自动驾驶

WILD SAM: A Simulated-and-Real Data Augmentation for Autonomous Driving Perception under Challenging Weather

WILD SAM：面向自动驾驶感知的模拟与现实数据增强方法

Hamed Khatounabadi, Xiaohu Lu, Hayder Radha

机构 * Electrical and Computer Engineering（电气与计算机工程） ； Michigan State University（密歇根州立大学） 纠错

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%。

Terrain Perception for Agricultural UAVs in Complex Farmland via Rotating mmWave Radar

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

Zhihao Zhan, Le Tao, Shaobin Li, Chenxin Fang, Xingrui Yang, Liang Li, Rui Fan, Yuhang Ming

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） 纠错

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。

Dynamics Aware Quadrupedal Locomotion via Intrinsic Dynamics Head

通过内在动力学头部实现动态感知的四足运动

Aman Arora, Nalini Ratha

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） 纠错

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