自动驾驶

TruckDrive: Long-Range Autonomous Highway Driving Dataset

TruckDrive：长距离自动驾驶高速公路数据集

Filippo Ghilotti, Edoardo Palladin, Samuel Brucker, Adam Sigal, Mario Bijelic, Felix Heide

机构 * Torc Robotics ； Princeton University（普林斯顿大学） 纠错

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

AI总结 本文提出TruckDrive数据集，用于解决重卡车高速公路自动驾驶中长距离感知的挑战，通过多模态传感器采集47.5万样本，支持20秒序列中2D检测1000米和3D检测400米的感知基准测试。

Better than Average: Spatially-Aware Aggregation of Segmentation Uncertainty Improves Downstream Performance

优于平均：基于空间的分割不确定性聚合改进下游性能

Vanessa Emanuela Guarino, Claudia Winklmayr, Jannik Franzen, Josef Lorenz Rumberger, Manuel Pfeuffer, Sonja Greven, Klaus Maier-Hein, Carsten T. Lüth, Christoph Karg, Dagmar Kainmueller

机构 * Max-Delbrück-Center (MDC)（马克斯·德尔布吕克中心） ； Helmholtz Imaging（亥姆霍兹成像） ； Charité Universitätsmedizin（柏林夏里特医学院） ； Humboldt-Universität zu Berlin（柏林洪堡大学） ； University of Potsdam（波茨坦大学） ； German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Heidelberg University（海德堡大学） 纠错

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

AI总结 研究通过空间感知的不确定性聚合方法提升下游任务性能，分析现有聚合策略的优劣，提出新策略并验证其在不同数据集上的有效性。

Comments 27 pages, 13 figures, 6 tables. Accepted at CVPR 2026 (The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026)

Bootstrap Perception Under Hardware Depth Failure for Indoor Robot Navigation

基于硬件深度故障的室内机器人导航 bootstrap 感知系统

Nishant Pushparaju, Vivek Mattam, Aliasghar Arab

机构 * New York University（纽约大学） ； City College of New York（纽约市立学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种在硬件深度故障情况下用于室内机器人导航的 bootstrap 感知系统，通过自参照性质校准单目深度，提升障碍物感知覆盖率。

A Semantic Observer Layer for Autonomous Vehicles: Pre-Deployment Feasibility Study of VLMs for Low-Latency Anomaly Detection

面向自动驾驶的语义观察层：VLMs在低延迟异常检测中的预部署可行性研究

Kunal Runwal, Swaraj Gajare, Daniel Adejumo, Omkar Ankalkope, Siddhant Baroth, Aliasghar Arab

机构 * The City College of New York, Grove School of Engineering（纽约市立学院格罗夫工程学院） ； Department of Mechanical and Aerospace Engineering, Tandon School of Engineering, New York University（纽约大学坦登工程学院机械与航空航天工程系） ； Department of Electrical and Computer Engineering, Tandon School of Engineering, New York University（纽约大学坦登工程学院电气与计算机工程系） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.RO

AI总结 本文提出一种语义观察层，通过量化视觉-语言模型实现低延迟异常检测，验证了其在自动驾驶平台上的可行性。

Image Segmentation via Divisive Normalization: dealing with environmental diversity

通过除法归一化进行图像分割：应对环境多样性

Pablo Hernández-Cámara, Jorge Vila-Tomás, Paula Dauden-Oliver, Nuria Alabau-Bosque, Valero Laparra, Jesús Malo

机构 * Image Processing Lab, Universitat de València（巴伦西亚大学图像处理实验室） ； ValgrAI: Valencian Grad. School Research Network of AI（ValgrAI：巴伦西亚人工智能研究生研究网络） 纠错

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

AI总结 本文通过在U-Net中引入除法归一化，研究其在极端环境下的图像分割性能，发现其在不同光照、动态范围和对比度条件下均表现更优且更稳定。

RAD-LAD: Rule and Language Grounded Autonomous Driving in Real-Time

基于规则和语言的实时自动驾驶：RAD-LAD

Anurag Ghosh, Srinivasa Narasimhan, Manmohan Chandraker, Francesco Pittaluga

机构 * Carnegie Mellon University（卡内基梅隆大学） ； NEC Labs America（NEC美国实验室） ； UC San Diego（加州大学圣迭戈分校） 纠错

