
专题命中 感知 ：BEV(abstract)；分类 cs.CV
AI总结 本文提出ReManNet，通过将道路视为三维空间中的光滑2D流形，利用黎曼流形上的高斯描述符和轻量级门机制，提升单目3D车道检测的几何一致性与形状对齐性能。
GT-Space：通过地面真实特征空间增强异构协作感知
机构 * Sun Yat-sen University, Shenzhen Campus（中山大学深圳校区） ； Peng Cheng Laboratory (PCL)（鹏城实验室）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.AI
AI总结 本文提出GT-Space框架，通过构建地面真实标签的共同特征空间，实现异构agent的统一特征对齐，避免了传统方法中需要重新训练编码器或设计解释器模块的局限，提升了多agent协作感知的准确性和鲁棒性。
不确定性至关重要：面向自动驾驶运动预测的结构化概率在线制图
机构 * Bosch Center for AI（博世人工智能中心） ； University of Stuttgart（斯图加特大学） ； Coburg University of Applied Sciences（科堡应用科学大学）
专题命中 规划控制 ：autonomous driving(title,abstract)；driving perception(abstract)；分类 cs.RO
AI总结 本文提出结构化概率框架提升自动驾驶在线制图质量，通过低秩加对角线协方差分解建模空间依赖性，实现更准确的运动预测。
Hyper-STTN：基于超图的时空变换网络用于轨迹预测
机构 * School of Applied and Creative Computing, Purdue University（普渡大学应用与创意计算学院） ； Department of Computer Science and Department of Intelligent Systems Engineering, Indiana University Bloomington（印第安纳大学布卢明顿分校计算机科学系和智能系统工程系） ； Department of Applied Artificial Intelligence, Sungkyunkwan University（成均馆大学应用人工智能系）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出Hyper-STTN，通过构建多尺度超图和时空变换器，有效建模人群轨迹预测中的群体和个体交互，实验表明其优于现有方法。
Comments To appear in ICRA2026
通过博弈论轨迹生成实现自动驾驶车辆在作业区的 maneuvering 规划
专题命中 规划控制 ：trajectory planning(abstract)
AI总结 本文提出博弈论框架用于生成自动驾驶车辆在作业区的轨迹，通过建模变道为车辆间的非合作博弈，平衡安全、进度和交通稳定性，减少冲突频率35%。
Comments This work has been submitted to the IEEE for possible publication
DynFlowDrive: 基于流的动态世界建模用于自动驾驶
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出DynFlowDrive，通过流基于的动力学建模提升自动驾驶中的场景预测可靠性，引入稳定性感知的多模式轨迹选择策略，实验证明在nuScenes和NavSim基准上效果显著。
Comments 18 pages, 6 figs
EagleVision：基于BEV的双阶段框架用于空间智能
机构 * Atlas Lab（Atlas实验室） ； School of Aerospace, BUAA（北京航空航天大学航空学院） ； School of Software, BUAA（北京航空航天大学软件学院） ； State Key Laboratory of HERATT（HERATT国家重点实验室） ； Key Laboratory of SDODS (MOE) Project（SDODS重点实验室（教育部））
专题命中 BEV与占用 ：BEV(title,abstract)；分类 cs.CV
AI总结 EagleVision通过结合几何感知帧选择与主动BEV推理，提升视频空间推理能力，实现空间感知与验证的闭环循环。
Comments Accepted by CVPR 2026
快速3D扩散用于可扩展的颗粒介质合成
机构 * Aix Marseille Univ, CNRS, Centrale Med, LMA（艾克斯-马赛大学，法国国家科学研究中心，中央医疗学院，马赛实验室） ； Université Paris Saclay, CentraleSupélec, ENS Paris-Saclay, CNRS, Laboratoire de Mécanique Paris-Saclay UMR 9026（巴黎萨克雷大学，中央超算学院，巴黎-萨克雷高等师范学院，法国国家科学研究中心，巴黎机械实验室（UMR 9026）） ； Innovation and Research Department, SNCF（法国国家铁路公司创新与研究部）
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文提出基于3D扩散模型的新型生成管道，能够高效合成大规模颗粒介质，通过两阶段流程生成并拼接 voxel 网格，实现机械真实配置，显著提升模拟效率。
LIORNet：一种用于恶劣天气条件下自动驾驶的自监督激光雷达雪清除框架
机构 * Ministry of National Defense（国防 ministry） ； Department of Smart Mobility Engineering（智能移动工程系）
专题命中 激光雷达 ：autonomous driving(title,abstract)；LiDAR(title,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出LIORNet，通过自监督学习和多物理统计线索生成伪标签，有效区分噪声点与环境结构，提升恶劣天气下激光雷达感知的准确性和鲁棒性。
Comments 14 pages, 6 figures, 2 tables
