自动驾驶

SUG-Occ: Explicit Semantics and Uncertainty Guided Sparse Learning for Efficient 3D Occupancy Prediction

SUG-Occ：显式语义和不确定性引导的稀疏学习用于高效的3D占用预测

Hanlin Wu, Pengfei Lin, Ehsan Javanmardi, Naren Bao, Bo Qian, Hao Si, Manabu Tsukada

机构 * Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院） 纠错

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

AI总结 本文提出SUGOcc框架，通过显式语义和不确定性引导稀疏学习，实现高效3D占用预测，结合稀疏表示和轻量级解码器提升精度与效率。

osmAG-Nav: A Hierarchical Semantic Topometric Navigation Stack for Robust Lifelong Indoor Autonomy

osmAG-Nav：一种用于鲁棒长期室内自主性的分层语义拓扑导航栈

Yongqi Zhang, Jiajie Zhang, Chengqian Li, Fujing Xie, Sören Schwertfeger

机构 * ShanghaiTech University（上海科技大学） 纠错

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

AI总结 本文提出osmAG-Nav导航栈，通过分层语义拓扑地图实现大空间多层环境中的高效导航，降低规划延迟并提升长期定位稳定性。

Comments 42 pages, 10 figures

Recruiting Heterogeneous Crowdsource Vehicles for Updating a High-definition Map

招募异质性众包车辆以更新高精度地图

Wentao Ye, Yuan Luo, Bo Liu, Jianwei Huang

专题命中 BEV与占用 ：autonomous driving(abstract)

AI总结 本文研究如何通过异质性众包车辆在更新高精度地图时平衡新鲜度与招募成本，提出基于马尔可夫决策过程的最优策略及高效算法，实验证明其在成本和收敛时间上的优势。

Comments 13 pages, 5 figures. This is the author's accepted manuscript of the paper presented at the 2023 IEEE WiOpt conference

Journal ref 2023 21st International Symposium on Modeling and Optimization in Mobile, Ad Hoc, and Wireless Networks (WiOpt), pp. 1-8, Aug. 2023

Efficient and Cost-effective Vehicle Recruitment for HD Map Crowdsourcing

高效且经济的HD地图众包车辆招募

Wentao Ye, Yuan Luo, Bo Liu, Jianwei Huang

专题命中 BEV与占用 ：autonomous driving(abstract)

AI总结 本文提出一种高效经济的车辆招募机制，考虑车辆随机到达和异质性，提升HD地图更新效率并降低招募成本。

Comments 14 pages, 11 figures. This is the author's accepted manuscript of the article published in IEEE Transactions on Mobile Computing

Journal ref IEEE Transactions on Mobile Computing, vol. 24, no. 8, pp. 7505-7518, Aug. 2025

Explicit M-Polynomial and Degree-Based Topological Indices of Generalized Hanoi Graphs

一般化汉诺图的显式M多项式及度数基于的拓扑指数

El-Mehdi Mehiri

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文首次为一般化汉诺图$H_p^n$推导出显式的M多项式表达式，通过组合分析和斯特林数计算，得出所有对角线和非对角线系数的闭式，从而精确计算主要度数基于的拓扑指数。

Journal ref Discrete Applied Mathematics 387 (2026), 181--198

SimULi: Real-Time LiDAR and Camera Simulation with Unscented Transforms

SimULi: 基于无散射变换的实时激光雷达和摄像头模拟

Haithem Turki, Qi Wu, Xin Kang, Janick Martinez Esturo, Shengyu Huang, Ruilong Li, Zan Gojcic, Riccardo de Lutio

专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；self-driving(abstract)；分类 cs.RO、cs.CV

AI总结 SimULi 提出一种实时渲染任意相机模型和激光雷达数据的方法，通过扩展 3DGUT 并引入自动化拼接策略和射线剔除，提升了渲染速度和精度，适用于自动驾驶场景的高保真测试。

Comments ICLR 2026 - project page: https://research.nvidia.com/labs/sil/projects/simuli

Robust Global-Local Behavior Arbitration via Continuous Command Fusion Under LiDAR Errors

通过激光雷达误差下的连续命令融合实现鲁棒的全局-局部行为仲裁

Mohamed Elgouhary, Amr S. El-Wakeel

机构 * West Virginia University（西弗吉尼亚大学） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出一种ROS2原生仲裁模块，通过连续融合两个不变且可解释的控制器输出，实现自动驾驶系统在感知不完美和严格实时约束下的全局目标与局部安全反应协调。

Unleashing the Potential of Mamba: Boosting a LiDAR 3D Sparse Detector by Using Cross-Model Knowledge Distillation

