自动驾驶

SPOT: Point Cloud Based Stereo Visual Place Recognition for Similar and Opposing Viewpoints

SPOT：基于点云的立体视觉位置识别用于相似和对立视角

Spencer Carmichael, Rahul Agrawal, Ram Vasudevan, Katherine A. Skinner

机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） ； Department of Robotics and the Department of Mechanical Engineering, University of Michigan（机器人学系和机械工程系，密歇根大学） 纠错

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

AI总结 本文提出SPOT技术，利用立体视觉里程计估计的结构进行对立视角视觉位置识别，通过双距离矩阵序列匹配方法提升识别精度，实验表明在不同光照条件下，SPOT在对立视角识别中达到91.7%的召回率，且存储和运行效率优于现有方法。

Comments Expanded version with added appendix. Published in ICRA 2024. Project page: https://umautobots.github.io/spot

Riverine Land Cover Mapping through Semantic Segmentation of Multispectral Point Clouds

基于多光谱点云的河流土地覆盖制图

Sopitta Thurachen, Josef Taher, Matti Lehtomäki, Leena Matikainen, Linnea Blåfield, Mikel Calle Navarro, Antero Kukko, Tomi Westerlund, Harri Kaartinen

机构 * Department of Remote Sensing and Photogrammetry, Finnish Geospatial Research Institute FGI（遥感与摄影测量系，芬兰地理研究所） ； Faculty of Technology, University of Turku（技术学院，图尔库大学） ； Department of Geography and Geology, University of Turku（地理与地质系，图尔库大学） ； Faculty of Geological Sciences, Complutense University of Madrid（地质科学学院，马德里卡洛斯三世大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文利用Point Transformer v2模型对多光谱LiDAR点云进行语义分割，实现河流环境土地覆盖制图，通过几何和光谱信息识别沙地、砾石、低植被等类别，验证了该方法在实际应用中的有效性。

LRC-WeatherNet: LiDAR, RADAR, and Camera Fusion Network for Real-time Weather-type Classification in Autonomous Driving

LRC-WeatherNet：用于自动驾驶中实时天气类型分类的激光雷达、雷达和摄像头融合网络

Nour Alhuda Albashir, Lars Pernickel, Danial Hamoud, Idriss Gouigah, Eren Erdal Aksoy

机构 * Halmstad University, School of Information Technology, Center for Applied Intelligent Systems Research（哈姆斯塔德大学，信息科技学院，应用智能系统研究中心） 纠错

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

AI总结 本文提出LRC-WeatherNet，通过融合激光雷达、雷达和摄像头数据，实现在恶劣天气下的实时天气分类，优于单一传感器基线，且在MSU-4S数据集上表现优异。

Comments Accepted for publication at IEEE Intelligent Vehicles Symposium - IVS 2026

A Unified Cloud-Edge-Terminal Framework for Multimodal Integrated Sensing and Communication

多模态感知与通信一体化的统一云-边-终端框架

Yubo Peng, Luping Xiang, Kun Yang, Feibo Jiang, Kezhi Wang, Christos Masouros

专题命中 多传感器融合 ：autonomous driving(abstract)；LiDAR(abstract)

AI总结 本文提出统一云-边-终端框架，通过多模态感知与通信融合，解决异构融合、通信开销和系统扩展性等挑战，提升任务导向的多模态感知能力。

Cross-Scenario Deraining Adaptation with Unpaired Data: Superpixel Structural Priors and Multi-Stage Pseudo-Rain Synthesis

跨场景去雨适应：超像素结构先验与多阶段伪雨合成

Kangbo Zhao, Miaoxin Guan, Xiang Chen, Yukai Shi, Jinshan Pan

机构 * School of Information Engineering, Guangdong University of Technology（广东工业大学信息工程学院） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） 纠错

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

AI总结 本文提出一种无需配对雨天数据的跨场景去雨适应框架，通过超像素生成模块提取结构先验，结合多阶段伪雨合成提升去雨性能，实验表明在未知分布领域取得显著PSNR提升。

Comments We aim at addressing the cross-scenario (i.e., O.O.D) de-rain challenge, which has been neglected for a long period

Beyond Scalar Rewards: Distributional Reinforcement Learning with Preordered Objectives for Safe and Reliable Autonomous Driving

超越标量奖励：用于安全可靠自动驾驶的预序目标分布强化学习

Ahmed Abouelazm, Jonas Michel, Daniel Bogdoll, Philip Schörner, J. Marius Zöllner

机构 * FZI Research Center for Information Technology（弗劳恩霍夫研究所信息技术研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

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

AI总结 本文提出预序多目标MDP框架，通过引入量化主导指标提升自动驾驶安全性和可靠性，实验表明其在Carla中表现出更优的性能和更稳健的策略。

Comments First and Second authors contributed equally; Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

Dynasto: Validity-Aware Dynamic-Static Parameter Optimization for Autonomous Driving Testing

Dynasto：面向自动驾驶测试的有效性感知动态-静态参数优化

Dmytro Humeniuk, Mohammad Hamdaqa, Houssem Ben Braiek, Amel Bennaceur, Foutse Khomh

专题命中 仿真评测 ：autonomous driving(title,abstract)

AI总结 Dynasto通过联合优化初始场景参数和动态对抗行为，发现更多真实安全关键故障，揭示自动驾驶系统中的弱点。

Comments 12 pages

Exploring self-driving labs for optoelectronic materials

探索光电子材料的自动驾驶实验室

Jonathan Staaf Scragg

专题命中 其他自动驾驶 ：self-driving(title,abstract)

AI总结 本文提出了一种以探索为导向的自动驾驶实验室，用于生成数据驱动的科学数据，通过系统扰动热力学和动力学合成变量，测量缺陷敏感可观测性，以改进光电子材料的合成-性质关系理解。

Comments 14 pages, 5 figures, accepted manuscript for Faraday Discussion conference on Emerging materials for optoelectronics applications, 1-3 July 2026, Edinburgh, UK

VIRD: View-Invariant Representation through Dual-Axis Transformation for Cross-View Pose Estimation

VIRD：通过双轴变换实现视图不变表示的跨视图姿态估计

Juhye Park, Wooju Lee, Dasol Hong, Changki Sung, Youngwoo Seo, Dongwan Kang, Hyun Myung

机构 * Urban Robotics Lab, School of Electrical Engineering, KAIST（首尔国立大学电气工程学院智能城市机器人实验室） ； Hanwha Aerospace（韩华航空航天） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出VIRD方法，通过双轴变换构建视图不变表示，解决地面与卫星视图间显著视角差异问题，提升跨视图姿态估计精度。

Comments Accepted to CVPR 2026