Deep Learning-Based Snow Depth Retrieval Using Sentinel-1 Repeat-Pass InSAR
基于深度学习的Sentinel-1重复航次InSAR雪深反演
专题命中 激光雷达 ：LiDAR(abstract)
AI总结 本文提出一种基于深度学习的雪深反演方法，利用Sentinel-1重复航次InSAR数据，通过单个SnowEx Idaho站点训练模型，验证了其在不同时间和空间上的泛化能力，相比物理模型在雪水当量反演中表现更优。
视觉与机器人
自动驾驶
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
1. 激光雷达 5 篇
2. 仿真评测 6 篇
NuRisk: A Visual Question Answering Dataset for Agent-Level Risk Assessment in Autonomous Driving
NuRisk：面向自动驾驶中 agent 级风险评估的视觉问答数据集
机构 * Professorship of Autonomous Vehicle Systems, TUM School of Engineering and Design, Technical University of Munich（自主车辆系统教授职位，TUM工程与设计学院，慕尼黑技术大学） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所（MIRMI））
专题命中 仿真评测 ：autonomous driving(title,abstract)；BEV(abstract,abstract_cn)；分类 cs.AI
AI总结 NuRisk 数据集通过 2.9K 场景和 1.1M agent 级样本，提供基于鸟瞰图的时序图像及量化风险标注，提升自动驾驶中 agent 行为与情境的时空推理能力。
Comments 2026 IEEE International Conference on Robotics and Automation (ICRA)
Driving in Corner Case: A Real-World Adversarial Closed-Loop Evaluation Platform for End-to-End Autonomous Driving
驾驶中的边缘情况：一个用于端到端自动驾驶的现实对抗闭环评估平台
机构 * School of Automotive Studies, Tongji University（同济大学汽车学院） ； ZERON
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV
AI总结 本文提出一个现实对抗闭环评估平台，用于生成边缘情况以评估端到端自动驾驶系统，通过真实场景图像生成与对抗交通策略结合，验证模型在极端情况下的性能。
Comments Update some experimental details
R3D2: Realistic 3D Asset Insertion via Diffusion for Autonomous Driving Simulation
R3D2：通过扩散实现自动驾驶模拟中的真实3D资产插入
机构 * Zenseact ； Linköping University（林哈尔大学） ； Chalmers University（查尔姆斯理工大学） ； UC Berkeley（加州大学伯克利分校）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV
AI总结 R3D2是一种轻量级单步扩散模型，用于在现有场景中实时生成真实3D资产，通过训练学习真实集成，提升自动驾驶模拟的真实性。
Asset Harvester: Extracting 3D Assets from Autonomous Driving Logs for Simulation
资产收割者：从自动驾驶日志中提取3D资产用于模拟
机构 * NVIDIA
专题命中 仿真评测 ：autonomous driving(title)；分类 cs.CV、cs.AI
AI总结 本文提出Asset Harvester，通过图像到3D模型的端到端流程，将稀疏的现实日志中物体观测转换为完整的模拟资产，结合大规模数据整理、几何感知预处理和鲁棒训练方案，解决自动驾驶数据中的稀疏视角等挑战。
Comments NVIDIA white paper. The project page: https://research.nvidia.com/labs/sil/projects/asset-harvester/
OneDrive: Unified Multi-Paradigm Driving with Vision-Language-Action Models
OneDrive: 统一的多范式驾驶与视觉-语言-动作模型
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, CASIA School of Artificial Intelligence, University of Chinese Academy of Sciences AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University Voyager Research, Didi Chuxing School of Information Science（多模态人工智能系统国家重点实验室，中国科学院自动化所人工智能学院，中国科学院大学，AutoLab，上海交通大学人工智能学院，Voyager Research，滴滴出行，信息科学与技术学院）
专题命中 仿真评测 ：autonomous driving(abstract)；trajectory planning(abstract)；分类 cs.CV
AI总结 本文提出基于预训练视觉语言模型的统一自动驾驶框架，通过单一Transformer解码器整合异构解码行为，实现多任务联合优化，实验表明在nuScenes和NAVSIM上取得最优性能，且推理效率高。
Adverse-to-the-eXtreme Panoptic Segmentation: URVIS 2026 Study and Benchmark
极端恶劣环境全景分割挑战：URVIS 2026研究与基准
机构 * MUSES-AXPS
专题命中 仿真评测 ：LiDAR(abstract,abstract_cn)；分类 cs.CV
AI总结 本文报告了URVIS 2026挑战赛，首次针对极端恶劣环境下的全景分割，基于MUSES数据集，采用加权全景质量指标评估，总结了挑战设定、基准结果及当前进展与挑战。
3. 其他自动驾驶 3 篇
Driving risk emerges from the required two-dimensional joint evasive acceleration
驾驶风险源自所需二维联合规避加速度
机构 * School of Vehicle and Mobility, Tsinghua University, Beijing 100084, China（车辆与移动系统学院，清华大学，北京100084，中国） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Beijing 100084, China（智能绿色车辆与移动国家重点实验室，北京100084，中国） ； School of Traffic & Transportation Engineering, Central South University, Changsha 410000, China（交通与运输工程学院，中南大学，长沙410000，中国） ； Singapore-MIT Alliance for Research and Technology (SMART), Massachusetts Institute of Technology, Singapore 138602, Singapore（新加坡-麻省理工联合研究技术联盟（SMART），麻省理工学院，新加坡138602，新加坡） ； School of Automotive Engineering, Chang’an University, Xi’an 710064, China（汽车工程学院，长安大学，西安710064，中国）
专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.RO
AI总结 本文提出二维规避加速度模型，用于更准确地量化碰撞风险，通过分析所有可能的规避方向，定义风险为所需最小相对加速度矢量的模，该方法在多个数据集上表现出更早的显著预警和更好的碰撞预测能力。
Comments 23 pages, 5 figures; supplementary information provided as an ancillary file
Perspective-Equivariant Fine-tuning for Multispectral Demosaicing without Ground Truth
视角等变微调用于无地面真实多光谱去马赛克
机构 * School of Engineering（工程学院） ； University of Edinburgh（爱丁堡大学）
专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出PEFD框架，通过利用相机成像系统的投影几何，利用更丰富的群结构恢复更多空域信息，并通过微调预训练模型实现高效多光谱去马赛克，优于现有方法，接近监督学习性能。
Comments To appear in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026
M100: An Orchestrated Dataflow Architecture Powering General AI Computing
M100：一种赋能通用人工智能计算的协同数据流架构
机构 * Li Auto
专题命中 其他自动驾驶 ：autonomous driving(abstract)
AI总结 M100通过协同数据流架构提升自动驾驶、大语言模型等领域的AI计算效率与成本效益，采用编译器-架构协同设计优化数据传输，减少缓存依赖，提升系统性能。
Comments Accepted to appear at ISCA 2026 Industry Track. 12 pages, 16 figures