释放Mamba的潜力：通过跨模型知识蒸馏提升LiDAR 3D稀疏检测器

Rui Yu, Runkai Zhao, Jiagen Li, Qingsong Zhao, HuaiCheng Yan, Meng Wang

机构 * East China University of Science and Technology（华东理工大学） ； University of Sydney（悉尼大学） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学技术学院） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出FASD框架，通过跨模型知识蒸馏将Transformer的全局上下文理解能力转移到Mamba模型，提升检测精度与效率，实现在Waymo和nuScenes数据集上的性能提升和资源消耗降低。

Annotation-Free Detection of Drivable Areas and Curbs Leveraging LiDAR Point Cloud Maps

无需标注的 drivable 区域和路障检测：利用 LiDAR 点云地图

Fulong Ma, Daojie Peng, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出 MADL 模块，通过 LiDAR 地图与路障检测结合，自动生成训练数据，提升 drivable 区域和路障检测的鲁棒性和准确性。

LiDAR for Crowd Management: Applications, Benefits, and Future Directions

激光雷达用于人群管理：应用、优势与未来方向

Abdullah Khanfor, Chaima Zaghouani, Hakim Ghazzai, Ahmad Alsharoa, Gianluca Setti

机构 * College of Computer Science and Information Systems, Najran University（纳吉兰大学计算机科学与信息系统学院） ； College of Innovation & Technology, University of Michigan-Flint（密歇根大学弗林特分校创新与技术学院） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） 纠错

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

AI总结 本文探讨了激光雷达在人群管理中的应用与优势，分析了其在隐私保护、恶劣天气适应性和三维建模方面的优势，并提出未来研究方向，包括数据集稀缺性、传感器融合与点云处理等。

Comments 8 pages, 5 figures, 1 table

Omni-LIVO: Robust RGB-Colored Multi-Camera Visual-Inertial-LiDAR Odometry via Photometric Migration and ESIKF Fusion

Omni-LIVO：通过光度迁移和ESIKF融合实现鲁棒的多摄像头视觉-惯性-激光雷达里程计

Yinong Cao, Chenyang Zhang, Xin He, Yuwei Chen, Chengyu Pu, Bingtao Wang, Kaile Wu, Shouzheng Zhu, Fei Han, Shijie Liu, Chunlai Li, Jianyu Wang

机构 * Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州高等研究院） ； Advanced Laser Technology Lab of Anhui Province（安徽省先进激光技术实验室） ； Key Laboratory of Space Active Opto-Electronics Technology, Shanghai Institute of Technical Physics, Chinese Academy of Sciences（中国科学院上海技术物理研究所空间主动光电技术重点实验室） 纠错

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

AI总结 Omni-LIVO通过多视角观测充分利用LiDAR几何信息，引入跨视角直接对齐策略和改进的ESIKF，提升多摄像头视觉-惯性-LiDAR里程计的精度和鲁棒性。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L). Early Access version available. This version supersedes all previous versions and is the official accepted manuscript for citation

Physics-Aware Diffusion for LiDAR Point Cloud Densification

面向激光雷达点云密集化的物理感知扩散模型

Zeping Zhang, Robert Laganière

机构 * University of Ottawa（渥太华大学） 纠错

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

AI总结 本文提出Scanline-Consistent Range-Aware Diffusion模型，通过概率细化提升激光雷达点云密集度，以156ms实现高保真结果，采用Ray-Consistency损失和Negative Ray增强技术抑制物理幻觉，提升3D检测性能。

Octree-based Learned Point Cloud Geometry Compression: A Lossy Perspective

基于八叉树的学得点云几何压缩：一种有损视角

Kaiyu Zheng, Wei Gao, Huiming Zheng

机构 * School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University（北京大学深圳研究生院电子与计算机工程学院） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出针对不同点云的有损压缩方法，针对物体点云改进叶节点压缩，针对LiDAR点云提出变率控制方法，实验显示方法在物体点云上表现更优，在LiDAR点云上实现约1%的比特误差。

Prompting Depth Anything for 4K Resolution Accurate Metric Depth Estimation

通过提示深度任何事实现4K分辨率的准确度量深度估计

Haotong Lin, Sida Peng, Jingxiao Chen, Songyou Peng, Jiaming Sun, Minghuan Liu, Hujun Bao, Jiashi Feng, Xiaowei Zhou, Bingyi Kang

机构 * Zhejiang University（浙江大学） ； ByteDance Seed（字节跳动Seed） ； Shanghai Jiao Tong University（上海交通大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出Prompt Depth Anything，利用低成本LiDAR作为提示，通过多尺度融合设计实现4K分辨率的度量深度估计，并在ARKitScenes和ScanNet++数据集上取得新突破。

Comments CVPR 2025; Project page: https://PromptDA.github.io/

Guided Lensless Polarization Imaging

引导式无镜头偏振成像

Noa Kraicer, Erez Yosef, Raja Giryes

机构 * Tel Aviv University（特拉维夫大学） ； School of Electrical Engineering, Faculty of Engineering（工程学院电气工程学院） 纠错

