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。
鲁棒的V2X对象级融合用于学习的3D物体检测
机构 * Institute for Automotive Engineering, RWTH Aachen University（汽车工程研究所，亚琛工业大学）
专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.RO、cs.CV
AI总结 本文研究如何将V2X信息整合到3D物体检测中，并探讨其在现实V2X缺陷下的鲁棒性。通过nuScenes数据集模拟真实场景，提出噪声感知训练策略和显式置信度编码以提升系统鲁棒性。
Comments Accepted at IEEE VTC 2026-Spring, 7 pages
时间序列与复杂运动建模的交汇：多目标跟踪的鲁棒且计算高效的运动预测器
机构 * Faculty of Information Science and Engineering, University of Information Technology, Ho Chi Minh City, Vietnam（1* 信息科学与工程学院，信息技术大学，胡志明市，越南） ； Vietnam National University, Ho Chi Minh City, Vietnam（2 越南国家大学，胡志明市，越南）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出TCMP框架，通过改进的TCN网络实现高效多目标跟踪，实验显示其在HOTA、IDF1和AssA等指标上均优于现有方法，且计算效率高。
从公共事故报告中学习物理基础的交通事故重建
机构 * State Key Laboratory of Internet of Things for Smart City（物联网智能城市国家重点实验室） ； Department of Civil Engineering（土木工程系） ； Department of Computer and Information Science（计算机与信息科学系）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出基于公共报告和现场测量的参数化多模态学习框架，构建了6217个真实事故案例数据集CISS-REC，实现了交通事故重建的高保真度，优于现有基线方法。
云比它看起来更近：重新审视分布式实时推理的权衡
机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of California Riverside（加州大学河滨分校）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.AI
AI总结 本文重新审视云推理在实时控制任务中的适用性，通过建立分析模型和仿真实验，证明云平台在高吞吐量资源下可有效缓解网络和排队延迟，从而在安全约束下优于本地推理。
SWAN：面向运行时变化的世界感知自适应多模态网络
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, Riverside（加州大学河滨分校） ； U.S. Army DEVCOM Army Research Laboratory（美国陆军 DEVCOM 军事研究实验室）
专题命中 感知 ：autonomous driving(abstract)
AI总结 SWAN是一种新型多模态网络，通过动态资源分配和效率优化，在自动驾驶中实现复杂3D检测任务，减少49%的FLOPs并保持性能。
从研究到实践：一项与行业从业者互动的快速审查，探讨自动驾驶系统测试
专题命中 端到端驾驶 ：autonomous driving(title,abstract)
AI总结 本文通过与21名汽车行业从业者的互动快速审查，揭示了自动驾驶系统测试中的关键挑战，特别是端到端系统测试的完整性和方法，为行业提供实践洞察。
Comments 12 pages, 1 figure, 10 tables
端到端的决策感知多尺度注意力模型用于可解释的自动驾驶
机构 * Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系）
专题命中 端到端驾驶 ：autonomous driving(title)；分类 cs.RO、cs.CV
AI总结 本文提出一种端到端的多尺度注意力模型，通过将驾驶决策输入推理组件，提供特定案例的解释。采用F1分数和新的联合F1分数评估模型性能，验证了其在可解释人工智能中的准确性和可靠性。
机器人学习的世界模型：全面综述
机构 * Nanyang Technological University（南洋理工大学） ； University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； The University of Tokyo（东京大学） ； University of Oxford（牛津大学） ； Microsoft（微软公司） ； ETH Zurich（苏黎世联邦理工学院） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学）
专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.RO、cs.CV
AI总结 综述从机器人学习角度系统回顾世界模型的快速发展，探讨其与机器人策略的耦合、作为强化学习模拟器的作用以及机器人视频世界模型的发展，总结关键范式与挑战。
Comments 43 pages, 6 figures
超越结构：通过AI驱动的合成协议-性质关系革新材料发现
机构 * Data-driven materials design group, Center for Basic Research on Materials (CBRM)（数据驱动材料设计组，基本材料研究中心（CBRM）） ； National Institute for Materials Science (NIMS)（国家材料科学研究所（NIMS））
专题命中 端到端驾驶 ：self-driving(abstract)；分类 cs.AI
AI总结 本文提出通过AI驱动的合成协议-性质关系革新材料发现，强调以合成为导向的范式转变，构建可执行合成协议的机器可读协议表示，部署生成和反向设计模型，整合闭环优化以提升实验可行性和可持续性。
Comments 20 pages, 2 figures
公交客流预测中基于多边形与全局机器学习模型的比较分析
机构 * Faculty of Computer and Information Science, University of Ben Gurion, Be'er Sheva, Israel（本·古里安大学计算机与信息科学学院，贝尔谢巴，以色列） ； Department of Geography and Environmental Development, Ben-Gurion, Israel（地理与环境发展系，本·古里安，以色列）
