自动驾驶

Generative Texture Diversification of 3D Pedestrians for Robust Autonomous Driving Perception

生成3D行人纹理多样化以实现自动驾驶感知的鲁棒性

Arka Bhowmick, Enes Ozeren, Ahmed Abdullah, Oliver Wasenmuller

机构 * BIT Technology Solutions GmbH（比特技术解决方案 GmbH） ； Mannheim University of Applied Sciences（曼海姆应用科学大学） 纠错

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

AI总结 本文提出一种简单有效的方法，通过StyleGAN2生成多样化的3D行人资产，用于合成场景生成，提升自动驾驶感知的鲁棒性。

Comments Published at SAIAD 2026 Workshop at CVPR 2026

A Multi-Modal Intelligent U2V Channel Model for 6G Sensing-Communication Integration

一种面向6G感知通信一体化的多模智能U2V信道模型

Shuo Wang, Zengrui Han, Lu Bai, Xiang Cheng

专题命中 感知 ：LiDAR(summary_cn,abstract)；occupancy(abstract)

AI总结 本文提出一种基于三维散射体预测的新型U2V信道模型，通过构建宽车道场景下的高保真混合感知通信集成U2V仿真数据集，设计了3D-SPADE算法，利用LiDAR点云准确预测散射体分布，提升了动态U2V场景的建模精度与计算效率。

Real2Sim: A Physics-driven and Editable Gaussian Splatting Framework for Autonomous Driving Scenes

Real2Sim：一种用于自动驾驶场景的物理驱动且可编辑的高斯点扩散框架

Kaicong Huang, Talha Azfar, Weisong Shi, Ruimin Ke

机构 * Department of Civil and Environmental Engineering, Rensselaer Polytechnic Institute（拉特克利夫理工学院土木与环境工程系） ； Department of Computer and Information Sciences, University of Delaware（德雷塞尔大学计算机与信息科学系） 纠错

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

AI总结 Real2Sim结合4D高斯点扩散与可微材料点法求解器，实现动态驾驶场景的连续高斯原语重建，支持实例级编辑，并模拟真实物体间交互，提升自动驾驶场景生成的物理真实性和编辑灵活性。

Still Camouflage, Moving Illusion: View-Induced Trajectory Manipulation in Autonomous Driving

仍然伪装，移动的幻觉：自动驾驶中的视角诱导轨迹操纵

Shuo Ju, Qingzhao Zhang, Huashan Chen, Xuheng Wang, Haotang Li, Wanqian Zhang, Feng Liu, Kebin Peng, Sen He

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； The University of Arizona（亚利桑那大学） ； Beijing Jiaotong University（北京交通大学） ； East Carolina University（东卡罗来纳大学） 纠错

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

AI总结 本文提出一种新型攻击方法，利用车辆视角变化自然演变的伪装，诱导自动驾驶系统产生错误轨迹推断，导致不必要的制动，且无需多视角鲁棒性或主动干预。

R-C-P Method: An Autonomous Volume Calculation Method Using Image Processing and Machine Vision

R-C-P方法：一种利用图像处理和机器视觉的自主体积计算方法

MA Muktadir, Sydney Parker, Sun Yi

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

AI总结 本文提出R-C-P方法，通过二维相机实时测量矩形物体尺寸，利用图像处理和边缘检测实现自主体积计算，提供表面面积和不连续边缘的检测。

Journal ref Communications in Computer and Information Science, vol. 2939, Springer, Cham (2026)

LEXI-SG: Monocular 3D Scene Graph Mapping with Room-Guided Feed-Forward Reconstruction

LEXI-SG：基于房间引导前馈重建的单目3D场景图映射

Christina Kassab, Hyeonjae Gil, Matías Mattamala, Ayoung Kim, Maurice Fallon

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

AI总结 LEXI-SG是首个仅使用RGB相机输入的开放词汇3D场景图密集映射系统，通过语义先验分割场景为房间，实现可扩展的密集映射。

Perception with Guarantees: Certified Pose Estimation via Reachability Analysis

具有保证的感知：通过可达性分析进行认证姿态估计

Tobias Ladner, Yasser Shoukry, Matthias Althoff

机构 * Technical University of Munich, Germany（慕尼黑技术大学） ； University of California, Irvine, USA（加州大学 Irvine 分校） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出通过可达性分析实现认证姿态估计，利用相机图像和已知目标几何体，确保在最坏情况下姿态估计的准确性与安全性。

Comments Accepted at Computed Aided Verification (CAV'2026)

GTA: Advancing Image-to-3D World Generation via Geometry Then Appearance Video Diffusion

GTA: 通过几何然后外观视频扩散推进图像到3D世界生成

Hanxin Zhu, Cong Wang, Peiyan Tu, Jiayi Luo, Tianyu He, Xin Jin, Zhibo Chen

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） 纠错

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

AI总结 本文提出GTA方法，通过几何先于外观的两阶段框架提升3D场景生成的结构精度和视觉质量，同时引入随机潜在shuffle策略和测试时缩放方案，实验表明其在保真度、视觉质量和几何准确性上优于现有方法。

