自动驾驶

Multimodal Backdoor Attack on VLMs for Autonomous Driving via Graffiti and Cross-Lingual Triggers

通过涂鸦和跨语言触发器对自动驾驶VLMs进行多模态后门攻击

Jiancheng Wang, Lidan Liang, Yong Wang, Zengzhen Su, Haifeng Xia, Yuanting Yan, Wei Wang

专题命中 感知 ：autonomous driving(title,abstract)；self-driving(abstract)；分类 cs.CV

AI总结 本文提出GLA攻击方法，利用自然触发器在自动驾驶场景中实现隐蔽稳定的后门攻击，实验显示仅需10%污染率即可达到90%攻击成功率且无误报，同时提升模型性能指标，揭示了自动驾驶VLMs的安全威胁。

Comments This is a submission to the "Pattern Analysis and Applications". The manuscript includes 14 pages and 6 figures. All authors have approved the submission, and there is no conflict of interest to declare

Adversarial Robustness Analysis of Cloud-Assisted Autonomous Driving Systems

云辅助自动驾驶系统的对抗鲁棒性分析

Maher Al Islam, Amr S. El-Wakeel

机构 * Lane Department of Computer Science ； Electrical Engineering West Virginia University, WV, USA 纠错

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

AI总结 本文分析云辅助自动驾驶系统中感知模型和网络链路的跨层脆弱性，通过硬件在环测试验证对抗攻击和网络干扰对系统安全的影响，发现PGD攻击显著降低感知性能，网络延迟和丢包进一步破坏闭环控制。

HorizonWeaver: Generalizable Multi-Level Semantic Editing for Driving Scenes

HorizonWeaver: 通用多级语义编辑用于驾驶场景

Mauricio Soroco, Francesco Pittaluga, Zaid Tasneem, Abhishek Aich, Bingbing Zhuang, Wuyang Chen, Manmohan Chandraker, Ziyu Jiang

机构 * Simon Fraser University（西蒙菲莎大学） ； NEC Labs America（NEC美国实验室） 纠错

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

AI总结 本文提出HorizonWeaver，通过多级粒度、丰富高层语义和普遍领域转移解决驾驶场景编辑难题，构建大规模数据集并改进模型与训练方法，实现复杂驾驶场景的高质量指令驱动编辑。

Comments CVPR Findings 2026

Polarimetric Imaging for Perception

极化成像用于感知

Michael Baltaxe, Tomer Pe'er, Dan Levi

机构 * General Motors（通用汽车） 纠错

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

AI总结 本文研究极化成像在自动驾驶中的应用，利用RGB极化相机提升单目深度估计和自由空间检测性能，提出新数据集支持极化信息感知算法开发。

Journal ref British Machine Vision Conference (BMVC) 2023

Safety-Aligned 3D Object Detection: Single-Vehicle, Cooperative, and End-to-End Perspectives

安全对齐的3D目标检测：单车辆、协同和端到端视角

Brian Hsuan-Cheng Liao, Chih-Hong Cheng, Hasan Esen, Alois Knoll

机构 * DENSO AUTOMOTIVE Deutschland GmbH（电装汽车德国有限公司） ； Carl von Ossietzky University of Oldenburg（奥尔登堡大学） ； Technical University of Munich（慕尼黑工业大学） 纠错

专题命中 感知 ：end-to-end driving(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文探讨了安全对齐的3D目标检测评估与优化，通过单车辆、协同和端到端视角，提出EC-IoU损失函数，改进安全关键检测性能，并在SparseDrive中验证安全感知强化对碰撞率降低和系统安全性的提升。

Comments 10 pages, 9 figures, 6 tables

InCaRPose: In-Cabin Relative Camera Pose Estimation Model and Dataset

InCaRPose：车内相对相机姿态估计模型与数据集

Felix Stillger, Lukas Hahn, Frederik Hasecke, Tobias Meisen

机构 * University of Wuppertal（伍珀塔尔大学） ； Aptiv（Aptiv公司） 纠错

专题命中 感知 ：autonomous driving(abstract,comments)；分类 cs.CV、cs.AI

AI总结 本文提出InCaRPose模型，基于Transformer架构实现车内环境下高精度相机姿态估计，通过合成数据训练实现对鱼眼镜头畸变的鲁棒性，并在7-Scenes数据集上表现优异。