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

AI总结 本文提出一种结合紧凑型偏振-RGB传感器和常规RGB相机的无镜头偏振成像系统，通过两阶段流程提升重建质量与通用性。

Hybrid Action Based Reinforcement Learning for Multi-Objective Compatible Autonomous Driving

基于混合动作的多目标兼容自动驾驶强化学习

Guizhe Jin, Zhuoren Li, Bo Leng, Wei Han, Lu Xiong, Chen Sun

机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） ； Department of Data and Systems Engineering, University of Hong Kong（香港大学数据与系统工程系） 纠错

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

AI总结 本文提出一种多目标集成-批评强化学习方法，通过混合参数化动作空间结构和不确定性探索机制，提升自动驾驶在多目标兼容性、效率和安全性方面的性能。

Comments 14 pages, accepted for publication in IEEE Transactions on Neural Networks and Learning Systems (T-NNLS)

ScenePilot-4K: A Large-Scale First-Person Dataset and Benchmark for Vision-Language Models in Autonomous Driving

ScenePilot-4K：一个大规模第一视角数据集和基准，用于自动驾驶中视觉-语言模型的安全感知学习与评估

Yujin Wang, Yutong Zheng, Wenxian Fan, Tianyi Wang, Hongqing Chu, Li Zhang, Bingzhao Gao, Daxin Tian, Jianqiang Wang, Hong Chen

机构 * Tongji University（同济大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； Fudan University（复旦大学） ； Beihang University（北京航空航天大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出ScenePilot-4K数据集，包含3847小时视频和27.7亿帧图像，用于评估视觉-语言模型在自动驾驶中的场景理解、空间感知、运动规划和语义对齐能力，揭示模型在几何感知和规划推理方面的局限性。

OccuFly: A 3D Vision Benchmark for Semantic Scene Completion from the Aerial Perspective

OccuFly：一种用于从空中视角进行语义场景补全的3D视觉基准

Markus Gross, Sai B. Matha, Aya Fahmy, Rui Song, Daniel Cremers, Henri Meess

机构 * Fraunhofer Institute IVI（弗劳恩霍夫交通与基础设施系统研究所） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； UCLA（加州大学洛杉矶分校） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.CV

AI总结 本文提出OccuFly基准，通过无LiDAR相机数据生成框架，提供21类语义的20000+样本，评估视觉模型在空中场景中的局限性。

Comments Accepted to CVPR 2026

RailVQA: A Benchmark and Framework for Efficient Interpretable Visual Cognition in Automatic Train Operation

RailVQA: 一个用于自动列车操作中高效可解释视觉认知的基准和框架

Sen Zhang, Runmei Li, Zhichao Zheng, Yuhe Zhang, Jiani Li, Kailun Zhang, Tao Zhang, Wenjun Wu, Qunbo Wang

机构 * School of Automation and Intelligence, Beijing Jiaotong University（北京交通大学自动化与智能学院） ； School of Software, Northwestern Polytechnical University（西北工业大学软件学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出RailVQA-bench和RailVQA-CoM，旨在解决ATO中视觉感知与决策推理的高效可解释性问题，通过基准测试和框架提升认知泛化能力与跨领域适应性。

Service Discovery-Based Hybrid Network Middleware for Efficient Communication in Distributed Robotic Systems

基于服务发现的混合网络中间件用于分布式机器人系统中的高效通信

Shiyao Sang, Yinggang Ling

机构 * Huaiyin Institute of Technology（淮阴工学院） ； Chery Automobile Co., Ltd.（奇瑞汽车股份有限公司） 纠错

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

AI总结 本文提出RIMAOS2C中间件，通过多级服务发现组播支持多种通信模式，优化数据传输效率并减少延迟不确定性，提升自动驾驶系统通信性能。

Comments 8 pages, 8 figures, accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2025

FL-PBM: Pre-Training Backdoor Mitigation for Federated Learning

FL-PBM：联邦学习中的预训练后门缓解

Osama Wehbi, Sarhad Arisdakessian, Omar Abdel Wahab, Azzam Mourad, Hadi Otrok, Jamal Bentahar

机构 * Polytechnique Montréal（蒙特利尔理工学院） ； Khalifa University（哈利法大学） ； Concordia Institute for Information Systems Engineering, Concordia University（康考迪亚大学康考迪亚信息系统工程研究所） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出FL-PBM，一种在联邦学习中预训练阶段主动过滤恶意数据的机制，通过PCA提取特征、GMM聚类识别恶意样本及针对性模糊技术，有效降低后门攻击成功率，同时保持模型准确率。

Comments 12 pages, 3 figures, 1 table, 2 algorithms, Regular Journal Paper