视觉与机器人

自动驾驶

自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。

2026-04-02 至 2026-04-02 共收录 5 篇信号源：cs.RO, cs.CV, eess.IV, cs.AI

1. BEV与占用 5 篇

2604.01081 2026-04-02 cs.CV cs.LG cs.RO eess.IV 85%

ProOOD: Prototype-Guided Out-of-Distribution 3D Occupancy Prediction

ProOOD：基于原型的分布外3D占用预测

Yuheng Zhang, Mengfei Duan, Kunyu Peng, Yuhang Wang, Di Wen, Danda Pani Paudel, Luc Van Gool, Kailun Yang

机构 * Hunan University（湖南大学）； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）

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

AI总结本文提出ProOOD方法，通过原型引导的语义填充和尾部挖掘提升3D占用预测和分布外检测性能，实验表明其在多个数据集上均取得显著改进。

Comments Accepted to CVPR 2026. The source code is publicly available at https://github.com/7uHeng/ProOOD

2604.00701 2026-04-02 cs.NI 78%

Birdcast: Interest-aware BEV Multicasting for Infrastructure-assisted Collaborative Perception

Birdcast: 以兴趣为导向的BEV多播用于基础设施辅助的协作感知

Yanan Ma, Zhengru Fang, Yihang Tao, Yu Guo, Yiqin Deng, Xianhao Chen, Yuguang Fang

专题命中 BEV与占用：BEV(title,abstract)

AI总结 Birdcast提出了一种新的多播框架，通过考虑个体感兴趣的特征图，解决V2I-CP中通信瓶颈和异构信息需求问题，提升系统效用和感知质量。

2604.01134 2026-04-02 cs.RO cs.DB eess.IV 62%

VRUD: A Drone Dataset for Complex Vehicle-VRU Interactions within Mixed Traffic

VRUD：一种用于复杂车辆-行人交互的无人机数据集

Ziyu Wang, Hongrui Kou, Cheng Wang, Ruochen Li, Hubert P. H. Shum, Amir Atapour-Abarghouei, Yuxin Zhang

机构 * National Key Laboratory of Automotive Chassis Integration and Bionics, Jilin University（吉林大学汽车底盘集成与仿生全国重点实验室）； DRIVEResearch ； School of Engineering and Physical Sciences, Heriot-Watt University（赫瑞瓦特大学工程与物理科学学院）； Department of Computer Science, Durham University（杜伦大学计算机科学系）

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

AI总结本文提出VRUD数据集，用于复杂城市交通环境中的车辆-行人交互研究，包含高精度轨迹数据和多智能体交互场景，填补了现有数据集在无结构城市环境中的空白。

2604.00810 2026-04-02 cs.MA 50%

Role Differentiation in a Coupled Resource Ecology under Multi-Level Selection

群体中多级选择下的角色分化

Siddharth Chaturvedi, Ahmed El-Gazzar, Marcel van Gerven

专题命中 BEV与占用：occupancy(abstract)

AI总结本文研究了在持续个体级选择下，群体如何通过分化不同资源通道避免公地悲剧，通过计算模型和实验发现，零和通道的使用在世代间增加，角色分化得以维持。

Comments 9 pages, 6 figures, 1 table

2604.00028 2026-04-02 cs.AR cs.DC 50%

Sequence-Aware Split Heuristic to Mitigate SM Underutilization in FlashAttention-3 Low-Head-Count Decoding

基于序列意识的分割启发式方法以缓解FlashAttention-3在低头数解码中的SM不足

Martí Llopart Font, Javier Hernando, Cristina España-Bonet

专题命中 BEV与占用：occupancy(abstract)

AI总结本文提出一种序列感知的分割策略，通过在低头数情况下实现序列级并行，提升硬件利用率，从而在元数据启用的推理路径中提高解码内核效率约21-24%。