自动驾驶

Geometry-Aware Cross Modal Alignment for Light Field-LiDAR Semantic Segmentation

面向几何的多模态对齐用于光场-激光雷达语义分割

Jie Luo, Yuxuan Jiang, Xin Jin, Mingyu Liu, Yihui Fan

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 本文提出融合光场数据和点云数据的多模态语义分割网络，通过特征补全和深度感知模块提升复杂场景下的分割性能，优于单模态方法。

UMI-3D: Extending Universal Manipulation Interface from Vision-Limited to 3D Spatial Perception

UMI-3D：从视觉受限到3D空间感知的通用操作接口扩展

Ziming Wang

机构 * HKU（香港大学） ； USTC（中国科学技术大学） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.RO、cs.AI

AI总结 UMI-3D通过集成轻量级低成本LiDAR传感器，提升数据采集的鲁棒性和可扩展性，实现3D空间感知，增强操作任务的性能与可行性。

Temporally Consistent Long-Term Memory for 3D Single Object Tracking

用于3D单目标跟踪的时序一致长期记忆

Jaejoon Yoo, SuBeen Lee, Yerim Jeon, Miso Lee, Jae-Pil Heo

机构 * Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 本文提出ChronoTrack框架，通过长期记忆和双重损失函数提升3D单目标跟踪的时序一致性与效率，实现新的SOTA性能。

Comments Accepted to CVPR 2026 Findings

Hybrid Architecture Gets Fluid: A New Paradigm for Direction-of-arrival Estimation in 6G Networks

混合架构获流：6G网络中方向估计的新范式

Ye Tian, Jiaji Ren, Tuo Wu, Wei Liu, Maged Elkashlan, Matthew C. Valenti, Naofal Al-Dhahir, Hing Cheung So

专题命中 感知 ：autonomous driving(abstract)

AI总结 本文提出了一种流式天线增强的混合模拟数字架构，用于高精度方向估计，通过协作空间相位采样策略和虚拟阵列协方差矩阵重建方法，实现高效的空间自由度利用，提升6G应用的性能与可扩展性。

A Domain-Specific Language for LLM-Driven Trigger Generation in Multimodal Data Collection

面向LLM驱动触发生成的领域特定语言

Philipp Reis, Philipp Rigoll, Martin Zehetner, Jacqueline Henle, Stefan Otten, Eric Sax

机构 * FZI Research Center for Information Technology（FZI信息与技术研究中心） 纠错

专题命中 感知 ：LiDAR(abstract)

AI总结 本文提出一种基于领域特定语言的意图驱动数据收集框架，通过自然语言交互与形式化规范相结合，实现多模态传感器数据的选择性采集，提升生成一致性与执行效率。

Comments Version submitted to the IEEE International Conference on Intelligent Transportation Systems (ITSC 2026)

Building an Affordable Self-Driving Lab: Practical Machine Learning Experiments for Physics Education Using Internet-of-Things

构建一个经济实惠的自动驾驶实验室：利用物联网进行物理教育中的实用机器学习实验

Yang Liu, Qianjie Lei, Xiaolong He, Yizhe Xue, Kexin He, Haitao Yang, Yong Wang, Xian Zhang, Li Yang, Yichun Zhou, Ruiqi Hu, Yong Xie

专题命中 端到端驾驶 ：self-driving(title,abstract)

AI总结 本文提出一个低成本的物联网实验平台，用于物理教育中的机器学习实践，展示深度学习在处理复杂非线性关系上的优势。

Journal ref APL Mach. Learn. 3, 046105 (2025)

Ultrawide-angle diffraction-limited 2D beam steering via hybrid integrated metasurface-photonic circuit

超宽角度衍射限二维束流转向的混合集成元表面-光子电路

Zhiping He, Luigi Ranno, Padraic Burns, Fan Yang, Hung-I Lin, Maarten R. A. Peters, Hanyu Zheng, Rui Chen, Yi Ji Tan, Chuanyu Lian, Nathan Dostart, Hyun Jung Kim, Carlos Ríos, Tian Gu, Juejun Hu

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)

AI总结 本文提出了一种基于硅光子集成电路和光学元表面的混合集成平台，实现超宽角度衍射限的二维束流转向，适用于自由空间光学系统，如卫星间光学链路、航空LiDAR等。

Comments 17 pages, 6 figures

UNRIO: Uncertainty-Aware Velocity Learning for Radar-Inertial Odometry

UNRIO：面向雷达-惯性里程计的不确定性感知速度学习

Jui-Te Huang, Tinashu Huang, Anthony Rowe, Michael Kaess

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract,abstract_cn)；分类 cs.RO

AI总结 UNRIO通过直接处理雷达IQ信号预测体坐标系速度，结合Transformer架构和GRT框架，在多模式下实现不确定性估计与姿态图融合，有效提升横向运动轨迹中的里程计精度。

RadarSplat-RIO: Indoor Radar-Inertial Odometry with Gaussian Splatting-Based Radar Bundle Adjustment

RadarSplat-RIO：基于高斯点分布的室内雷达-惯性里程计

Pou-Chun Kung, Yuan Tian, Zhengqin Li, Yue Liu, Eric Whitmire, Wolf Kienzle, Hrvoje Benko

机构 * Meta Reality Labs（Meta现实实验室） ； University of Michigan（密歇根大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出基于高斯点分布的雷达束调整框架，通过联合优化雷达传感器姿态和场景几何，显著减少位姿漂移并提升鲁棒性，实验表明在多个室内场景中，雷达束调整性能优于传统雷达-惯性里程计。

Towards Autonomous Driving with Short-Packet Rate Splitting: Age of Information Analysis and Optimization

面向自动驾驶的短包速率分割：信息年龄分析与优化

Zirui Zheng, Yingyang Chen, Xinyue Pei, Xingwei Wang, Zhiquan Liu, Theodoros A. Tsiftsis, Miaowen Wen, Pingzhi Fan

专题命中 仿真评测 ：autonomous driving(title,abstract)

AI总结 本文研究短包速率分割以提升信息新鲜度，通过分割单播消息为公共和私有部分，结合多址接入技术，优化信息年龄（AoI），并提出多启动两步凸优化算法以提升系统公平性和超低信息年龄性能。

Comments 13 pages, 13 figures, RSMA, short-packet communication, AoI, URLLC