专题命中 规划控制 ：autonomous driving(title)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出RAD-LAD，结合规则和语言的实时自动驾驶系统，通过中断架构实现高效路径规划与文本推理，提升自动驾驶性能与可解释性。

Where to Look Next: Learning Viewpoint Recommendations for Informative Trajectory Planning

下一步在哪里寻找：为信息轨迹规划学习视角推荐

Max Lodel, Bruno Brito, Álvaro Serra-Gómez, Laura Ferranti, Robert Babuška, Javier Alonso-Mora

机构 * Delft University of Technology（代尔夫特理工大学） ； Czech Technical University in Prague（捷克理工大学） 纠错

专题命中 规划控制 ：trajectory planning(title)；分类 cs.RO

AI总结 本文提出一种基于深度强化学习的信息感知策略，用于指导递推时间 horizon轨迹优化规划器，以在动态可行且无碰撞的轨迹中最大化信息增益并减少环境不确定性。

Comments accepted to ICRA2022

Journal ref 2022 International Conference on Robotics and Automation (ICRA)

Context-Triggered Contingency Games for Strategic Multi-Agent Interaction

基于情境触发的应急游戏用于战略多智能体交互

Kilian Schweppe, Anne-Kathrin Schmuck

机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO

AI总结 本文提出基于时序逻辑规范的战略游戏与实时动态应急游戏结合的新型框架，通过双层架构和因子图求解器实现多智能体在不确定环境中的安全与进步。

Neuro-Cognitive Reward Modeling for Human-Centered Autonomous Vehicle Control

神经认知奖励建模用于以人为中心的自动驾驶控制

Zhuoli Zhuang, Yu-Cheng Chang, Yu-Kai Wang, Thomas Do, Chin-Teng Lin

机构 * University of Technology Sydney（悉尼科技大学） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出基于EEG的决策框架，将人类认知信息整合到强化学习中，提升自动驾驶的避障能力。

Asymptotically Optimal Policies for Weakly Coupled Markov Decision Processes

弱耦合马尔可夫决策过程的渐近最优策略

Diego Goldsztajn, Konstantin Avrachenkov

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文研究了通过n个弱耦合马尔可夫决策过程在无限时间范围内最大化期望平均奖励的问题，提出了一种将问题与确定性连续变量控制问题联系起来的方法，并给出了在n趋于无穷时实现最大期望平均奖励的策略构造方法。

Comments Accepted at the Journal of Applied Probability, 40 pages, 4 figures

X-World: Controllable Ego-Centric Multi-Camera World Models for Scalable End-to-End Driving

X-World: 可控的以自身为中心的多摄像头世界模型用于可扩展的端到端驾驶

Chaoda Zheng, Sean Li, Jinhao Deng, Zhennan Wang, Shijia Chen, Liqiang Xiao, Ziheng Chi, Hongbin Lin, Kangjie Chen, Boyang Wang, Yu Zhang, Xianming Liu

机构 * GWM Team（长城汽车团队） ； XPeng Inc.（小鹏汽车） 纠错

专题命中 端到端驾驶 ：end-to-end driving(title)；autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 X-World通过可控的多摄像头生成世界模型，实现高质量多视角视频生成，支持跨摄像头一致性、长时间动态稳定性和严格动作遵循，为可扩展的端到端驾驶评估提供基础。

Comments Technical Report

SafeDrive: Fine-Grained Safety Reasoning for End-to-End Driving in a Sparse World

SafeDrive: 为稀疏世界中的端到端驾驶进行细粒度安全推理

Jungho Kim, Jiyong Oh, Seunghoon Yu, Hongjae Shin, Donghyuk Kwak, Jun Won Choi

机构 * Seoul National University（首尔大学） 纠错

专题命中 端到端驾驶 ：end-to-end driving(title)；分类 cs.CV

AI总结 SafeDrive提出了一种端到端规划框架，通过轨迹条件化的稀疏世界模型进行显式且可解释的安全推理，实现了在开放循环和闭合循环基准上的最佳性能，有效降低了碰撞率。

