自动驾驶

PoseDriver: A Unified Approach to Multi-Category Skeleton Detection for Autonomous Driving

PoseDriver: 多类别骨架检测的统一方法用于自动驾驶

Yasamin Borhani, Taylor Mordan, Yihan Wang, Reyhaneh Hosseininejad, Javad Khoramdel, Alexandre Alahi

机构 * Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院） 纠错

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

AI总结 本文提出PoseDriver框架，通过统一多任务学习实现多类别骨架检测，展示了在车道检测和自行车骨架检测中的高性能表现。

DarkDriving: A Real-World Day and Night Aligned Dataset for Autonomous Driving in the Dark Environment

DarkDriving: 一个用于黑暗环境自动驾驶的真实世界白天和夜晚对齐数据集

Wuqi Wang, Haochen Yang, Baolu Li, Jiaqi Sun, Xiangmo Zhao, Zhigang Xu, Qing Guo, Haigen Min, Tianyun Zhang, Hongkai Yu

机构 * Chang’an University（长安大学） ； Cleveland State University（克利夫兰州立大学） ； A*STAR 纠错

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

AI总结 本文提出DarkDriving数据集，通过自动日夜间轨迹跟踪基于姿态匹配方法，在真实世界封闭测试场收集了9538对精准对齐的图像，用于研究低光照增强技术及自动驾驶检测任务。

Comments 8 pages, 8 figures. Accepted to ICRA 2026

Rotor-Failure-Aware Quadrotors Flight in Unknown Environments

具有旋转故障意识的四旋翼在未知环境中的飞行

Xiaobin Zhou, Miao Wang, Chengao Li, Can Cui, Ruibin Zhang, Yongchao Wang, Chao Xu, Fei Gao

机构 * School of Robotics and Automation, Nanjing University（南京大学机器人与自动化学院） ； Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制系统研究所） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（香港理工大学航空工程系） ； School of Aeronautic Science and Engineering, Beihang University（北航航空科学与工程学院） 纠错

专题命中 感知 ：LiDAR(abstract)；trajectory planning(abstract)；分类 cs.RO

AI总结 本文提出一种具有旋转故障意识的四旋翼导航系统，通过复合故障检测与诊断非线性模型预测控制器和LiDAR平台，在未知复杂环境中实现旋转故障的快速检测与飞行稳定。

VERIA: Verification-Centric Multimodal Instance Augmentation for Long-Tailed 3D Object Detection

VERIA：面向长尾3D目标检测的验证导向多模态实例增强

Jumin Lee, Siyeong Lee, Namil Kim, Sung-Eui Yoon

机构 * KAIST（韩国科学技术院） ； Naver Labs（Naver实验室） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 VERIA通过多模态实例增强方法提升长尾分布下3D目标检测性能，利用基础模型生成同步RGB-LiDAR实例并进行语义与几何验证，改进稀有类别的检测效果。

Towards Stealthy and Effective Backdoor Attacks on Lane Detection: A Naturalistic Data Poisoning Approach

面向车道检测的隐蔽且有效的后门攻击：一种自然数据污染方法

Yifan Liao, Yuxin Cao, Yedi Zhang, Wentao He, Yan Xiao, Xianglong Du, Zhiyong Huang, Jin Song Dong

专题命中 感知 ：autonomous driving(abstract)

AI总结 本文提出DBALD框架，通过自然触发器生成提升车道检测模型的攻击成功率和隐蔽性，实验显示其在四个主流模型上的平均成功率提升10.87%。

Comments Accepted in CVPR'26