Comments Accepted at the CVPR 2026 Workshop on Autonomous Driving (WAD)

InfBaGel: Human-Object-Scene Interaction Generation with Dynamic Perception and Iterative Refinement

InfBaGel: 基于动态感知和迭代细化的人-物体-场景交互生成

Yude Zou, Junji Gong, Xing Gao, Zixuan Li, Tianxing Chen, Guanjie Zheng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Sichuan University（四川大学） ； Shenzhen University（深圳大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出一种粗到细的指令条件交互生成框架，结合一致性模型的迭代去噪过程，通过动态感知策略和 bump-aware 指导减少物理伪影，提升 HOSI 和 HOI 生成性能。

Comments ICLR 2026

RAVEN: Radar Adaptive Vision Encoders for Efficient Chirp-wise Object Detection and Segmentation

RAVEN：用于高效脉冲波束成像的雷达自适应视觉编码器

Anuvab Sen, Mir Sayeed Mohammad, Saibal Mukhopadhyay

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 感知 ：BEV(abstract)；分类 eess.IV、cs.AI

AI总结 RAVEN通过高效处理雷达数据实现目标检测和分割，采用自适应编码和早退出机制提升效率，减少计算量和延迟。

Comments CVPR submission / conference paper

Journal ref Computer Vision and Pattern Recognition Conference 2026

YOLOv11 Demystified: A Practical Guide to High-Performance Object Detection

YOLOv11 解密：高性能目标检测的实用指南

Nikhileswara Rao Sulake

机构 * Rajiv Gandhi University of Knowledge Technologies, Nuzvid, India（拉吉夫·甘地知识技术大学，努兹维德，印度） 纠错

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

AI总结 本文解析YOLOv11的架构，介绍其创新模块提升特征提取和小目标检测能力，并通过实验展示其在精度和推理速度上的优势。

Comments Paper accepted to CVC 2026 conference, but not continued due to no financial support

VERDI: VLM-Embedded Reasoning for Autonomous Driving

VERDI：嵌入视觉语言模型的自动驾驶推理

Bowen Feng, Zhiting Mei, Julian Ost, Filippo Ghilotti, Baiang Li, Roger Girgis, Anirudha Majumdar, Felix Heide

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

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

AI总结 VERDI通过在训练时整合视觉语言模型的推理过程和常识知识，提升自动驾驶系统的决策能力，实现更高效的模块化架构，同时保持快速推理速度。

MPCFormer: A physics-informed data-driven approach for explainable socially-aware autonomous driving

MPCFormer: 一种融合物理信息的数据驱动方法用于可解释的社交感知自主驾驶

Jia Hu, Zhexi Lian, Xuerun Yan, Ruiang Bi, Dou Shen, Yu Ruan, Chunlong Xia, Haoran Wang

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

AI总结 MPCFormer通过融合物理信息和数据驱动的方法，提升自主驾驶在复杂交通场景中的社交交互能力，实现更安全的人类行为模拟，实验显示其在轨迹预测和碰撞率控制方面表现优异。

Comments 17 pages, 17 figures

Hierarchical Trajectory Planning of Floating-Base Multi-Link Robot for Maneuvering in Confined Environments

浮基多连杆机器人的分层轨迹规划用于在受限环境中 maneuvering

Yicheng Chen, Jinjie Li, Haokun Liu, Zicheng Luo, Kotaro Kaneko, Moju Zhao

机构 * Department of Mechanical Engineering, The University of Tokyo（东京大学机械工程系） 纠错

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

AI总结 本文提出了一种分层轨迹规划框架，通过全局引导与配置感知的局部优化，实现浮基多连杆机器人在受限环境中的机动性，无需人工构建障碍模型。

Comments Accepted to IEEE T-ASE; DOI pending

Journal ref IEEE Transactions on Automation Science and Engineering, vol. 23, pp. 5460-5477, 2026

ARES OS 2.0: An Orchestration Software Suite for Autonomous Experimentation Systems and Self-Driving Labs