Comments Accepted to CVPR 2026, 19 pages, 9 figures

SparseDriveV2: Scoring is All You Need for End-to-End Autonomous Driving

SparseDriveV2：仅需评分即可实现端到端自动驾驶

Wenchao Sun, Xuewu Lin, Keyu Chen, Zixiang Pei, Xiang Li, Yining Shi, Sifa Zheng

机构 * Tsinghua University（清华大学） ； Horizon Continental Technology（地平线大陆科技） ； Horizon（地平线） 纠错

专题命中 端到端驾驶 ：autonomous driving(title)；分类 cs.CV

AI总结 本文提出SparseDriveV2，通过可扩展的词汇表示和评分策略提升端到端自动驾驶性能，实现在NAVSIM和Bench2Drive上的高评分和成功率。

DeepEye: A Steerable Self-driving Data Agent System

DeepEye：一种可调节的自动驾驶数据代理系统

Boyan Li, Yiran Peng, Yupeng Xie, Sirong Lu, Yizhang Zhu, Xing Mu, Xinyu Liu, Yuyu Luo

专题命中 端到端驾驶 ：self-driving(title)

AI总结 本文提出DeepEye，一种基于工作流的生产级数据代理系统，通过统一多模态协调协议和分层推理机制，解决异构数据源联合分析和上下文爆炸问题，实现透明执行和自动化优化。

Comments SIGMOD Demo (2026)

OccSim: Multi-kilometer Simulation with Long-horizon Occupancy World Models

OccSim：基于长期占用世界模型的多公里模拟

Tianran Liu, Shengwen Zhao, Mozhgan Pourkeshavarz, Weican Li, Nicholas Rhinehart

机构 * Learning, Embodied Autonomy, and Forecasting (LEAF) Lab, University of Toronto（多伦多大学学习、具身自主与预测（LEAF）实验室） 纠错

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

AI总结 OccSim通过无需连续日志或HD地图，仅依赖初始帧和未来动作序列生成超过3000帧的3D占用地图，实现多公里规模的稳定生成，提升占用世界模型的生成长度达80倍。

Gleanmer: A 6 mW SoC for Real-Time 3D Gaussian Occupancy Mapping

Gleanmer：一种6毫瓦的SoC用于实时3D高斯占用映射

Zih-Sing Fu, Peter Zhi Xuan Li, Sertac Karaman, Vivienne Sze

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 Gleanmer通过算法与硬件协同优化，实现低功耗实时3D高斯占用映射，其在地图构建和查询中分别降低能耗63%和81%。

Comments Accepted to IEEE Symposium on VLSI Technology & Circuits (VLSI), 2026. To appear

Multimodal Higher-Order Brain Networks: A Topological Signal Processing Perspective

多模态高阶脑网络：拓扑信号处理视角

Breno C. Bispo, Stefania Sardellitti, Juliano B. Lima, Fernando A. N. Santos

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出基于拓扑信号处理的多模态框架，通过高阶拓扑域建模脑部，利用扩散MRI和静息态fMRI学习个体化脑细胞复合体，揭示高阶相互作用的拓扑特征及其与行为的关联。

Comments This paper has been sumbmitted to IEEE Transactions on Medical Imaging (TMI), March 2026

Kondo scaling of $4f$-electron states and the Kondo singlet breakdown in heavy fermions

$4f$电子态的Kondo标度与重费米子中的Kondo单态破坏

B. Tegomo Chiogo, M. Tagliavini, D. Wong, C. Schulz, 1 V. Porée, A. Nicolaou, R. Feyerherm, T. Schweitzer, T. Mazet, M. W. Haverkort, A. Chainani, D. Malterre, K. Habicht

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究利用RIXS和SIAM计算证实了CeSi₂中低能和高能Kondo标度，揭示了Kondo单态的破坏及热占据低能磁态的现象，展示了软X射线RIXS在强关联材料中探测低能和高能标混合效应的准确性。

Comments 8 pages, 5 figures

The Effectiveness and Limits of Time-of-Use Pricing in Public EV Charging Networks

分时电价在公共电动汽车充电网络中的有效性与局限性

Mingzhi Xiao, Yuki Takayama

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究通过分析深圳和阿姆斯特丹的充电站数据，探讨分时电价在管理需求中的有效性及局限，发现不同城市响应机制不同，天气变化对响应有相反影响，电力升级通常优于网络密度提升。

