自动驾驶

Indoor Occupancy Classification using a Compact Hybrid Quantum-Classical Model Enabled by a Physics-Informed Radar Digital Twin

利用紧凑型混合量子经典模型的室内占用分类

Sebastian Ratto, Ahmed N. Sayed, Neda Rojhani, Arien P. Sligar, Jose R. Rosas-Bustos, Saasha Joshi, Luke C. G. Govia, Omar M. Ramahi, George Shaker

专题命中 BEV与占用 ：occupancy(title,abstract)

AI总结 本文提出一种紧凑型混合量子经典模型，用于隐私保护的雷达室内占用分类，通过物理引导的雷达数字双胞胎和真实雷达测量，展示了其在参数效率和鲁棒性方面的优势。

Comments 22 pages, 18 figures

OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives

OptiMVMap: 通过最优多车辆视角进行离线向量地图构建

Zedong Dan, Zijie Wang, Wei Zhang, Xiangru Lin, Weiming Zhang, Xiao Tan, Jingdong Wang, Liang Lin, Guanbin Li

机构 * Sun Yat-sen University（中山大学） ； Zhongguancun Academy（中关村学院） ； Baidu Inc.（百度公司） ； Shenzhen Loop Area Institute（深圳河套学院） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东省大数据分析与处理重点实验室） 纠错

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

AI总结 OptiMVMap通过最优车辆选择和跨车辆注意力机制，解决多车辆映射中的计算、冗余和噪声问题，提升地图完整性和精度。

XEmbodied: A Foundation Model with Enhanced Geometric and Physical Cues for Large-Scale Embodied Environments

XEmbodied：一种具有增强几何和物理线索的大型规模具身环境基础模型

Kangan Qian, ChuChu Xie, Yang Zhong, Jingrui Pang, Siwen Jiao, Sicong Jiang, Zilin Huang, Yunlong Wang, Kun Jiang, Mengmeng Yang, Hao Ye, Guanghao Zhang, Hangjun Ye, Guang Chen, Long Chen, Diange Yang

机构 * Tsinghua University（清华大学） ； Automotive and Robotics, Xiaomi Corporation（小鹏汽车与机器人部，小鹏科技） ； National University of Singapore（新加坡国立大学） ； McGill University（麦吉尔大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 XEmbodied通过整合3D几何表示和物理线索，提升视觉-语言-动作模型在大规模具身环境中的空间推理和语义理解能力，其在18个公开基准测试中表现出色。

Comments 15 pages, 5 figures

A Survey of Spatial Memory Representations for Efficient Robot Navigation

一种用于高效机器人导航的空间记忆表示综述

Ma. Madecheen S. Pangaliman, Steven S. Sison, Erwin P. Quilloy, Rowel Atienza

机构 * University of the Philippines Diliman（菲律宾大学杜马扬分校） ； University of Santo Tomas（圣托马斯大学） 纠错

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

AI总结 本文综述了88篇文献，探讨了空间记忆效率问题，提出α指标评估部署可行性，揭示了内存架构对实际部署的影响。

Comments Accepted at the Women in Computer Vision (WiCV) Workshop at CVPR 2026

ATLAS: Constitution-Conditioned Latent Geometry and Redistribution Across Language Models and Neural Perturbation Data

ATLAS：宪法条件下的潜在几何与语言模型及神经扰动数据的再分配

Gareth Seneque, Lap-Hang Ho, Nafise Erfanian Saeedi, Jeffrey Molendijk, Tim Elson

机构 * Australian Broadcasting Corporation（澳大利亚广播公司） 纠错

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

AI总结 ATLAS通过分析模型学习的表示几何结构，揭示了宪法条件下的潜在几何再分配机制，展示了在不同模型和子系统中几何结构的稳定性与可恢复性。

Comments 49 pages, 7 figures

Cluster-Adaptive Sample-Based Quantum Diagonalization for Strongly Correlated Systems

基于簇适应的量子对角化用于强关联系统

Byeongyong Park, Sanha Kang, Jongseok Seo, Juhee Baek, Doyeol Ahn, Keunhong Jeong

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出簇适应量子对角化方法，通过簇特定参考占位矢量改进粒子数恢复，从而更准确捕捉强关联系统中的分散占位结构，提升基态能量估计精度。

Comments 23 pages, 5 figures; supplementary information provided as ancillary file

Eliminating the Hidden Cost of Zone Management in ZNS SSDs

消除ZNS SSD中区域管理的隐藏成本

Teona Bagashvili, Tarikul Islam Papon, Subhadeep Sarkar, Manos Athanassoulis

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出SilentZNS，通过扩展区域设计空间和动态分配块，减少写放大和磨损，提升读性能，降低DLWA。

Pairing Symmetry Crossover from $d$-wave to $s_{\pm}$-wave in a Bilayer Nickelate Driven by Hund's Coupling and Crystal Field Splitting

从d波到s±波配对对称性的交叉：由Hund耦合和晶场分裂驱动的双层镍酸盐

Yicheng Xiong, Yanmei Cai, Tianxing Ma

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究双层镍酸盐超导体LaNiO的配对对称性，通过构建双轨道双层Hubbard模型，利用约束路径量子蒙特卡罗方法，发现Hund耦合增强s±波配对，晶场分裂驱动d波到s±波转变，揭示配对竞争与轨道物理的内在联系。

Comments 9 pages, 6 figures

Journal ref Phys. Rev. B 113, 125134 (2026)