自动驾驶

Integrating Object Detection, LiDAR-Enhanced Depth Estimation, and Segmentation Models for Railway Environments

集成目标检测、LiDAR增强的深度估计和分割模型用于铁路环境

Enrico Francesco Giannico, Federico Nesti, Gianluca D'Amico, Mauro Marinoni, Edoardo Carosio, Filippo Salotti, Salvatore Sabina, Giorgio Buttazzo

机构 * 1 Department of Excellence in Robotics \& AI, Scuola Superiore Sant'Anna, Pisa, Italy 2 Progress Rail Signaling S.p.A., Serravalle Pistoiese (PT), Italy 纠错

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

AI总结 本文提出一个模块化框架，结合目标检测、轨道分割和单目深度估计，用于铁路环境中的障碍物检测与距离估计，通过合成数据集评估，实现0.63米的高精度距离估计。

Comments Under submission for publication

AD4AD: Benchmarking Visual Anomaly Detection Models for Safer Autonomous Driving

AD4AD：为更安全的自动驾驶基准测试视觉异常检测模型

Fabrizio Genilotti, Arianna Stropeni, Gionata Grotto, Francesco Borsatti, Manuel Barusco, Davide Dalle Pezze, Gian Antonio Susto

机构 * University of Padova（帕多瓦大学） 纠错

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

AI总结 本文通过AnoVox数据集评估了八种先进的视觉异常检测方法，发现Tiny-Dinomaly在边缘部署中实现了最佳的准确率与效率平衡，显著降低内存成本。

Generalizability of Learning-based Occupancy Detection in Residential Buildings

基于学习的住宅建筑占用检测的泛化能力

Mahsa Farjadnia, Katayoun Eshkofti, Albin Apell, Tilde Hjalmarsson, Karl Henrik Johansson, Angela Fontan, Marco Molinari

专题命中 感知 ：occupancy(title,abstract)

AI总结 本文评估了三种机器学习方法在住宅建筑中非侵入式占用检测中的性能，发现LSTM在跨房间泛化能力最强，LR则在低复杂度应用中表现良好。

Comments 8 pages, 8 Figures, 4 Tables, Accepted for publication in the proceedings of the 2026 IFAC World Congress, Busan, Republic of Korea

CooperDrive: Enhancing Driving Decisions Through Cooperative Perception

CooperDrive：通过协作感知增强驾驶决策

Deyuan Qu, Qi Chen, Takayuki Shimizu, Onur Altintas

机构 * Toyota InfoTech Labs（丰田信息科技实验室） 纠错

专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.RO、cs.CV

AI总结 本文提出CooperDrive协作感知框架，通过轻量级对象级共享与融合策略提升感知与规划能力，实现在遮挡和非视线场景下的更早安全驾驶决策。

Comments Accepted at ICRA 2026

CAVERS: Multimodal SLAM Data from a Natural Karstic Cave with Ground Truth Motion Capture

CAVERS：从自然喀斯特洞穴获取多模态SLAM数据并采用地面真实运动捕捉

Giacomo Franchini, David Rodríguez-Martínez, Alfonso Martínez-Petersen, C. J. Pérez-del-Pulgar, Marcello Chiaberge

机构 * Polytechnic of Turin Interdepartmental Centre for Service Robotics (PIC4SeR)（都灵理工大学服务机器人跨部门研究中心（PIC4SeR）） ； Systems Engineering and Automation Department, Universidad de Málaga（马德里大学系统工程与自动化系） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出CAVERS数据集，通过地面真实运动捕捉系统提供高精度姿态和速度数据，验证了多模态传感器在复杂洞穴环境中的SLAM算法性能。

Comments 8 pages, 5 figures, preprint version

CSNR and JMIM Based Spectral Band Selection for Reducing Metamerism in Urban Driving

基于CSNR和JMIM的光谱波段选择以减少城市驾驶中的色匹配现象

Jiarong Li, Imad Ali Shah, Diarmaid Geever, Fiachra Collins, Enda Ward, Martin Glavin, Edward Jones, Brian Deegan

机构 * School of Engineering, University of Galway, Ireland（Galway大学工程学院，爱尔兰） ； Ryan Institute, University of Galway, Ireland（Galway大学Ryan学院，爱尔兰） ； Valeo Vision Systems, Tuam, Ireland（爱尔兰Tuam市Valeo Vision Systems公司） 纠错

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

AI总结 本文提出基于信息论技术和图像质量度量的光谱波段选择策略，利用超光谱成像技术提高城市驾驶中对弱势道路使用者的识别能力，通过选择特定波段显著提升感知分离度和色差度量。