Interplay of Antiferromagnetism and Quasiperiodicity in a Hubbard Ring: Localization Insights

反铁磁性和准周期性在Hubbard环中的相互作用：局域化洞察

Souvik Roy, Ranjini Bhattacharya

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究准周期性反铁磁Hubbard环中局域化现象，探讨反铁磁序与电子关联的相互作用，揭示交互强度对局域化的影响及相图特征。

Comments 14 Pages, 16 Figures

UniLGL: Learning Uniform Place Recognition for FOV-limited/Panoramic LiDAR Global Localization

UniLGL：学习适用于视场受限/全景激光雷达全局定位的统一地方识别

Hongming Shen, Xun Chen, Yulin Hui, Zhenyu Wu, Wei Wang, Qiyang Lyu, Tianchen Deng, Danwei Wang

机构 * School of Automation, Hangzhou Dianzi University（杭州电子科技大学自动化学院） 纠错

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

AI总结 UniLGL通过编码完整点云生成空间和材质均匀性，结合多BEV融合网络实现统一特征提取，引入视角不变假设提升异构激光雷达的鲁棒性，最终在真实环境中验证了其在高精度定位与多无人机协同探索中的有效性。

Journal ref IEEE TRANSACTIONS ON ROBOTICS, 2026

Source-Only Cross-Weather LiDAR via Geometry-Aware Point Drop

仅源域跨天气LiDAR点云几何感知

YoungJae Cheong, Jhonghyun An

机构 * School of Computing, Gachon University（嘉泉大学计算机学院） 纠错

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

AI总结 本文提出几何感知适配器，通过局部窗口KNN搜索和水平圆填充，提升LiDAR语义分割在恶劣天气下的鲁棒性，实现+3.4mIoU的提升。

Comments Accepted by ICRA 2026

DCReg: Decoupled Characterization for Efficient Degenerate LiDAR Registration

DCReg: 用于高效退化LiDAR配准的解耦表征

Xiangcheng Hu, Xieyuanli Chen, Mingkai Jia, Jin Wu, Ping Tan, Steven L. Waslander

机构 * Hong Kong University of Science and Technology（香港科技大学） ； National University of Defense Technology（国防科技大学） ； University of Science and Technology Beijing（北京科技大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文提出DCReg方法，通过解耦配准问题中的退化因素，提高配准稳定性与精度，实验显示在多种环境中实现更高的定位精度和更快的计算速度。

Comments 27 pages, 19 figures, 9 tables

Recirculating frequency-shifting loop for flexible optical chirp generation and FMCW LiDAR

回流频率调制环用于灵活的光学啁啾生成和FMCW激光雷达

Alexander Mrokon, Sebastian Schöler, Leonard Vossgrag, Karsten Buse, Ingo Breunig

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 本文提出了一种回流频率调制环，用于生成可调带宽、持续时间、啁啾率和重复率的相干光学啁啾光，展示了其在FMCW激光雷达中的应用潜力。

Points-to-3D: Structure-Aware 3D Generation with Point Cloud Priors

Points-to-3D: 基于点云先验的结构感知3D生成

Jiatong Xia, Zicheng Duan, Anton van den Hengel, Lingqiao Liu

机构 * Australian Institute for Machine Learning, University of Adelaide, Australia（澳大利亚阿德莱德大学澳大利亚机器学习研究所） 纠错

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

AI总结 本文提出Points-to-3D框架，利用点云先验生成可控的3D资产和场景，通过结构修复网络和分阶段采样策略提升几何精度和渲染质量。

Comments Accepted by CVPR 2026

Native-Domain Cross-Attention for Camera-LiDAR Extrinsic Calibration Under Large Initial Perturbations

本域交叉注意机制用于大初始扰动下的相机-激光雷达外校准

Ni Ou, Zhuo Chen, Xinru Zhang, Junzheng Wang

机构 * School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； School of Integrated Circuits and Electronics, Beijing Institute of Technology（北京理工大学集成电路与电子学院） 纠错

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

AI总结 本文提出一种本域交叉注意机制，通过直接对齐图像块和激光雷达点云实现可靠的跨模态交互，提升在大初始扰动下的外校准精度和鲁棒性。

Comments 8 pages, 3 figures