自动驾驶

BEVMAPMATCH: Multimodal BEV Neural Map Matching for Robust Re-Localization of Autonomous Vehicles

BEVMapMatch：多模态鸟瞰神经地图匹配用于自动驾驶车辆的鲁棒重定位

Shounak Sural, Ragunathan Rajkumar

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出BEVMapMatch框架，利用多模态传感器融合生成鸟瞰图分割，通过交叉注意力机制检索地图片段，实现无需GNSS的鲁棒重定位，实验表明其在GNSS受限环境下的召回率显著提升。

Comments 8 pages, 5 figures

Occupancy Extrapolation: Reaching Many Excited Electronic States from Ground State Calculations

占据外推：从基态计算中获得许多激发电子态

Yichen Fan, Weitao Yang

专题命中 BEV与占用 ：occupancy(title,abstract)

AI总结 本文提出占据外推方法，通过基态计算高效获得激发态能量，保留ΔSCF物理特性并提供激发能量的物理解释，实现高精度计算。

Line-of-Sight-Constrained Multi-Robot Mapless Navigation via Polygonal Visible Regions

视距约束下的多机器人无图导航：基于多边形可见区域

Ruofei Bai, Shenghai Yuan, Xinhang Xu, Xingyu Ji, Xiaowei Li, Hongliang Guo, Wei-Yun Yau, Lihua Xie

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种基于多边形可见区域的多机器人无图导航方法，通过分布式通信建立视距约束，提升在障碍物密集环境下的连接稳定性与导航效率。

Comments 10 pages, 7 figures. See videos and code: https://github.com/bairuofei/LoS_constrained_navigation