ARES OS 2.0：面向自主实验系统和自动驾驶实验室的编排软件套件

Arthur W. N. Sloan, Robert W. Waelder, Morgen L. Smith, Nicholas Kleiner, Arnas Babeckis, Jason Wheeler, Daylond Hooper, Benji Maruyama

专题命中 规划控制 ：self-driving(title,abstract)

AI总结 ARES OS 2.0通过服务导向架构实现实验室自动化和闭环自主实验，提供统一控制和实验设计工具，降低科研人员构建自动驾驶实验室的门槛。

GA-GS: Generation-Assisted Gaussian Splatting for Static Scene Reconstruction

GA-GS：基于生成的高斯点散射用于静态场景重建

Yedong Shen, Shiqi Zhang, Sha Zhang, Yifan Duan, Xinran Zhang, Wenhao Yu, Lu Zhang, Jiajun Deng, Yanyong Zhang

机构 * School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Advanced Technology, University of Science and Technology of China（中国科学技术大学先进技术研究院） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； School of information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院） 纠错

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

AI总结 本文提出GA-GS方法，通过生成技术辅助恢复动态物体遮挡区域，引入可学习的真实性标量平衡真实背景与生成区域，利用轨迹匹配数据集验证了其在大规模持久遮挡场景中的优越性能。

TIGFlow-GRPO: Trajectory Forecasting via Interaction-Aware Flow Matching and Reward-Guided Optimization

TIGFlow-GRPO：通过交互感知的流匹配和奖励引导优化进行轨迹预测

Xuepeng Jing, Wenhuan Lu, Hao Meng, Zhizhi Yu, Jianguo Wei

机构 * Tianjin University（天津大学） 纠错

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

AI总结 本文提出TIGFlow-GRPO，通过交互感知的流匹配和奖励引导优化，提升复杂环境下的轨迹预测准确性与稳定性，生成更符合社会规范和物理可行的轨迹。

SpectralSplat: Appearance-Disentangled Feed-Forward Gaussian Splatting for Driving Scenes

SpectralSplat：面向驾驶场景的外观-解耦前馈高斯点云法

Quentin Herau, Tianshuo Xu, Depu Meng, Jiezhi Yang, Chensheng Peng, Spencer Sherk, Yihan Hu, Wei Zhan

机构 * Applied Intuition ； The Hong Kong University of Science and Technology（香港科技大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 SpectralSplat通过前馈高斯点云法解耦场景几何与外观属性，提升驾驶场景的重建质量和可控外观迁移能力。

Comments Under review

SCP: Spatial Causal Prediction in Video

SCP：视频中的空间因果预测

Yanguang Zhao, Jie Yang, Shengqiong Wu, Shutong Hu, Hongbo Qiu, Yu Wang, Guijia Zhang, Tan Kai Ze, Hao Fei, Chia-Wen Lin, Mong-Li Lee, Wynne Hsu

机构 * National University of Singapore（新加坡国立大学） ； Shenzhen University（深圳大学） ； Sichuan University（四川大学） ； National Tsing Hua University（国立清华大学） 纠错

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

AI总结 本文提出SCP任务，挑战模型超越观察预测空间因果结果，并构建SCP-Bench基准测试，揭示人类与模型性能差距及因果推理局限。

Comments 30 pages, 21 figures, 17 tables, CVPR findings

Integrating Domain-Specialized Language Models with AI Measurement Tools for Deterministic Atomic-Resolution Experimentation

将领域专用语言模型与AI测量工具整合用于确定性原子分辨率实验

Zhuo Diao, Kouma Matsumoto, Linfeng Hou, Masahiro Ohara, Hayato Yamashita, Masayuki Abe

专题命中 规划控制 ：self-driving(abstract)

AI总结 本文提出一种框架，通过专门的小语言模型实现扫描探针显微镜的自主控制，结合AI驱动的测量工具，实现室温下的原子分辨率SPM实验，提升实验可靠性和可控性。

HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving

HAD：结合分层扩散与度量解耦RL的端到端驾驶

Wenhao Yao, Xinglong Sun, Zhenxin Li, Shiyi Lan, Zi Wang, Jose M. Alvarez, Zuxuan Wu