一种320x240 SPAD dToF Flash LiDAR传感器，结合TDC和多时间门控，实现108米范围用于LiDAR和AR/VR应用
专题命中 激光雷达 ：LiDAR(title,abstract)
AI总结 本文提出一种结合TDC和多时间门控的SPAD dToF Flash LiDAR传感器，实现108米最大探测范围和2.93mm最小深度分辨率，适用于LiDAR和AR/VR应用。
Comments 8 pages, 5 figures, 1 table, journal
FlashCap：通过闪烁LED和事件视觉实现毫秒级人体动作捕捉
机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing, Xiamen University（厦门大学城市智能感知与计算重点实验室） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, School of Informatics, Xiamen University（厦门大学多媒体可信感知与高效计算重点实验室） ； National Institute for Data Science in Health and Medicine, Xiamen University（厦门大学医学数据科学国家研究院） ； ShanghaiTech University（上海科技大学）
专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV
AI总结 本文提出FlashCap系统，通过闪烁LED和事件视觉实现毫秒级人体动作捕捉，构建高质量数据集FlashMotion，并提出ResPose方法提升姿态估计精度和时间准确性。
Comments Accepted to CVPR 2026
基于深度学习的车辆ISAC场景动态环境重建
专题命中 激光雷达 ：LiDAR(abstract)
AI总结 本文提出基于ISAC信道的深度学习框架，通过多模态测量建立联合信道环境数据集，开发多阶段网络实现高精度动态环境重建，实验显示其在Chamfer Distance和F Score@1%上表现优异。
雷达-惯性里程计与连续时间惯性测量模型的在线时空校准
机构 * University of Zagreb Faculty of Electrical Engineering and Computing, Laboratory for Autonomous Systems and Mobile Robotics (LAMOR)（泽格布大学电子工程与计算学院，自主系统与移动机器人实验室） ； Calirad d.o.o.（Calirad公司）
专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO
AI总结 本文提出基于连续时间惯性测量模型的雷达-惯性里程计框架，实现在线空间和时间校准，无需依赖扫描匹配或环境假设，提高鲁棒性。
伪模拟用于自动驾驶
机构 * University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） ； NVIDIA Research（NVIDIA研究） ； Robert Bosch GmbH（罗伯特·博世集团） ； OpenDriveLab at Shanghai Innovation Institute（上海创新研究院自动驾驶实验室） ； University of Stuttgart（斯图加特大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Stanford University（斯坦福大学）
专题命中 仿真评测 ：autonomous driving(title)；分类 cs.RO、cs.CV、cs.AI
AI总结 本文提出伪模拟方法，通过在真实数据上生成合成观测，提升自动驾驶评估的现实性和效率，实现与闭环模拟更紧密的关联。
Comments CoRL 2025, updated with leaderboard snapshot from March 2026
深度学习在线建图的失效模式：如何衡量和解决这些模式
机构 * University of Wuppertal（乌珀塔尔大学） ； Aptiv Services Deutschland GmbH（Aptiv Services 德国分公司）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 本文提出框架识别和测量深度学习在线建图的失效模式，通过分离记忆输入特征和过拟合已知地图几何的效应，引入基于Fréchet距离的重建统计量和互补失效模式评分，分析数据集偏差并提出地图几何感知诊断方法，实验表明多样化和平衡的训练集能提升性能。
Comments Accepted to CVPR 2026, final camera ready version is published there
StreetForward：基于前馈因果注意力的动态街道感知
机构 * Li Auto Inc.（Li汽车公司） ； Zhejiang University（浙江大学）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出StreetForward框架，通过交替注意力机制和时间掩码注意力模块，实现动态街道的前馈重建，统一表示静态内容和动态实例，并在Waymo数据集上验证了其在视图合成和深度估计上的优越性。
CatBOX：一种结合谱混合核的分类-连续贝叶斯优化用于加速催化实验
机构 * Global College（全球学院） ； Department of Industrial Engineering and Operations Research（工业工程与运营管理系） ； Antai College of Economics and Management（经济管理学院） ； School of Chemistry and Chemical Engineering（化学与化工学院）
专题命中 仿真评测 ：self-driving(abstract)
AI总结 CatBOX通过结合谱混合核和信任区域方法，优化催化实验中的分类和连续参数，提升实验效率，实验证明其在多个任务中优于基线方法。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