视觉与机器人
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
利用先前遍历点云地图先验进行基于摄像头的3D物体检测与跟踪
机构 * Department of Computer Science, University of Freiburg（弗赖堡大学计算机科学系） ； Bosch Research, Robert Bosch GmbH（博世研究）
专题命中 感知 ：LiDAR(summary_cn,abstract)；BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出DualViewMapDet框架，通过在线检索先前遍历生成的点云地图先验，提升无LiDAR情况下基于摄像头的3D物体检测与跟踪性能，通过双空间融合策略增强特征表示。
基于强度的无姿态多视角融合单光子传感
专题命中 感知 ：LiDAR(abstract,abstract_cn)
AI总结 本文提出一种无姿态多视角融合框架，通过结合物理感知预处理、几何-强度网格特征聚合、全局匹配和局部歧义消除，实现单光子传感的多视角配准，提升了在极端环境下的点云重建一致性。
基于元表面编码器的光学电子神经网络深度传感
专题命中 感知 ：LiDAR(abstract,abstract_cn)
AI总结 本文提出一种集成元表面编码器的光学电子神经网络，通过双螺旋点扩散函数将3D信息压缩为2D图像，利用轻量级阴影ResNet网络实现目标分类和深度估计，实现实时目标跟踪。
从场景到物体：文本引导的双目预测
机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院） ； Cho Chun Shik Graduate School of Mobility, Korea Advanced Institute of Science and Technology（Cho Chun Shik 移动研究生院，韩国科学技术院）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI
AI总结 本文提出双分支 gaze 预测框架，通过构建物体级数据集和改进模型架构，实现精准物体级注意力预测，提升语义推理能力。
WeatherSeg: 基于教师-学生双学习和分类器更新注意力的天气鲁棒图像分割
机构 * School of Artificial Intelligence and Information Engineering, Zhejiang University of Science and Technology（浙江理工大学人工智能与信息工程学院） ； Department of Computer and Information Sciences, Northumbria University（北爱尔兰北umbria大学计算机与信息科学系） ； Beijing Quinovare Medical Technology Co., Ltd（北京启诺医疗科技有限公司） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 WeatherSeg通过双教师-学生模型和分类器更新注意力机制，提升恶劣天气下的图像分割鲁棒性，有效降低标注成本。
AIDOVECL: 人工智能生成的车辆出图数据集用于眼级分类和定位
机构 * The Grainger College of Engineering, Department of Civil and Environmental Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校土木与环境工程系格拉inger工程学院） ； Center for Artificial Intelligence Innovation, National Center for Supercomputing Applications, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校人工智能创新中心国家超级计算应用中心） ； The Grainger College of Engineering, Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格拉inger工程学院计算与数据科学学院） ； The Grainger College of Engineering, Department of Electrical and Computer Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格拉inger工程学院电气与计算机工程系）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 本文提出AIDOVECL数据集，通过出图技术生成多样化车辆图像，解决自动驾驶、城市规划等领域中缺乏眼级车辆图像的问题，提升检测性能并减少标注工作量。
Comments 34 pages, 10 figures, 5 tables
ProDrive：通过自我环境共演实现自动驾驶的前瞻性规划
机构 * Southern University of Science and Technology（南方科技大学） ； Hong Kong University of Science and Technology（香港科技大学）
专题命中 规划控制 ：autonomous driving(title,abstract)；BEV(abstract,abstract_cn)；分类 cs.RO
AI总结 ProDrive通过自我环境共演实现自动驾驶前瞻性规划，结合查询导向的轨迹规划器和鸟瞰图世界模型，提升安全性和规划效率。
Comments Accepted to CVPR 2026 GigaBrain Challenge Workshop
