自动驾驶

Think as Needed: Geometry-Driven Adaptive Perception for Autonomous Driving

按需思考：基于几何的自适应感知用于自动驾驶

Donghyun Kim, Jaehyoung Park

机构 * Stony Brook University（史蒂文尼森布鲁克大学） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；autonomous driving(title,abstract)；分类 cs.CV、cs.AI

AI总结 本文提出Enhanced HOPE架构，通过几何复杂度估计动态调整LiDAR帧处理路径，减少计算资源浪费，提升复杂场景下的感知能力与遮挡物体追踪性能。

DRIVE-C: A Controlled Corruption Dataset for Autonomous Driving

DRIVE-C：面向自动驾驶的受控干扰数据集

Shiva Aher

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 DRIVE-C数据集通过受控的视觉干扰评估自动驾驶系统感知鲁棒性，包含10个干净视频片段和600个受干扰片段，支持鲁棒性基准测试、降质感知建模和传感器健康监测。

TEACar: An Open-Source Autonomous Driving Platform

TEACar：一个开源的自动驾驶平台

Zhongzheng Zhang, Maxwell Ruyle, Andrew Kappes, Tyler Ruble, William Shaoul, Dana Moreno, Jack Penn, Ivan Ruchkin

机构 * Trustworthy Engineered Autonomy (TEA) Lab, Department of Electrical and Computer Engineering, University of Florida（可信工程自主性实验室，电气与计算机工程系，佛罗里达大学） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 本文提出TEACar，一个模块化、低成本的自动驾驶测试平台，通过四层结构分离感知、计算、执行和电源子系统，提升结构刚性并简化重构。

FugSeg: Fast Uncertainty-aware Ground Segmentation for 3D Point Cloud

FugSeg：面向3D点云的快速不确定性感知地面分割

Yu Li, Volker Schwieger

机构 * Institute of Engineering Geodesy, University of Stuttgart（斯图加特大学工程大地测量研究所） ； Daimler Truck AG（戴姆勒卡车公司） 纠错

专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出FugSeg，一种快速且考虑不确定性的地面分割方法，通过极坐标网格地图表示和自适应坡度策略，有效处理反射噪声和孤立地面问题，在多个数据集上实现最高精度和最快速度。

Comments Accepted for publication in IEEE Transactions on Intelligent Transportation Systems

Journal ref IEEE Transactions on Intelligent Transportation Systems (Early Access), 2026

Low-Cost Stereo Vision for Robust 3D Positioning of Thin Radiata Pine Branches in Autonomous Drone Pruning

低成本立体视觉用于自主无人机修剪中薄辐射松枝的稳健三维定位

Yida Lin, Bing Xue, Mengjie Zhang, Sam Schofield, Richard Green

机构 * Centre of Data Science and Artificial Intelligence & School of Engineering and Computer Science（数据科学与人工智能中心及工程与计算机科学学院） 纠错

专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.CV

AI总结 本文研究利用低成本立体相机实现自主无人机修剪薄枝的三维定位，通过分支分割与深度估计方法，解决森林场景中纹理稀疏、结构细长和噪声干扰等问题。

EvoDriveVLA: Evolving Driving VLA Models via Collaborative Perception-Planning Distillation

EvoDriveVLA: 通过协作感知-规划蒸馏进化驾驶VLA模型

Jiajun Cao, Xiaoan Zhang, Xiaobao Wei, Liyuqiu Huang, Zijian Wang, Hanzhen Zhang, Zhengyu Jia, Wei Mao, Hao Wang, Xianming Liu, Shuchang Zhou, Yang Wang, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； XPeng Motors（小鹏汽车） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出EvoDriveVLA框架，结合自我锚定感知约束和未来引导轨迹优化，解决自动驾驶中感知退化和长期规划不稳定问题，实现nuScenes和NAVSIM的SOTA性能。

Comments 19 pages, 5 figures, 5 tables

R4Det: 4D Radar-Camera Fusion for High-Performance 3D Object Detection

R4Det：用于高性能3D目标检测的4D雷达-摄像头融合

Zhongyu Xia, Yousen Tang, Yongtao Wang, Zhifeng Wang, Weijun Qin

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所） ； EBTech Co. Ltd（EBTech公司） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV

AI总结 R4Det通过全景深度融合模块提升深度估计，设计变形门控时间融合模块以不依赖车辆姿态，结合实例引导动态细化模块，实现更准确的3D目标检测。

Comments Accepted to CVPR 2026

Adversarial Attacks Against MLLMs via Progressive Resolution Processing and Adaptive Feature Alignment

通过渐进分辨率处理和自适应特征对齐对多模态大语言模型进行对抗攻击

Haobo Wang, Xiaorong Ma, Weiqi Luo, Xiaojun Jia, Jiwu Huang

机构 * Sun Yat-sen University（中山大学） ； Nanyang Technological University（南洋理工大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出PRAF-Attack框架，通过多尺度语义指导和中间层局部对齐提升多模态大语言模型的对抗攻击转移性，实验表明其在多种黑盒MLLM上表现更优。

MVB-Grasp: Minimum-Volume-Box Filtering of Diffusion-based Grasps for Frontal Manipulation

MVB-Grasp：基于扩散模型的抓取生成中最小体积盒过滤用于正前方操作

Bibek Poudel, Abdul Basit, Muhammad Shafique

机构 * Unitree（单位树） ； Intel（英特尔） 纠错

专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO

AI总结 本文提出MVB-Grasp方法，通过引入最小体积包围盒几何先验，提升低成本机械臂在受限工作空间中的正前方抓取成功率，结合几何过滤与重评分函数，验证了其在Z1机械臂上的有效性。

Comments 8 pages, 12 figures, accepted to IJCNN 2026

Not All Thoughts Need HBM: Semantics-Aware Memory Hierarchy for LLM Reasoning

并非所有思考都需要HBM：面向LLM推理的语义感知内存层次结构

Aojie Yuan, Tianqi Shen, Dajun Zhang

机构 * University of Southern California（南加州大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 感知 ：occupancy(abstract)

AI总结 本文提出一种语义感知内存层次结构，通过累积注意力评分将token分为四个层级，减少HBM占用并提升推理准确性，实验表明仅3%的淘汰率可保持91%的GSM8K准确率。

Comments Preprint. 14 pages + appendix. Under review at AdaptFM Workshop @ ICML 2026