自动驾驶

RQR3D: Reparametrizing the regression targets for BEV-based 3D object detection

RQR3D：基于鸟瞰图的3D目标检测的回归目标重新参数化

Ozsel Kilinc, Cem Tarhan

机构 * Amazon Lab 126（亚马逊126实验室） ； Togg/Trutek AI Team（Togg/Trutek人工智能团队） 纠错

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

AI总结 本文提出RQR3D方法，通过重新参数化回归目标将旋转目标检测转化为关键点回归任务，实现高效且准确的3D目标检测，适用于自动驾驶场景。

Comments To appear in proceedings of CVPR Findings 2026

Object-Centric Stereo Ranging for Autonomous Driving: From Dense Disparity to Census-Based Template Matching

基于目标的立体测距用于自动驾驶：从密集视差到基于 census 的模板匹配

Qihao Huang

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

AI总结 本文提出一种综合立体测距系统，结合密集BM/SGM视差、基于census的目标中心模板匹配和单目几何先验，实现实时测距。核心贡献是新的基于census的目标中心模板匹配算法，通过GPU加速稀疏立体匹配，提升远距离测距鲁棒性。

Comments 10 pages, 4 figures

SearchAD: Large-Scale Rare Image Retrieval Dataset for Autonomous Driving

SearchAD：大规模稀有图像检索数据集用于自动驾驶

Felix Embacher, Jonas Uhrig, Marius Cordts, Markus Enzweiler

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Institute for Intelligent Systems, Esslingen University of Applied Sciences（埃斯林根应用技术大学智能系统研究所） 纠错

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

AI总结 SearchAD为自动驾驶提供大规模稀有图像检索数据集，包含423k帧和513k个标注框，针对稀有类别检索问题，支持文本到图像和图像到图像检索及少样本学习。

Comments To be published in CVPR 2026

Cognitive-Causal Multi-Task Learning with Psychological State Conditioning for Assistive Driving Perception

具有心理状态条件的认知因果多任务学习用于辅助驾驶感知

Keito Inoshita, Nobuhiro Hayashida, Akira Imanishi

机构 * Kansai University（关西大学） ； ISUZU Advanced Engineering Center, Ltd.（五十铃先进工程中心有限公司） 纠错

专题命中 感知 ：driving perception(title)；分类 cs.AI

AI总结 本文提出CauPsi框架，通过认知因果结构建模驾驶行为，利用可学习原型嵌入实现任务链传播，并引入跨任务心理条件机制，提升驾驶感知任务的准确率。

DinoRADE: Full Spectral Radar-Camera Fusion with Vision Foundation Model Features for Multi-class Object Detection in Adverse Weather

DinoRADE：基于视觉基础模型特征的全谱雷达-摄像头融合用于恶劣天气下的多类目标检测

Christof Leitgeb, Thomas Puchleitner, Max Peter Ronecker, Daniel Watzenig

机构 * Infineon Technologies AG, Austria（英飞凌科技公司，奥地利） ； Graz University of Technology, Austria（格拉茨技术大学，奥地利） ； Virtual Vehicle Research GmbH, Austria（虚拟车辆研究有限公司，奥地利） 纠错

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

AI总结 本文提出DinoRADE，通过雷达-摄像头融合和视觉基础模型特征提升恶劣天气下的多类目标检测性能，首次在K-Radar数据集上评估并超越现有方法12.1%。

Comments Accepted to IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026

Detection of photon-level signals embedded in sunlight with an atomic photodetector

利用原子光电探测器检测嵌入阳光中的光子级信号

Laura Zarraoa, Tomas Lamich, Sondos Elsehimy, Morgan W. Mitchell, Romain Veyron

专题命中 感知 ：LiDAR(abstract)

AI总结 本文提出利用原子光电探测器在强阳光背景下检测嵌入其中的光子信号，通过建立速率方程模型验证了该方法的有效性，并计算了在噪声通信信道中传输弱相干态时的信道容量，实现了每符号0.5比特的代表速率。

Comments 7 pages, 4 figures

LiloDriver: A Lifelong Learning Framework for Closed-loop Motion Planning in Long-tail Autonomous Driving Scenarios

LiloDriver：一种面向长尾自动驾驶场景闭环运动规划的终身学习框架

Huaiyuan Yao, Pengfei Li, Bu Jin, Yupeng Zheng, An Liu, Lisen Mu, Qing Su, Qian Zhang, Yilun Chen, Peng Li