BEVal: 一种自动驾驶中鸟瞰图分割模型跨数据集评估研究
机构 * CHROMA team, Univ Lyon, Inria, INSA Lyon, CITI Lab, France（CHROMA团队，里昂大学，法国国家信息与自动化研究所，里昂国立应用科学学院，CITI实验室，法国） ； CHROMA team, Univ. Grenoble Alpes, Inria, Grenoble, France（CHROMA团队，格勒诺布尔阿尔卑斯大学，法国国家信息与自动化研究所，格勒诺布尔，法国）
专题命中 BEV与占用 ：BEV(title,abstract)；autonomous driving(title,abstract)；LiDAR(abstract,abstract_cn)；分类 cs.RO、cs.CV
AI总结 本文通过跨数据集评估评估了最新鸟瞰图分割模型的性能，探讨了不同传感器对模型泛化能力的影响，并通过多数据集训练提升了分割性能。
Journal ref ICARCV 2024 - 18th International Conference on Control, Automation, Robotics and Vision - ICARCV 2024, Dec 2024, Dubai, United Arab Emirates. pp.1-3
COMPASS：基于平面图的多通道先验图与场景签名用于基于平面图的视觉定位
机构 * Automation and Robotics Research Group, Interdisciplinary Centre for Security, Reliability and Trust (SnT), University of Luxembourg (UL)（自动化与机器人研究组，安全、可靠性与信任跨学科中心（SnT），卢森堡大学（UL））
专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出COMPASS算法，利用平面图中的几何和语义先验信息，通过多通道径向描述符估计配备双鱼眼相机的机器人姿态，验证了跨模态结构匹配的可行性。
I-INR：迭代隐式神经表示
机构 * Kyung Hee University（韩国庆熙大学） ； Adobe Research（Adobe研究） ； Chung-Ang University（Chung-Ang大学）
专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.CV
AI总结 本文提出I-INR，通过迭代优化提升隐式神经表示在高频细节恢复、噪声鲁棒性和泛化能力，实验显示其在图像拟合、去噪和物体占用预测等任务中表现优异。
Comments Accepted at AAAI 2026
Bragg-Williams order竞争于超导性
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 研究通过In2/3PSe3平台展示BWO对超导临界温度Tc的影响，结合Ginzburg-Landau和BCS-McMillan理论，揭示BWO通过电子-声子相互作用抑制超导性，证明BWO与超导竞争。
Comments 16 pages, 14 figures
TARS：面向交通的雷达场景流估计
机构 * University of Wuppertal（乌尔姆大学） ； Osnabrück University（奥斯纳布吕克大学） ； Aptiv Services Deutschland GmbH（Aptiv Services德国公司）
专题命中 多传感器融合 ：LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出TARS方法，通过交通层面的运动刚性提升雷达场景流估计，结合目标检测与场景流联合优化，构建交通向量场以实现交通层面的场景理解。
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2025, pp. 26075-26084
掌控你的查询：异构查询交互用于摄像头-雷达融合
机构 * Osnabrück University（奥斯纳布吕克大学） ； University of Wuppertal（乌尔姆大学） ； Aptiv Services Deutschland GmbH（Aptiv德国服务公司）
专题命中 多传感器融合 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出异构查询交互融合方法，通过结合图像、雷达和可学习的世界查询提升3D目标检测性能，实验显示在nuScenes数据集上达到最佳性能。
ReSim：面向自动驾驶的可靠世界模拟
机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； OpenDriveLab at Shanghai AI Lab（上海人工智能实验室OpenDrive实验室） ； NVIDIA Research（NVIDIA研究） ； Xiaomi EV（小米电动车） ； Shanghai Jiao Tong University（上海交通大学） ； University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） ； HKUST（香港科技大学）
专题命中 仿真评测 ：autonomous driving(title)；分类 cs.RO、cs.CV
AI总结 本文提出ReSim模型，通过整合真实数据与模拟数据提升自动驾驶场景模拟的可靠性与可控性，提升规划和策略选择性能。
Comments NeurIPS 2025 Spotlight. Project page: https://opendrivelab.com/ReSim
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