专题命中 BEV与占用 ：occupancy(title)
AI总结 本文通过整合空间聚类与多维特征分析，提出一种公交客流预测框架，通过局部模型提升预测精度，证明空间感知的局部建模策略在公共交通预测中的有效性。
Map2World: 基于分段地图的3D世界生成
机构 * Seoul National University（首尔国立大学） ； Microsoft Research Asia（微软亚洲研究院）
专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出Map2World框架，通过用户定义的任意形状和尺度的分段地图生成一致且灵活的3D世界，并引入细节增强网络提升生成质量，实验证明其在可控性、一致性及内容连贯性上优于现有方法。
Comments project page: https://robot0321.github.io/Map2World/index.html
太强耦合在太赫兹Higgs极子光子统计中的特征
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 研究通过腔内超导体传输光子统计，揭示强耦合下双光子Higgs极子的非线性特性，发现光子统计变化源于暗腔态的形成，为太强耦合提供诊断方法。
Comments 4.5+18 pages, 3+11 figures; v2: cut 0.5 pages, added g4 term
一个ε-最优序列方法用于求解zs-POSGs
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文提出一种序列方法，通过分离原理将同时交互转换为序列决策过程，从而线性化备份算子，降低更新复杂度并提取安全策略，实验表明其在求解复杂领域方面优于现有方法。
Paired-CSLiDAR：基于高度分层的跨源空地LiDAR姿态精修
机构 * University of Maryland（马里兰大学） ； Stanford University（斯坦福大学）
专题命中 激光雷达 ：LiDAR(title,title_cn)；BEV(abstract,abstract_cn)；分类 cs.RO、cs.CV
AI总结 本文提出Paired-CSLiDAR基准，通过高度分层ICP、反向注册方向和置信度门控选择，实现空地LiDAR姿态精修，优于现有方法，验证了RMSE基于姿态选择的有效性。
Comments 8 pages, 4 figures. Dataset and code are being prepared for public release
APCoTTA: 用于空中激光雷达点云语义分割的连续测试时间适应
机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； International Research Center of Big Data for Sustainable Development Goals（可持续发展目标大数据国际研究中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； The Department of Geomatics Engineering, Changsha University of Science and Technology（长沙理工大学测绘工程系） ； The State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室）
专题命中 激光雷达 ：LiDAR(title)；分类 cs.CV
AI总结 本文提出APCoTTA框架，针对空中激光雷达点云语义分割中的持续领域偏移问题，通过梯度驱动层选择、熵一致性损失和随机参数插值机制提升适应性能，并构建两个基准数据集。
Comments 18 pages,12 figures
Journal ref ISPRS Journal of Photogrammetry and Remote Sensing Volume 237, July 2026, Pages 339-354
机构 * Bosch Corporate Research（博世企业研究）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO
预见未见：生成式数据增强用于几何-语义事故预见
机构 * State Key Laboratory of Internet of Things for Smart City（物联网智能城市国家重点实验室） ； University of Macau（澳门大学） ； Department of Civil Engineering（土木工程系） ； Department of Computer and Information Science（计算机与信息科学系） ； Department of Automotive Engineering（汽车工程系） ； Tsinghua University（清华大学）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出双路径框架，通过视频合成和语义图神经网络提升事故预见能力，发布新基准数据集验证方法有效性，提升自动驾驶系统可靠性。
弥合实验最后一公里：数字化实验室知识以实现安全的人工智能辅助支持
机构 * Division of Applied Chemistry, Faculty of Engineering, Hokkaido University（北海道大学工学部应用化学科） ； Graduate School of Chemical Sciences and Engineering, Hokkaido University（北海道大学研究生院化学科学和工程学系） ； Graduate School of Information Science and Technology, Hokkaido University（北海道大学研究生院信息科学和技术学系） ； Quantum Nexus, Inc.
专题命中 仿真评测 ：self-driving(abstract)；分类 cs.AI
AI总结 本文提出一种结合视频、多模态AI和检索增强生成的AI助手，通过提取实验室特定知识来提升实验安全性，经评估显示其在指导和安全方面具有实用性。
Comments 32 pages in total (main 13 pages, appendix 19 pages), 2 main figures, 1 main table
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