自动驾驶

RePL: Pseudo-label Refinement for Semi-supervised LiDAR Semantic Segmentation

RePL：伪标签细化用于半监督激光雷达语义分割

Donghyeon Kwon, Taegyu Park, Suha Kwak

机构 * Dept. of CSE, POSTECH（浦项科技大学计算机科学与工程系） ； GSAI, POSTECH（浦项科技大学人工智能研究生院） 纠错

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.CV

AI总结 RePL通过掩码重建识别并纠正伪标签中的潜在错误，提升伪标签质量，从而在激光雷达语义分割中取得最优性能。

Telescope: Learnable Hyperbolic Foveation for Ultra-Long-Range Object Detection

望远镜：可学习的双曲视点用于超长距离目标检测

Parker Ewen, Dmitriy Rivkin, 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)；LiDAR(abstract)；分类 cs.CV

AI总结 本文提出Telescope模型，通过可学习的双曲视点解决超长距离目标检测中远距离小目标检测难题，实现mAP相对提升76%。

Comments Project website: https://light.princeton.edu/telescope

RadarCNN: Learning-based Indoor Object Classification from IQ Imaging Radar Data

RadarCNN: 基于学习的室内物体分类从IQ成像雷达数据

Stefan Hägele, Fabian Seguel, Driton Salihu, Marsil Zakour, Eckehard Steinbach

专题命中 感知 ：LiDAR(abstract)

AI总结 本文提出RadarCNN，通过学习室内IQ雷达数据实现小物体分类，准确率高达97-99%，在噪声和遮挡下仍保持50%准确率，展示方法鲁棒性及未来改进方向。

Comments 6 pages, 12 figures, 2024 IEEE Radar Conference (RadarConf24), Denver, CO, US

C-TRAIL: A Commonsense World Framework for Trajectory Planning in Autonomous Driving

C-TRAIL：用于自动驾驶轨迹规划的常识世界框架

Zhihong Cui, Haoran Tang, Tianyi Li, Yushuai Li, Peiyuan Guan, Amir Taherkordi, Tor Skeie

机构 * University of Oslo（奥斯陆大学） ； Hong Kong Polytechnic University（香港理工大学） ； Aalborg University（奥尔堡大学） 纠错

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

AI总结 本文提出C-TRAIL框架，结合常识世界与信任机制，通过Recall-Plan-Update循环提升自动驾驶轨迹规划的可靠性，实验表明其在ADE、FDE和SR指标上均优于现有方法。

Journal ref IEEE Transactions on Vehicular Technology, 2026

Towards Multi-Object Nonprehensile Transportation via Shared Teleoperation: A Framework Based on Virtual Object Model Predictive Control

通过共享遥控实现多物体非抓取运输：基于虚拟物体模型预测控制的框架

Xinyang Fan, Zhaoyang Chen, Shu Xin, Yi Ren, Zainan Jiang, Fenglei Ni, Hong Liu

机构 * State Key Laboratory of Robotics and System, Harbin Institute of Technology（哈尔滨工业大学机器人技术与系统国家重点实验室） ； Advanced Manufacturing Laboratory, Huawei Technologies（华为技术有限公司先进制造实验室） 纠错

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

AI总结 本文提出一种基于虚拟物体模型预测控制的共享遥控框架，解决多物体非抓取运输中的轨迹跟踪和托盘姿态控制问题，通过动态约束分析和轨迹平滑算法实现稳定操作。

Evolution of Video Generative Foundations

视频生成基础的演变

Teng Hu, Jiangning Zhang, Hongrui Huang, Ran Yi, Zihan Su, Jieyu Weng, Zhucun Xue, Lizhuang Ma, Ming-Hsuan Yang, Dacheng Tao

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

AI总结 本文综述了视频生成技术的发展，从早期GAN到扩散模型，再到AR和多模态技术，探讨了核心原理、关键进展及未来趋势，旨在为视频生成及其应用提供指导。

TopoMaskV3: 3D Mask Head with Dense Offset and Height Predictions for Road Topology Understanding

TopoMaskV3：用于道路拓扑理解的3D掩码头：具有密集偏移和高度预测

Muhammet Esat Kalfaoglu, Halil Ibrahim Ozturk, Ozsel Kilinc, Alptekin Temizel

机构 * Graduate School of Informatics, Middle East Technical University（中东技术大学信息学研究生院） ； Togg/Trutek AI Team（Togg/Trutek 人工智能团队） 纠错

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

AI总结 TopoMaskV3通过引入密集偏移场和高度图，实现了3D道路拓扑理解的稳健预测，同时解决了地理数据泄露问题，取得了新的性能突破。

Comments Accepted to CVPR 2026 Workshops (AUTOPILOT 2026): 3rd Workshop on Autonomous Understanding Through Open-world Perception and Integrated Language Models for On-road Tasks