Comments Under Review at IEEE OJITS, July, 2025

Journal ref IEEE Open Journal of Intelligent Transportation Systems, vol. 7, pp. 1021-1033, 2026

Trajectory Planning for a Multi-UAV Rigid-Payload Cascaded Transportation System Based on Enhanced Tube-RRT*

基于增强型管状RRT*的多无人机刚性载荷级联运输系统轨迹规划

Jianqiao Yu, Jia Li, Tianhua Gao

机构 * School of Aerospace Science and Technology, Beijing Institute of Technology（航天科学与技术学院，北京理工大学） ； Graduate School of Systems and Information Engineering, University of Tsukuba（系统与信息工程研究生院，筑波大学） 纠错

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

AI总结 本文提出一种两级轨迹规划框架，通过增强型管状RRT*算法解决密集障碍环境下的规划问题，结合主动混合采样和自适应扩展策略，生成安全可行的虚拟管，并通过轨迹平滑成本减少过度转弯，提升路径效率。

Comments 15 pages, 7 figures. Under review at IEEE Transactions on Aerospace and Electronic Systems (TAES). This work has been submitted to the IEEE for possible publication

HY-World 2.0: A Multi-Modal World Model for Reconstructing, Generating, and Simulating 3D Worlds

HY-World 2.0：一个多模态世界模型用于重建、生成和模拟3D世界

Team HY-World, Chenjie Cao, Xuhui Zuo, Zhenwei Wang, Yisu Zhang, Junta Wu, Zhenyang Liu, Yuning Gong, Yang Liu, Bo Yuan, Chao Zhang, Coopers Li, Dongyuan Guo, Fan Yang, Haiyu Zhang, Hang Cao, Jianchen Zhu, Jiaxin Lin, Jie Xiao, Jihong Zhang, Junlin Yu, Lei Wang, Lifu Wang, Lilin Wang, Linus, Minghui Chen, Peng He, Penghao Zhao, Qi Chen, Rui Chen, Rui Shao, Sicong Liu, Wangchen Qin, Xiaochuan Niu, Xiang Yuan, Yi Sun, Yifei Tang, Yifu Sun, Yihang Lian, Yonghao Tan, Yuhong Liu, Yuyang Yin, Zhiyuan Min, Tengfei Wang, Chunchao Guo

机构 * Tencent（腾讯） 纠错

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

AI总结 HY-World 2.0通过多模态输入生成高保真3D场景，改进了先前版本，引入了多项创新以提升全景真实性、3D场景理解和规划能力，并升级了WorldStereo和WorldMirror模型，实现了3D世界交互探索。

Comments Project Page: https://3d-models.hunyuan.tencent.com/world/ ; Code: https://github.com/Tencent-Hunyuan/HY-World-2.0

RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework

RAD-2: 在生成器-判别器框架中扩展强化学习

Hao Gao, Shaoyu Chen, Yifan Zhu, Yuehao Song, Wenyu Liu, Qian Zhang, Xinggang Wang

机构 * Huazhong University of Science & Technology（华中科技大学） ； Horizon Robotics 纠错

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

AI总结 RAD-2提出了一种生成器-判别器框架，通过扩散生成器生成轨迹候选并利用RL优化判别器评估长期驾驶质量，从而提升闭环规划的稳定性与安全性，实验显示碰撞率降低56%。

Comments Project page: https://hgao-cv.github.io/RAD-2

Sixth-Sense: Self-Supervised Learning of Spatial Awareness of Humans from a Planar Lidar

第六感：从平面激光雷达自监督学习人类的空间感知

Simone Arreghini, Nicholas Carlotti, Mirko Nava, Antonio Paolillo, Alessandro Giusti

机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA)（达勒莫利人工智能研究所（IDSIA）） 纠错

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

AI总结 本文提出基于1D激光雷达和RGB-D相机的自监督方法，实现对人类的检测与2D姿态估计，提升机器人在共享空间中的全方位感知能力。

A multi-platform LiDAR dataset for standardized forest inventory measurement at long term ecological monitoring sites

多平台激光雷达数据集用于长期生态监测站点标准化森林调查测量

Michael R. Chang, Anna Candotti, Karl von Ellenrieder, Enrico Tomelleri, Marco Camurri

机构 * Faculty of Engineering, Free University of Bozen-Bolzano（博尔扎诺自由大学工程学院） ； Department of Industrial Engineering, University of Trento（特伦托大学工业工程系） ； Faculty of Agricultural, Environmental and Food Sciences, Free University of Bozen-Bolzano（博尔扎诺自由大学农业、环境与食品科学学院） ； Competence Centre for Mountain Innovation Ecosystems, Free University of Bozen-Bolzano（博尔扎诺自由大学山地创新生态系统能力中心） 纠错

