Deep Neural Network Based Roadwork Detection for Autonomous Driving
基于深度神经网络的自动驾驶道路施工检测
专题命中 感知 ：autonomous driving(title)；LiDAR(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出一种实时系统，结合YOLO网络和LiDAR数据，用于自动驾驶车辆检测并定位道路施工区域，提升施工区域导航安全性。
Comments 7 pages, 10 figures
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。
1. 感知 10 篇
UniDriveVLA: Unifying Understanding, Perception, and Action Planning for Autonomous Driving
UniDriveVLA: 联合理解、感知与行动规划以实现自动驾驶
机构 * Huazhong University of Science and Technology（华中科技大学） ； SKL-IOTSC, University of Macau（澳门大学智慧城市物联网国家重点实验室）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV
AI总结 UniDriveVLA通过专家解耦和三阶段训练策略，解决自动驾驶中感知与推理的冲突，实现空间感知与语义推理的统一，取得nuScenes和Bench2Drive的优异性能。
Comments code has been released at https://github.com/xiaomi-research/unidrivevla
ROS 2-Based LiDAR Perception Framework for Mobile Robots in Dynamic Production Environments, Utilizing Synthetic Data Generation, Transformation-Equivariant 3D Detection and Multi-Object Tracking
基于ROS 2的移动机器人动态生产环境LiDAR感知框架，利用合成数据生成、变换等价3D检测和多目标跟踪
机构 * Chair of Intelligence in Quality Sensing (IQS), Laboratory for Machine Tools and Production Engineering (WZL), RWTH Aachen University（亚琛工业大学机床与生产工程实验室质量感知智能教席） ； The Sirindhorn International Thai-German Graduate School of Engineering (TGGS), King Mongkut’s University of Technology North Bangkok (KMUTNB)（北曼谷先皇技术大学泰德国际工程研究生院）
专题命中 感知 ：LiDAR(title,abstract)；分类 cs.RO
AI总结 本文提出基于ROS 2的LiDAR框架，通过合成数据训练的变换等价3D检测与多目标跟踪，提升动态生产环境中机器人对6D姿态估计和多目标跟踪的鲁棒性，实验结果在72种场景中达到83.12%的IoU和91.12%的高阶跟踪精度。
Comments Accepted for publication at CIRP ICME 2025; will appear in Procedia CIRP
Foundation Models for Autonomous Driving System: An Initial Roadmap
自动驾驶系统中的基础模型：初步路线图
专题命中 感知 ：autonomous driving(title,abstract)
AI总结 本文探讨了基础模型在自动驾驶系统中的应用，分析了在基础设施、车载集成和实际部署三个维度中的现状、挑战和研究方向，旨在为构建安全可靠的自动驾驶系统提供指导。
Comments To appear in ACM Transactions on Software Engineering and Methodology (TOSEM)
LEO: Graph Attention Network based Hybrid Multi Sensor Extended Object Fusion and Tracking for Autonomous Driving Applications
LEO：基于图注意力网络的混合多传感器扩展物体融合与跟踪用于自动驾驶应用
机构 * Research and Development, Mercedes-Benz AG, Germany（德国梅赛德斯-奔驰集团研发部）
专题命中 感知 ：autonomous driving(title)；分类 cs.AI
AI总结 LEO结合图注意力网络融合多模态传感器数据，实现动态物体形状和轨迹的准确估计，具备自适应融合权重和跨传感器类型的一致性跟踪能力。
Comments 10 pages, 6 figures
Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception
通过3D几何感知统一无人机跨视角地理定位
机构 * School of Electronic Information, Wuhan University（武汉大学电子信息学院） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； Technology and Engineering Center for Space Utilization and the Key Laboratory of Space Utilization, Chinese Academy of Sciences（中国科学院空间应用工程与技术中心暨空间利用重点实验室） ； School of Aeronautics and Astronautics, University of Chinese Academy of Sciences（中国科学院大学航空宇航学院）
专题命中 感知 ：BEV(abstract)；分类 cs.CV
AI总结 本文提出一种几何感知的无人机地理定位框架，通过构建局部3D场景并生成虚拟俯视图，实现粗粒度场所识别与细粒度姿态估计的统一，提升GNSS拒止环境下无人机的定位精度。
Comments 15 pages, 10 figures
Riemannian and Symplectic Geometry for Hierarchical Text-Driven Place Recognition
