自动驾驶

Memory-Efficient Boundary Map for Large-Scale Occupancy Grid Mapping

高效内存边界图用于大规模占用网格映射

Benxu Tang, Yunfan Ren, Yixi Cai, Fanze Kong, Wenyi Liu, Fangcheng Zhu, Longji Yin, Liuyu Shi, Fu Zhang

机构 * Mechatronics and Robotic Systems (MaRS) Laboratory, Department of Mechanical Engineering, The University of Hong Kong, Hong Kong SAR, China（机械电子与机器人系统实验室，机械工程系，香港大学，香港特别行政区，中国） ； Department of Robotics, Perception, and Learning, KTH Royal Institute of Technology, Stockholm, Sweden（机器人、感知与学习系，皇家理工学院，斯德哥尔摩，瑞典） 纠错

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

AI总结 本文提出一种高效内存边界图方法，通过仅维护映射体积的边界来减少内存消耗，并设计了新的数据结构支持高效查询。

Journal ref Benxu Tang, et al. The International Journal of Robotics Research, published online 2026

The potential and viability of V2G for California BEV drivers

V2G在加州电动汽车车主中的潜力与可行性

Clement Wong, Amalie Trewartha, Steven B. Torrisi, Alexandre L. S. Filipowicz

专题命中 BEV与占用 ：BEV(title,abstract)

AI总结 本文基于加州真实数据，设计评估用户导向的V2G策略，发现日常充电者参与V2G最可行，电池寿命受日历老化敏感度影响，高敏感度电池参与V2G可能提升容量保持。

Comments Minor revisions

Scene Representation using 360° Saliency Graph and its Application in Vision-based Indoor Navigation

基于360°显著性图的场景表示及其在基于视觉的室内导航中的应用

Preeti Meena, Himanshu Kumar, Sandeep Yadav

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

AI总结 本文提出一种360°显著性图表示方法，用于提升场景表示效率和室内导航性能，通过编码视觉、上下文、语义和几何信息，提高场景定位和导航准确性。

Entanglement in a driven two-qubit system coupled to common cavity

双量子比特系统与公共腔耦合中的纠缠

Amit Dey

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究双量子比特系统与公共腔耦合中的纠缠，分析初始腔态有限性和量子比特-腔耦合不对称性对纠缠的影响，探讨闭合系统和驱动耗散情况下纠缠的生成机制。

Comments 6 pages, 5 figures