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。

2026-04-24 至 2026-04-24 共收录 2 篇信号源：cs.RO, cs.CV, eess.IV, cs.AI

1. 激光雷达 2 篇

2601.18714 2026-04-24 cs.CV cs.AI cs.LG cs.RO 90%

Low Cost, High Efficiency: LiDAR Place Recognition in Vineyards with Matryoshka Representation Learning

低成本、高效率：利用Matryoshka表示学习的葡萄园LiDAR位姿识别

Judith Vilella-Cantos, Mauro Martini, Marcello Chiaberge, Mónica Ballesta, David Valiente

机构 * University Institute for Engineering Research, Miguel Hernández University（工程研究院，米格尔·赫尔内亚大学）； Department of Electronics and Communications, Politecnico di Torino（电子与通信系，托里诺理工学院）

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

AI总结本文提出MinkUNeXt-VINE方法，通过预处理和Matryoshka表示学习多损失策略，在葡萄园环境中实现高效低成本的LiDAR位姿识别，验证了在低成本输入数据上的鲁棒性。

Journal ref Ecological Informatics, Volume 95, 2026, 103780, ISSN 1574-9541

2511.20834 2026-04-24 cs.DC cs.AR cs.LG cs.PF 50%

Spira: Exploiting Voxel Data Structural Properties for Efficient Sparse Convolution in Point Cloud Networks

Spira: 利用体素数据的结构特性实现点云网络中的高效稀疏卷积

Dionysios Adamopoulos, Anastasia Poulopoulou, Georgios Goumas, Christina Giannoula

机构 * SPIN-Research-Group（SPIN研究组）

专题命中激光雷达：autonomous driving(abstract)

AI总结 Spira通过利用体素坐标整数性、空间范围限制和几何连续性等特性，设计了高效的稀疏卷积引擎，显著提升了点云网络的推理效率和层间执行性能。