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

AI总结 本文提出一个多平台激光雷达数据集，用于校准、基准测试和整合3D结构数据与生态观测及标准生物量模型，结合无人机、地面和背包式激光扫描技术，提供高精度森林结构数据。

Comments 30 pages, 7 figures

A Robust Approach for LiDAR-Inertial Odometry Without Sensor-Specific Modeling

一种无需传感器特定建模的鲁棒激光雷达-惯性里程计方法

Meher V. R. Malladi, Tiziano Guadagnino, Luca Lobefaro, Cyrill Stachniss

机构 * University of Bonn, Center for Robotics（波恩大学机器人中心） 纠错

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

AI总结 本文提出一种无需传感器特定建模的鲁棒激光雷达-惯性里程计方法，通过简化惯性测量单元积分模型和直接扫描到地图的激光雷达配准，提升整体里程计性能，并在多种机器人传感器和平台数据集上验证了其鲁棒性。

Introducing a novel $Z_{4n}$-detection scheme to enhance the performance of quantum LiDAR systems

介绍一种新的$Z_{4n}$检测方案以提高量子激光雷达系统的性能

Priyanka Sharma, Manoj K Mishra, Devendra Kumar Mishra

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 本文提出一种新的$Z_{4n}$检测方案，通过超位置四相干态和真空输入，提升量子激光雷达系统的分辨率和相位灵敏度。

Comments 6 pages, 6 figures

Estimating the Diameter at Breast Height of Trees in a Forest from RGB

从RGB估算森林中树木的胸径

Siming He, Zachary Osman, Fernando Cladera, Dexter Ong, Nitant Rai, Patrick Corey Green, Vijay Kumar, Pratik Chaudhari

机构 * General Robotics, Automation, Sensing and Perception (GRASP) Laboratory, University of Pennsylvania（通用机器人、自动化、传感与感知实验室，宾夕法尼亚大学） ； Department of Forest Resources and Environmental Conservation, Virginia Tech（森林资源与环境保护系，弗吉尼亚理工学院） 纠错

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

AI总结 本文提出一种低成本方法，利用消费级360视频相机估算树木胸径，结合SfM摄影测量和语义分割技术，实现高精度测量。

RoSLAC: Robust Simultaneous Localization and Calibration of Multiple Magnetometers

RoSLAC：基于交替优化的多磁力计同时定位与校准

Qiyang Lyu, Zhenyu Wu, Wei Wang, Hongming Shen, Danwei Wang

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 针对磁力计校准与定位精度问题，本文提出RoSLAC方法，通过交替优化高效估计平台姿态和校准参数，实现在高保真仿真和真实环境中高精度定位与低计算成本的校准。

Enhanced Deep Q-Learning for 2D Self-Driving Cars: Implementation and Evaluation on a Custom Track Environment

增强型深度Q学习用于2D自动驾驶汽车：在定制赛道环境中的实现与评估

Sagar Pathak, Bidhya Shrestha

机构 * Department of Computer Science, University of Memphis（密苏里大学梅斯分校计算机科学系） 纠错

专题命中 仿真评测 ：self-driving(title,abstract)；分类 cs.AI

AI总结 本文提出了一种改进的深度Q学习网络用于2D自动驾驶汽车，通过定制环境和DQN模型设计，提升了性能，实验表明改进模型奖励显著高于原始DQN。

Comments 8 pages, 8 figures

Journal ref International Journal of Science and Technology (IJST), 3(2), 24-39 (2026)

Automated Test Validators for Flaky Cyber-Physical System Simulators: Approach and Evaluation

用于不稳定的网络物理系统模拟器的自动化测试验证器：方法与评估

Baharin A. Jodat, Khouloud Gaaloul, Mehrdad Sabetzadeh, Shiva Nejati

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

AI总结 本文提出使用测试验证器过滤无效测试输入，通过遗传编程和决策树生成方法，展示其在航空航天、网络和自动驾驶领域中的有效性，证明GP结合Ochiai方法在准确性上更具优势。

Comments This paper has been accepted for publication in the IEEE Transactions on Software Engineering (TSE)

Towards Verified and Targeted Explanations through Formal Methods

通过形式方法实现验证和定向的解释

Hanchen David Wang, Diego Manzanas Lopez, Preston K. Robinette, Ipek Oguz, Taylor T. Johnson, Meiyi Ma

机构 * Vanderbilt University（范德比大学） 纠错

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

AI总结 本文提出ViTaX框架，通过形式方法生成具有数学保证的定向半事实解释，解决传统XAI方法在可解释性和可信度上的不足。

Comments Paper has been accepted at JAIR