机构 * Fudan University（复旦大学） ； NVIDIA（英伟达） 纠错

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

AI总结 HAD提出一种端到端规划框架，结合分层扩散策略与度量解耦RL，通过结构保持轨迹扩展生成真实轨迹并提升驾驶目标优化效果，实验表明在NAVSIM和HUGSIM上取得新突破。

Comments 17 pages, 7 figures

LongTail Driving Scenarios with Reasoning Traces: The KITScenes LongTail Dataset

长尾驾驶场景与推理轨迹：KITScenes长尾数据集

Royden Wagner, Omer Sahin Tas, Jaime Villa, Felix Hauser, Yinzhe Shen, Marlon Steiner, Dominik Strutz, Carlos Fernandez, Christian Kinzig, Guillermo S. Guitierrez-Cabello, Hendrik Königshof, Fabian Immel, Richard Schwarzkopf, Nils Alexander Rack, Kevin Rösch, Kaiwen Wang, Jan-Hendrik Pauls, Martin Lauer, Igor Gilitschenski, Holger Caesar, Christoph Stiller

机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（FZI信息技术研究中心） ； University Charles III of Madrid（马德里卡洛斯三世大学） ； Technical University of Madrid（马德里理工大学） ； University of Toronto（多伦多大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

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

AI总结 本文提出KITScenes长尾数据集，通过多视角视频、轨迹、指令和推理轨迹提升模型在长尾驾驶场景下的泛化能力，评估指令遵循与语义连贯性。

Comments 21 pages; v2: update MMS values (bugfix)

The Blind Spot of Adaptation: Quantifying and Mitigating Forgetting in Fine-tuned Driving Models

适应的盲区：量化和缓解在微调驾驶模型中的遗忘

Runhao Mao, Hanshi Wang, Yixiang Yang, Qianli Ma, Jingmeng Zhou, Zhipeng Zhang

机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab实验室） 纠错

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

AI总结 本文首次系统研究驾驶模型中灾难性遗忘问题，提出Drive Expert Adapter框架，通过提示空间适应提升驾驶性能并保留通用能力。

Comments received by cvpr2026

BePo: Dual Representation for 3D Occupancy Prediction

BePo：3D占用预测的双表示

Yunxiao Shi, Hong Cai, Jisoo Jeong, Yinhao Zhu, Shizhong Han, Amin Ansari, Fatih Porikli

机构 * Qualcomm AI Research（高通人工智能研究院） ； Qualcomm Technologies, Inc.（高通技术公司） 纠错

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

AI总结 本文提出BePo，通过结合BEV和稀疏点的双表示，解决小物体和大平面的占用预测问题，实验表明其在多个基准上表现优异且推理成本低。

Comments CVPR 2026 Workshop on Autonomous Driving

Sub-Landau levels in two-dimensional electron system in magnetic field

二维电子系统在磁场中的亚朗道能级

Guo-Qiang Hai

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究强磁场下二维系统中相互作用电子的精确解，发现其组织成由相对角动量量子数m定义的亚朗道能级，揭示了电子关联对量子反常霍尔系统中关联相出现的微观机制。

Comments 9 pages, 4 figures

MPTF-Net: Multi-view Pyramid Transformer Fusion Network for LiDAR-based Place Recognition

MPTF-Net：基于LiDAR的多视图金字塔Transformer融合网络用于地点识别

Shuyuan Li, Zihang Wang, Xieyuanli Chen, Wenkai Zhu, Xiaoteng Fang, Peizhou Ni, Junhao Yang, Dong Kong

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

AI总结 本文提出MPTF-Net，通过多视图多尺度金字塔Transformer融合网络，改进基于BEV的地点识别，利用NDT建模局部几何复杂度，提升在复杂环境中的识别性能。

DSERT-RoLL: Robust Multi-Modal Perception for Diverse Driving Conditions with Stereo Event-RGB-Thermal Cameras, 4D Radar, and Dual-LiDAR

DSERT-RoLL：多模态感知用于多样驾驶条件的鲁棒性，结合立体事件-RGB-热成像相机、4D雷达和双光雷达

Hoonhee Cho, Jae-Young Kang, Yuhwan Jeong, Yunseo Yang, Wonyoung Lee, Youngho Kim, Kuk-Jin Yoon