Riemannian和Symplectic几何用于层次化文本驱动的位置识别
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出SympLoc框架，通过多级对齐策略提升文本到点云定位的鲁棒性，实验显示在KITTI360Pose数据集上Top-1召回率提升19%。
Comments 9 pages
AdaRadar: Rate Adaptive Spectral Compression for Radar-based Perception
AdaRadar: 基于雷达感知的自适应频谱压缩
机构 * Columbia University（哥伦比亚大学） ； Seoul National University（首尔国立大学）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出AdaRadar，通过自适应反馈机制实现雷达数据压缩，动态调整压缩比并利用零阶梯度近似，结合离散余弦变换和量化技术，实现超过100倍的特征尺寸缩减，性能损失仅约1%。
Comments Accepted to CVPR 2026. Project page: https://jp4327.github.io/adaradar/
ReScene4D: Temporally Consistent Semantic Instance Segmentation of Evolving Indoor 3D Scenes
ReScene4D: 时空一致的动态室内3D场景语义实例分割
机构 * Stanford University（斯坦福大学） ； Meta Reality Labs Research（Meta现实实验室）
专题命中 感知 ：LiDAR(abstract)；分类 cs.CV
AI总结 ReScene4D提出了一种新的4D室内语义实例分割方法，通过时空对比损失、掩码和序列化技术，在无需密集观测的情况下实现实例跟踪和性能提升，引入t-mAP指标评估时空一致性。
Comments CVPR 2026
Human Insights Driven Latent Space for Different Driving Perspectives: A Unified Encoder for Efficient Multi-Task Inference
由人类洞察驱动的潜在空间：一种统一编码器用于高效的多任务推理
机构 * Hybrid Intelligence, part of Capgemini Engineering（Hybrid Intelligence，Capgemini Engineering 旗下） ； Computer Science and Artificial Intelligence Laboratory (CSAIL), MIT（麻省理工学院计算机科学与人工智能实验室（CSAIL））
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出一种统一编码器，通过多任务学习提升自动驾驶中的视觉感知任务性能，并在转向估计中展示出优于其他方法的优势。
2. 规划控制 4 篇
AutoWeather4D: Autonomous Driving Video Weather Conversion via G-Buffer Dual-Pass Editing
AutoWeather4D：通过G-Buffer双步编辑实现自动驾驶视频天气转换
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Xiamen University（厦门大学） ； Meituan-M17, Hong Kong（美团-M17，香港）
专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 本文提出AutoWeather4D框架，通过G-Buffer双步编辑分离几何与光照，实现高质量天气合成，提供细粒度物理控制，适用于自动驾驶数据生成。
Comments Project Page: https://lty2226262.github.io/autoweather4d/ | Github: https://github.com/lty2226262/AutoWeather4D
SECURE: Stable Early Collision Understanding via Robust Embeddings in Autonomous Driving
SECURE: 通过在自动驾驶中鲁棒嵌入实现稳定的早期碰撞理解
机构 * Xiamen University Malaysia（厦门大学马来西亚分校） ； Xinjiang University（新疆大学） ； HKUST(GZ)（香港科技大学（广州））
专题命中 规划控制 ：autonomous driving(title)；分类 cs.CV
AI总结 本文提出SECURE框架，通过定义和强制模型鲁棒性提升自动驾驶中碰撞预测的稳定性与鲁棒性，在DAD和CCD数据集上取得新突破。
Comments 13 pages, 2 figures
Semantically Annotated Multimodal Dataset for RF Interpretation and Prediction
语义标注的多模态数据集用于射频解释与预测
机构 * National Institute of Standards and Technology (NIST)（美国国家标准与技术研究院） ； Prometheus Computing LLC（普罗米修斯计算有限责任公司）
专题命中 规划控制 ：LiDAR(abstract)；分类 cs.AI
AI总结 本文提出结合射频测量与视觉数据的多模态数据集，用于提升射频信号与物理环境的解释与预测能力。
Journal ref NeurIPS 2025 AI for Science Workshop
Learning Contextual Runtime Monitors for Safe AI-Based Autonomy
学习上下文感知的运行时监视器以实现安全的基于AI的自主性
机构 * Chalmers University of Technology（查尔姆斯理工大学） ； University of Gothenburg（哥德堡大学） ； University of California at Berkeley（加州大学伯克利分校）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.AI
AI总结 本文提出了一种学习上下文感知运行时监视器的新框架，用于安全的基于AI的控制集合。通过将监视学习转化为上下文学习任务，该方法在控制器选择中提供理论安全保证，并提高控制器多样性利用，通过自动驾驶模拟验证了其在安全性和性能上的显著改进。
3. 端到端驾驶 1 篇
