自动驾驶

Robust Fusion of Object-Level V2X for Learned 3D Object Detection

鲁棒的V2X对象级融合用于学习的3D物体检测

Lukas Ostendorf, Lennart Reiher, Onn Haran, Lutz Eckstein

机构 * Institute for Automotive Engineering, RWTH Aachen University（汽车工程研究所，亚琛工业大学） 纠错

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

Time-series Meets Complex Motion Modeling: Robust and Computational-effective Motion Predictor for Multi-object Tracking

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

Nhat-Tan Do, Le-Huy Tu, Nhi Ngoc-Yen Nguyen, Dieu-Phuong Nguyen, Trong-Hop Do

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） 纠错

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。

Learning physically grounded traffic accident reconstruction from public accident reports

从公共事故报告中学习物理基础的交通事故重建

Yanchen Guan, Haicheng Liao, Chengyue Wang, Zhenning Li

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） 纠错

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。

Cloud Is Closer Than It Appears: Revisiting the Tradeoffs of Distributed Real-Time Inference

云比它看起来更近：重新审视分布式实时推理的权衡

Pragya Sharma, Hang Qiu, Mani Srivastava

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） 纠错

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: World-Aware Adaptive Multimodal Networks for Runtime Variations

SWAN：面向运行时变化的世界感知自适应多模态网络

Jason Wu, Shir-Kang Scott Jin, Yuyang Yuan, Maggie Wigness, Lance M. Kaplan, Hang Qiu, Mani Srivastava

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） 纠错

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。