机构 * Visual Intelligence Lab, KAIST（韩国科学技术院视觉智能实验室） 纠错

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

AI总结 本文提出DSERT-RoLL数据集，结合立体事件、RGB和热成像相机以及4D雷达和双光雷达，涵盖多样的天气和光照条件，提供精确的2D和3D边界框及轨迹ID，支持跨传感器组合的公平比较，提升新型传感器的数据可用性，并建立统一的3D和2D基准，促进传感器性能的系统研究。

Comments Accepted by CVPR2026

Expanding mmWave Datasets for Human Pose Estimation with Unlabeled Data and LiDAR Datasets

通过未标记数据和LiDAR数据扩展毫米波数据集用于人体姿态估计

Zhuoxuan Peng, Boan Zhu, Xingjian Zhang, Wenying Li, S. -H. Gary Chan

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

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

AI总结 本文提出EMDUL方法，利用未标记毫米波数据和LiDAR数据扩展现有数据集，提升人体姿态估计模型的性能和泛化能力，减少15.1%和18.9%的误差。

Comments Accepted by CVPR2026

Multi-Modal Sensor Fusion using Hybrid Attention for Autonomous Driving

多模态传感器融合使用混合注意力用于自动驾驶

Mayank Mayank, Bharanidhar Duraisamy, Florian Geiß, Abhinav Valada

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； University of Freiburg（弗莱堡大学） 纠错

专题命中 多传感器融合 ：autonomous driving(title,abstract)；BEV(abstract)；分类 cs.CV

AI总结 本文提出MMF-BEV框架，通过变形注意力实现雷达与摄像头BEV融合，通过传感器贡献分析验证传感器互补性，并在VoD数据集上优于单模态基线。

Comments 9 pages, 8 figures

CT-VoxelMap: Efficient Continuous-Time LiDAR-Inertial Odometry with Probabilistic Adaptive Voxel Mapping

CT-VoxelMap：高效的连续时间激光雷达-惯性里程计与概率自适应体素映射

Lei Zhao, Xingyi Li, Tianchen Deng, Chuan Cao, Han Zhang, Weidong Chen

专题命中 多传感器融合 ：LiDAR(title)；分类 cs.RO

AI总结 本文提出CT-VoxelMap，通过概率自适应体素映射提升移动机器人在快速运动或粗糙地形中的定位稳定性与准确性，采用B-样条基方法优化连续时间表示，改进雅可比推导并增强系统鲁棒性。

Clear Roads, Clear Vision: Advancements in Multi-Weather Restoration for Smart Transportation

清晰的道路，清晰的视野：智能交通中多天气恢复的进展

Vijay M. Galshetwar, Praful Hambarde, Prashant W. Patil, Akshay Dudhane, Sachin Chaudhary

机构 * Finolex Academy of Management and Technology（Finolex管理与技术学院） ； Drone Lab, Centre for Artificial Intelligence and Robotics, IIT Mandi（印度理工学院曼迪分校人工智能与机器人中心无人机实验室） ； Mehta Family School of Data Science and Artificial Intelligence, IIT Guwahati（印度理工学院古瓦哈提分校梅塔家族数据科学与人工智能学院） ； SPACE42 ； Centre of Excellence: Artificial Intelligence, School of Computer Science, UPES Dehradun（UPES德拉敦分校计算机科学学院人工智能卓越中心） 纠错

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

AI总结 本文综述了图像和视频恢复技术，以缓解天气引起的视觉障碍，分类了传统方法和数据驱动模型，并讨论了多天气系统和未来方向。

Comments Accepted for publication in IEEE Transactions on Intelligent Transportation Systems (2026)

Reproducibility study on how to find Spurious Correlations, Shortcut Learning, Clever Hans or Group-Distributional non-robustness and how to fix them

对如何发现虚假相关性、捷径学习、聪明汉效应或群体分布非鲁棒性及如何修复它们的可重复性研究

Ole Delzer, Sidney Bender

机构 * Technische Universität Berlin（柏林工业大学） 纠错

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

AI总结 本文通过比较分析探讨了在数据有限和子群不平衡等约束下，XAI方法在修复模型失败中的优势，发现CFKD在提升泛化能力上表现最佳，但许多方法依赖群体标签导致实际应用受限。

Comments 62 pages, 27 figures