F3DGS: Federated 3D Gaussian Splatting for Decentralized Multi-Agent World Modeling
F3DGS：联邦3D高斯点云用于去中心化多智能体世界建模
机构 * University of North Texas（北德克萨斯大学） ； Budapest University of Technology and Economics（布达佩斯技术与经济大学）
专题命中 端到端驾驶 ：LiDAR(abstract)；分类 cs.RO、cs.CV
AI总结 F3DGS通过联邦学习实现去中心化多智能体3D重建，利用共享几何框架和可见性感知聚合解决部分观测问题，实现分布式优化。
Comments Accepted to the CVPR 2026 SPAR-3D Workshop
4. BEV与占用 4 篇
Learning Spatial Structure from Pre-Beamforming Per-Antenna Range-Doppler Radar Data via Visibility-Aware Cross-Modal Supervision
通过可见性感知的跨模态监督学习从预波束成形每根天线范围-多普勒雷达数据中学习空间结构
机构 * University of the Bundeswehr Munich（慕尼黑联邦国防军大学）
专题命中 BEV与占用 ：BEV(abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.RO、cs.CV
AI总结 本文探讨了能否直接从预波束成形的每根天线范围-多普勒测量中学习有意义的空间结构，通过可见性感知的跨模态监督学习方法，评估了不同发射配置对几何恢复能力的影响。
Physics-Informed Transformer for Multi-Band Channel Frequency Response Reconstruction
具有物理信息的变换器用于多频段信道频率响应重建
机构 * School of Electrical Engineering and Computer Science, TU Berlin（柏林工业大学电气工程与计算机科学学院）
专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI
AI总结 本文提出一种具有物理信息的复杂变换器，用于从碎片化、部分观测的频谱快照中重建完整的宽带信道频率响应，通过建模子频段的干扰模式并结合物理信息损失函数，实现高精度的功率延迟剖面重建。
Comments 6 pages, 6 figures
Analysis of Efficient Transmission Methods of Grid Maps for Intelligent Vehicles
智能车辆网格地图高效传输方法分析
专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.RO
AI总结 本文分析了智能车辆网格地图传输问题，提出基于补丁的通信管道以高效传输网格地图数据，通过实验证明其在车载和V2X通信中的有效性。
Comments Accepted for 2026 IEEE Intelligent Vehicles Symposium (IV) - DOI will be added after publication
Conditional Distribution Estimation of Building Characteristics with Diffusion Models for Urban Energy Modeling
基于扩散模型的城市能耗建模中建筑特征条件分布估计
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文提出利用扩散模型生成建筑属性以填补数据缺口，通过条件扩散实现缺失特征的填补，验证了生成模型在加速建筑能耗建模中的潜力。
5. 激光雷达 5 篇
Simulating Realistic LiDAR Data Under Adverse Weather for Autonomous Vehicles: A Physics-Informed Learning Approach
在恶劣天气下为自动驾驶车辆模拟真实激光雷达数据：一种物理引导的学习方法
机构 * Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； University of New Brunswick（新不伦瑞克大学） ； Texas A&M University（德克萨斯农工大学）
专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.RO、eess.IV
AI总结 本文提出一种物理引导的学习框架PICWGAN，通过整合物理驱动约束来生成在恶劣天气下的真实激光雷达数据，提升了仿真与现实的差距，并在3D目标检测中表现出色。
Hi-LOAM: Hierarchical Implicit Neural Fields for LiDAR Odometry and Mapping
Hi-LOAM：基于隐式神经场的层次化激光雷达里程计与建图
机构 * School of Information Science and Engineering, Yunnan University（云南大学信息科学与工程学院） ； School of Information and Electronics, Beijing Institute of Technology（北京理工大学信息与电子学院） ； Yunnan Key Laboratory of Intelligent Systems and Computing, Yunnan University（云南大学云南省智能系统与计算重点实验室）
专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.RO
AI总结 本文提出Hi-LOAM，通过多尺度隐式神经场实现激光雷达里程计与建图，采用自监督学习解决传统LOAM在复杂场景中的局限性，实验验证其在多种数据集上的优越性能。
Comments This manuscript is the accepted version of IEEE Transactions on Multimedia
FSKD: Monocular Forest Structure Inference via LiDAR-to-RGBI Knowledge Distillation
FSKD：通过LiDAR到RGBI知识蒸馏推断单目森林结构
机构 * Helmholtz Centre for Environmental Research – UFZ（亥姆霍兹环境研究中心） ； Leipzig University（莱比锡大学） ； Georg-August University of Göttingen（哥廷根大学）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.CV、cs.AI
