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。
WILD SAM：面向自动驾驶感知的模拟与现实数据增强方法
机构 * Electrical and Computer Engineering（电气与计算机工程） ； Michigan State University（密歇根州立大学）
专题命中 感知 ：autonomous driving(title)；driving perception(title)；分类 cs.CV
AI总结 本文提出WILD SAM方法，通过伪标签去噪和模拟训练缓解恶劣天气导致的领域偏移问题，实验表明其在Four Seasons数据集上提升了AP至13%。
通过旋转毫米波雷达实现复杂农田中农业无人机的地形感知
机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机科学学院） ； TopXGun Robotics（TopXGun机器人） ； CARDC ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； College of Electronics and Information Engineering, Tongji University（同济大学电子信息工程学院）
专题命中 感知 ：LiDAR(abstract)；分类 cs.RO
AI总结 本文提出一种低成本旋转毫米波雷达框架，用于提升农业无人机在复杂农田中的地形感知能力，通过扩大空间覆盖范围和改进地形可观察性，实现更准确的地面提取和连续地形估计。
通过内在动力学头部实现动态感知的四足运动
机构 * Department of Computer Science, University at Buffalo, The State University of New York（纽约州立大学布法罗分校计算机科学系）
专题命中 感知 ：occupancy(abstract)；分类 cs.RO
AI总结 本文提出一种新的训练框架，通过内在动力学头部学习状态到力矩的动力学，使控制策略能理解和推理物理动力学，从而提升四足机器人的运动效率和稳定性。
Comments 8 pages, 6 figures
为高效且可迁移的控制学习设计的动力学蒸馏
机构 * University of Toronto（多伦多大学） ； NVIDIA（NVIDIA公司） ； General Motors（通用汽车） ； Vector Institute（向量研究所）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO
AI总结 本文提出Sim2Sim2Sim框架，通过将高保真车辆模拟器动力学蒸馏为可并行学习的动力学模型，实现更高效的策略优化和可靠的迁移。
Comments 9 pages, 3 figures, under review
对抗流匹配用于端到端自动驾驶中的不可察觉攻击
机构 * Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（深圳先进研究院，电子科技大学） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China（电子科技大学机械与电气工程学院）
专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.CV、cs.AI
AI总结 本文提出对抗流匹配（AFM）框架，通过利用Transformer结构漏洞生成高效且视觉不可察觉的对抗样本，有效降级VLA和模块化自动驾驶代理性能，同时保持先进的视觉不可察觉性及跨模型迁移能力。
Comments 16 pages, 11 figures
LIE：基于LiDAR的高精度地图构建方法：通过在线知识蒸馏增强强度
机构 * Munich University of Applied Sciences（慕尼黑应用科学大学）
专题命中 激光雷达 ：LiDAR(title,title_cn)；autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 本文提出LIE方法，通过在线知识蒸馏提升LiDAR强度信息，实现高精度地图构建，优于单模态方法，适用于复杂环境和长距离场景。
Comments This work has been accepted for publication in International Conference on Intelligent Transportation Systems (ITSC), IEEE, 2026. The final published version will be available via IEEE Xplore
激光雷达在康复中的应用：应用、人工智能技术及未来方向的综合调研
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO
AI总结 本文综述了激光雷达在康复、术后护理和医院环境中的应用，分析了基于学习的方法及统计趋势，揭示了当前方法、AI处理技术和开放挑战。
Comments This paper is accepted for publication in IEEE Sensors Reviews, April, 2026
基于Li DAR的智能手机弹簧常数测定
专题命中 激光雷达 ：LiDAR(title,abstract)
AI总结 本文利用智能手机Li D AR传感器和phyphox应用，通过测量垂直弹簧-质量系统的振荡周期，确定不同弹簧组合的弹簧常数，实验结果与理论值一致，适合高中生在家进行简单实验。
Journal ref Phys. Educator 6 (2024) 2450001
通过基于变换器的异质显著图表示提升多模态遥感图像分类
机构 * Department of Forest Sciences, University of Helsinki（赫尔辛基大学森林科学系） ； School of Computer Science, National Engineering Research Center for Multimedia Software, Institute of Artificial Intelligence, and Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University, Wuhan, China（武汉大学计算机学院、国家多媒体软件工程研究中心、人工智能研究院、湖北省多媒体与网络通信工程重点实验室，武汉，中国）
专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)；分类 cs.CV、eess.IV
AI总结 本文提出基于变换器的异质显著图表示方法，解决多模态遥感图像分类中特征表示不充分、长距离依赖建模复杂及过拟合问题，通过异质图编码器、多卷积调节器和均值前向策略提升分类性能。
SaLF：用于实时多传感器渲染的稀疏局部场
机构 * Waabi ； University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学）
专题命中 多传感器融合 ：LiDAR(abstract,abstract_cn)；self-driving(abstract)；分类 cs.RO、cs.CV
AI总结 本文提出SaLF，一种高效的体素表示方法，支持多传感器仿真，具备快速训练和渲染能力，适用于多传感器自主系统评估。
Comments ICRA 2026. Project page: https://waabi.ai/salf/
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