KITE: Keyframe-Indexed Tokenized Evidence for VLM-Based Robot Failure Analysis

KITE：基于关键帧的令牌化证据用于基于视觉语言模型的机器人故障分析

Mehdi Hosseinzadeh, King Hang Wong, Feras Dayoub

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

专题命中 BEV与占用 ：BEV(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 KITE通过将长机器人执行视频转化为紧凑可解释的令牌化证据，提升基于VLM的机器人故障检测与分析能力，尤其在模拟故障检测中表现优异。

Comments ICRA 2026; Project page: https://m80hz.github.io/kite/

From Blobs to Spokes: High-Fidelity Surface Reconstruction via Oriented Gaussians

从斑块到辐条：通过定向高斯实现高保真的表面重建

Diego Gomez, Antoine Guédon, Nissim Maruani, Bingchen Gong, Maks Ovsjanikov

机构 * LIX, École Polytechnique（LIX，巴黎综合理工学院） ； Inria, Côte d'Azur（法国国家信息与自动化研究所，蔚蓝海岸） 纠错

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

AI总结 本文提出Gaussian Wrapping方法，通过引入可学习的定向法向量和改进的衰减公式，实现复杂场景的高精度封闭网格重建，解决了传统3DGS在表面提取中的难题。

Comments Our project page is available in http://diego1401.github.io/BlobsToSpokesWebsite/index.html

TRAPTI: Time-Resolved Analysis for SRAM Banking and Power Gating Optimization in Embedded Transformer Inference

TRAPTI：面向嵌入式变换器推理的时序分析及SRAM银行化与电源门控优化

Jan Klhufek, Alberto Marchisio, Vojtech Mrazek, Lukas Sekanina, Muhammad Shafique

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 针对嵌入式硬件中变换器网络在面积、延迟和能耗约束下的部署问题，TRAPTI通过时序分析和模拟仿真，优化SRAM银行化与电源门控策略，降低内存占用并提升效率。

Comments To appear at the International Joint Conference on Neural Networks - IJCNN 2026. Maastricht, Netherlands

Geo-EVS: Geometry-Conditioned Extrapolative View Synthesis for Autonomous Driving

Geo-EVS：基于几何条件的外推视图合成用于自动驾驶

Yatong Lan, Rongkui Tang, Lei He

机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（清华大学智能绿色车辆与移动国家重点实验室） ； School of Science, Minzu University（中央民族大学理学院） ； Chongqing Changan Automobile Co., Ltd.（重庆长安汽车股份有限公司） 纠错

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

AI总结 Geo-EVS通过几何条件化框架提升自动驾驶中稀疏视图合成的几何精度，尤其在高角度和低覆盖率场景中表现优异，并改进下游3D检测性能。

Splatblox: Traversability-Aware Gaussian Splatting for Outdoor Robot Navigation

Splatblox：面向户外机器人导航的可通行性感知高斯点绘制

Samarth Chopra, Jing Liang, Gershom Seneviratne, Yonghan Lee, Jaehoon Choi, Jianyu An, Stephen Cheng, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学帕克分校） 纠错

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

AI总结 Splatblox通过融合RGB图像和LiDAR点云，构建了具有几何和语义信息的可通行性感知ESDF，实现户外复杂环境下的实时自主导航，实验表明其在可通行性判断和路径规划方面优于现有方法。

A fast and automated approach for urban CFD simulations: integration with meteorological predictions and its application to drone flights

一种快速且自动化的城市CFD模拟方法：与气象预测的整合及其在无人机飞行中的应用

Marcos Suárez-Vázquez, Sylvana Varela Ballesta, Alberto Otero-Cacho, Alberto P. Muñuzuri, Jorge Mira

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 本文提出一种快速自动方法，结合LiDAR和地籍数据与CFD模拟，用于城市风场重建，通过整合气象预测简化几何生成，提升无人机飞行模拟效率。

Journal ref Urban Climate 64, 102664 (2025)

An RTK-SLAM Dataset for Absolute Accuracy Evaluation in GNSS-Degraded Environments

一种用于GNSS退化环境中绝对精度评估的RTK-SLAM数据集

Wei Zhang, Vincent Ress, David Skuddis, Uwe Soergel, Norbert Haala

机构 * Institute for Photogrammetry and Geoinformatics, University of Stuttgart（斯图加特大学摄影测量与地理信息学研究所） 纠错

专题命中 仿真评测 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出一个地质参考数据集和评估方法，揭示RTK-SLAM系统在绝对精度评估中的缺陷，通过分离RTK接收器与地面真实值，评估不同SLAM系统在开放天空和室内环境下的精度表现。

Comments Accepted by ISPRS congress 2026