机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Horizon Robotics（地平线机器人） 纠错

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

AI总结 LiloDriver通过结合大语言模型与记忆增强的规划生成系统，实现了在长尾自动驾驶场景中闭环运动规划的持续适应，优于传统规则和学习方法。

Comments 7 pages, 3 figures

Joint Task Offloading, Inference Optimization and UAV Trajectory Planning for Generative AI Empowered Intelligent Transportation Digital Twin

生成式人工智能赋能的智能交通数字孪生中的联合任务卸载、推断优化与无人机轨迹规划

Xiaohuan Li, Junchuan Fan, Bingqi Zhang, Rong Yu, Xumin Huang, Qian Chen

机构 * Guangxi University Key Laboratory of Intelligent Networking and Scenario System (School of Information and Communication, Guilin University of Electronic Technology)（广西大学智能组网与场景系统重点实验室（桂林电子科技大学信息与通信学院）） ； Research Institute of Highway Ministry of Transport（交通运输部公路科学研究院） ； School of Automation, Guangdong University of Technology（广东工业大学自动化学院） ； School of Architecture and Transportation Engineering, Guilin University of Electronic Technology（桂林电子科技大学建筑与交通工程学院） 纠错

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

AI总结 本文提出一种联合优化方法，通过无人机任务卸载、推断优化和轨迹规划提升生成式人工智能赋能的智能交通数字孪生的精度与延迟平衡。

On-Policy Distillation of Language Models for Autonomous Vehicle Motion Planning

语言模型在自动驾驶运动规划中的在线策略蒸馏

Amirhossein Afsharrad, Amirhesam Abedsoltan, Ahmadreza Moradipari, Sanjay Lall

机构 * Stanford University（斯坦福大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校） 纠错

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

AI总结 本文研究如何将大模型的运动规划知识迁移到小模型，提出在线通用知识蒸馏方法，在nuScenes基准测试中表现优于强化学习基线，模型规模缩小5倍仍保持高性能。

Scaling-Aware Data Selection for End-to-End Autonomous Driving Systems

面向端到端自动驾驶系统的缩放感知数据选择

Tolga Dimlioglu, Nadine Chang, Maying Shen, Rafid Mahmood, Jose M. Alvarez

机构 * New York University（纽约大学） ； NVIDIA（英伟达） ； University of Ottawa（渥太华大学） 纠错

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

AI总结 本文提出MOSAIC框架，通过分域、拟合神经缩放规律和迭代优化数据混合，提升自动驾驶模型在EPDMS指标上的性能，比基线模型减少80%的数据使用。

Comments Accepted to CVPR 2026, 8 pages of main body and 10 pages of appendix

Pseudo-Expert Regularized Offline RL for End-to-End Autonomous Driving in Photorealistic Closed-Loop Environments

伪专家正则化离线强化学习用于逼真闭环环境中的端到端自动驾驶

Chihiro Noguchi, Takaki Yamamoto

机构 * InfoTech, Toyota Motor Corporation（丰田汽车公司 InfoTech） 纠错

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

AI总结 本文提出一种基于摄像头的端到端离线强化学习框架，通过伪地面真实轨迹正则化提升自动驾驶安全性与效率，实验表明在nuScenes数据集上显著降低碰撞率并提高路线完成度。

Comments Accepted to CVPR Findings 2026

Orion-Lite: Distilling LLM Reasoning into Efficient Vision-Only Driving Models

Orion-Lite：将LLM推理能力蒸馏到高效视觉-only驾驶模型

Jing Gu, Niccolò Cavagnero, Gijs Dubbelman

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

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

AI总结 本文提出Orion-Lite，通过潜特征蒸馏和真实轨迹监督，在闭环评估中实现高效视觉-only驾驶模型，超越大规模VLA模型ORION，达到Bench2Drive基准的80.6 Driving Score。

MotionScape: A Large-Scale Real-World Highly Dynamic UAV Video Dataset for World Models

MotionScape: 一个大规模真实世界高动态无人机视频数据集用于世界模型

Zile Guo, Zhan Chen, Enze Zhu, Kan Wei, Yongkang Zou, Xiaoxuan Liu, Lei Wang

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； Jilin University（吉林大学） 纠错

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

AI总结 MotionScape提供高动态无人机视频数据，用于提升世界模型对复杂3D动态的模拟能力，通过语义和几何对齐的标注提升无人机自主导航与决策能力。

Orbital-Selective $d$-wave Superconductivity in the Two-Band $t$-$J$ Model: Possible Applications to La$_3$Ni$_2$O$_7$