AI总结 本文提出FSKD框架，利用多模态教师模型融合RGBI影像与LiDAR衍生的平面指标和垂直剖面，通过交叉注意力机制，使RGBI-only的SegFormer学生模型在零样本情况下实现最先进的CHM性能，同时预测PAI和FHD等多指标。
Comments Paper in-review
IGLOSS: Image Generation for Lidar Open-vocabulary Semantic Segmentation
IGLOSS：面向激光雷达开放词汇语义分割的图像生成
机构 * LIGM, Ecole des Ponts, Univ Gustave Eiffel, CNRS（LIGM, 巴黎高科桥梁学院, 古斯塔夫·埃菲尔大学, 法国国家科学研究中心）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.CV
AI总结 本文提出一种新的方法，用于3D汽车激光雷达数据的零样本开放词汇语义分割。通过文本生成图像创建原型，利用2D视觉基础模型提取3D网络特征，实现点云标注，方法在nuScenes和SemanticKITTI上达到最新水平。
Seamless High-Resolution Terrain Reconstruction: A Prior-Based Vision Transformer Approach
无缝高分辨率地形重建：一种基于先验的知识的视觉Transformer方法
机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学）
专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、eess.IV
AI总结 本文提出基于单视角的DEM重建方法，利用低分辨率SRTM数据与高分辨率RGB影像结合，生成高分辨率DEM，实现100倍分辨率提升，适用于多区域GIS分析。
6. 仿真评测 5 篇
Efficient Equivariant Transformer for Self-Driving Agent Modeling
高效等价变换器用于自动驾驶代理建模
机构 * Waabi ； University of Toronto（多伦多大学）
专题命中 仿真评测 ：self-driving(title,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出DriveGATr，一种基于变换器的架构，通过多向量在2D投影几何代数中建模几何关系，实现SE(2)-等价性，无需显式成对相对位置编码，提升大规模场景下的效率。
Comments CVPR 2026
Bench2Drive-VL: Benchmarks for Closed-Loop Autonomous Driving with Vision-Language Models
Bench2Drive-VL: 用于基于视觉语言模型的闭环自动驾驶的基准测试
机构 * Shanghai Key Laboratory of Multimodal Embodied AI（上海市多模态具身智能重点实验室）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出Bench2Drive-VL，通过闭环评估方法提升视觉语言模型在自动驾驶中的性能，包含DriveCommenter生成多样化问题对、统一协议接口、灵活推理框架及完整开发生态，开源代码和标注数据。
Comments All codes and annotated datasets are available at \url{https://github.com/Thinklab-SJTU/Bench2Drive-VL} and \url{https://huggingface.co/datasets/Telkwevr/Bench2Drive-VL-base}
Causal Scene Narration with Runtime Safety Supervision for Vision-Language-Action Driving
基于运行时安全监督的因果场景叙述用于视觉-语言-动作驾驶
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） ； TIER IV, Inc.（TIER IV 公司）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出CSN方法，通过意图约束对齐、定量 grounding 和结构分离重构VLA文本输入，提升驾驶评分并增强安全性。
Comments 18 pages, 6 figures, 4 tables
Multi-Staged Framework for Safety Analysis of Offloaded Services in Distributed Intelligent Transportation Systems
多阶段框架用于分布式智能交通系统中卸载服务的安全分析
机构 * Institute of Measurement, Control and Microtechnology, Ulm University（乌尔姆大学测量、控制与微技术研究所） ； Federal Ministry of Education and Research（联邦教育与研究部） ； State Ministry of Economic Affairs, Labour and Tourism Baden-Württemberg（巴登-符腾堡州经济、劳动和旅游部）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO
AI总结 本文提出多阶段框架用于分析分布式智能交通系统中卸载服务的安全性，通过验证远程服务和本地数据的可靠性，降低计算复杂度并提高数据安全性。
Comments 2025 IEEE International Conference on Intelligent Transportation Systems (ITSC)
Approximating Analytically-Intractable Likelihood Densities with Deterministic Arithmetic for Optimal Particle Filtering
用确定性算术近似解析不可行的似然密度以实现最优粒子滤波
专题命中 仿真评测 ：self-driving(abstract)
AI总结 本文提出一种新的粒子滤波方法，通过确定性计算平台近似任意似然密度，提升实时处理效率和精度，实验显示其在速度和精度上均优于传统蒙特卡洛方法。