两带t-J模型中的轨道选择性d波超导性：对La$_3$Ni$_2$O$_7$的可能应用

Zhan Wang, Kun Jiang, Fu-Chun Zhang, Hui-Ke Jin

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究两带t-J模型中轨道选择性d波超导性，揭示轨道1的竞争作用及提升Tc的途径

Comments 7+1 pages, 3 figures

On the Interaction Between Chicken Swarm Rejuvenation and KLD-Adaptive Sampling in Particle Filters

关于鸡群 swarm rejuvenation 与 KLD 自适应采样在粒子滤波器中的相互作用

Hangshuo Tian

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文研究了基于 SI 的 rejuvenation 核与 KLD 自适应采样之间的相互作用，提出 CSO 可近似为均方收缩，从而产生更集中粒子分布，降低预期粒子数以满足相同统计误差界。

HOTFLoc++: End-to-End Hierarchical LiDAR Place Recognition, Re-Ranking, and 6-DoF Metric Localisation in Forests

HOTFLoc++: 端到端分层激光雷达位置识别、重排序及6自由度度量局部化在森林中的应用

Ethan Griffiths, Maryam Haghighat, Simon Denman, Clinton Fookes, Milad Ramezani

机构 * CSIRO Robotics（澳大利亚联邦科学与工业研究组织机器人实验室） ； School of Electrical Engineering and Robotics, Queensland University of Technology (QUT)（昆士兰科技大学电气工程与机器人学院） 纠错

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

AI总结 本文提出HOTFLoc++框架，通过多粒度特征提取提升森林和城市环境中鲁棒性，结合可学习多尺度几何验证减少重排序失败，实现更精确的局部化。

Comments 8 pages, 2 figures, Accepted for publication in IEEE RA-L (2026)

High efficiency, high quality factor active membrane metasurfaces with extended Kerker effect

高效、高品质因子的活性膜超表面及扩展Kerker效应

Junxing Fan, Ye Zhou, Zhanqiang Xue, Guizhen Xu, Junliang Chen, Hongyang Xing, Longqing Cong

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 本文提出扩展Kerker效应方法，结合Kerker条件与准束缚态在连续态，实现高效低功耗光电子器件，展示出高效率的光束偏转与窄线宽共振。

Journal ref Science Advances, 2025, 11(50), eadw4752

Fail2Drive: Benchmarking Closed-Loop Driving Generalization

Fail2Drive: 闭环驾驶泛化性基准测试

Simon Gerstenecker, Andreas Geiger, Katrin Renz

机构 * University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） 纠错

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

AI总结 Fail2Drive引入首个闭环驾驶泛化性基准测试，通过200条路线和17种新场景类别，评估模型在分布偏移下的表现，揭示泛化能力退化问题，提供开源工具加速后续研究。

Open-Ended Instruction Realization with LLM-Enabled Multi-Planner Scheduling in Autonomous Vehicles

基于LLM的多规划器调度的开放式指令实现用于自动驾驶车辆

Jiawei Liu, Xun Gong, Fen Fang, Muli Yang, Bohao Qu, Yunfeng Hu, Hong Chen, Xulei Yang, Qing Guo

机构 * Jilin University（吉林大学） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） ； Tongji University（同济大学） ； NKIARI ； Nankai University（南开大学） ； Engineering Research Center of Knowledge-Driven Human-Machine Intelligence, MOE（教育部知识驱动人机智能工程研究中心） 纠错

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

AI总结 本文提出一种基于大语言模型的指令实现框架，通过实时反馈调度多个基于模型预测控制的运动规划器，提高任务完成率并降低LLM查询成本，同时确保安全性和可追溯性。

ParkSense: Where Should a Delivery Driver Park? Leveraging Idle AV Compute and Vision-Language Models

ParkSense: 送货司机应该在哪里停车？利用空闲自动驾驶计算和视觉-语言模型

Die Hu, Henan Li

机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Independent Researcher（独立研究员） 纠错

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

AI总结 本文提出ParkSense框架，利用自动驾驶低风险状态下的空闲计算资源运行视觉-语言模型，解决精准停车问题，并提出Delivery-Aware Precision Parking问题，展示量化7B VLM在硬件上的推理速度及对司机收入的提升。

Comments 7 pages, 3 tables. No university resources were used for this work