The Unified Autonomy Stack: Toward a Blueprint for Generalizable Robot Autonomy

统一自主栈：迈向通用机器人自主性的蓝图

Mihir Dharmadhikari, Nikhil Khedekar, Mihir Kulkarni, Morten Nissov, Martin Jacquet, Angelos Zacharia, Marvin Harms, Albert Gassol Puigjaner, Philipp Weiss, Kostas Alexis

机构 * Autonomous Robots Lab（自主机器人实验室） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出统一自主栈，通过多模态感知、多行为规划和多层安全导航模块实现通用机器人自主性，经实地测试验证其在复杂环境中的鲁棒性。

Comments 35 pages, 22 figures, 8 tables

An Overtaking Trajectory Planning Framework Based on Spatio-temporal Topology and Reachable Set Analysis Ensuring Time Efficiency

基于时空拓扑与可达集分析的超越轨迹规划框架：确保时间效率

Wule Mao, Zhouheng Li, Entao Sun, Lei Xie, Hongye Su

机构 * State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou, 310027, China（工业控制技术国家重点实验室，浙江大学，杭州，310027，中国） ； Shanghai STEP Electric Corporation, Shanghai, 201802, China（上海STEP电力有限公司，上海，201802，中国） 纠错

专题命中 规划控制 ：trajectory planning(title,abstract)；分类 cs.RO

AI总结 本文提出SROP框架，通过时空拓扑搜索获取多样初始路径并结合可达集分析提升计算效率，实验显示轨迹平滑度提升66.8%且计算时间减少62.9%。

Accelerating Time-Optimal Trajectory Planning for Connected and Automated Vehicles with Graph Neural Networks

利用图神经网络加速连接和自动化车辆的时间最优轨迹规划

Viet-Anh Le, Andreas A. Malikopoulos

专题命中 规划控制 ：trajectory planning(title,abstract)

AI总结 本文提出基于学习的框架，利用图神经网络加速连接和自动化车辆的时间和能量最优轨迹规划，通过实时重规划提升性能，采用GINEConv网络学习离线数据以加速计算，减少计算时间并保持控制性能。

Comments final IFAC WC 2026

DynoJEPP: Joint Estimation, Prediction and Planning in Dynamic Environments

DynoJEPP：动态环境中的联合估计、预测与规划

Mikolaj Kliniewski, Jesse Morris, Yiduo Wang, Ian R. Manchester, Viorela Ila

机构 * Australian Centre For Robotics (ACFR)（澳大利亚机器人中心） ； School of Aerospace, Mechanical and Mechatronic Engineering (AMME)（航空航天、机械与机电工程学院） 纠错

专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO

AI总结 DynoJEPP通过引入定向因子解决传统因子图方法中预测与规划对状态估计的干扰问题，确保在动态环境中安全运行。

Ergodic Trajectory Design by Learned Pushforward Maps: Provable Coverage via Conditional Flow Matching

通过学习的推前映射进行遍历轨迹设计：通过条件流匹配实现可证明的覆盖

Ehsan Aghazadeh, Masoud Malekzadeh, Ahmad Ghasemi, Hossein Pishro-Nik

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出了一种epushforward框架，通过条件流匹配学习映射，将潜在轨迹分布转换为目标密度，实现轨迹的可证明覆盖，同时支持多智能体和不同约束条件。

Empirical confirmation of bosonic wealth statistics in Bitcoin UTXOs

玻色统计在比特币UTXO中的实证确认

Chanhee Park, Claudio J. Tessone, Yu Zhang, Jeong-Hyuck Park

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究通过比特币区块链数据验证了玻色统计在UTXO财富分布中的适用性，构建了一种几何分布模型，展示了其在财富持有和时间演变中的有效性，且参数一致性测试通过。

Comments 19 pages, 7 figures, 2 tables. Supplementary Information (38 pages) provided as ancillary file. Code: https://github.com/Jeong24th/bosonic-wealth-bitcoin

Time-Resolved Pore-Scale Imaging of Multiphase Dissolution during CO2-Saturated Brine Injection into a Carbonate: Competition between Hydrocarbon Mobilisation and Swelling

多相溶解过程的时域孔隙尺度成像：在二氧化碳饱和卤水注入碳酸盐中的竞争：烃类物质迁移与膨胀

Qianqian Ma, Rukuan Chai, Zhuangzhuang Ma, Yanghua Wang, Martin J. Blunt, Branko Bijeljic

专题命中 规划控制 ：occupancy(abstract)

AI总结 研究通过时域孔隙尺度实验，探讨二氧化碳饱和卤水注入含残余烃类的碳酸盐岩中多相溶解过程，揭示烃类迁移与膨胀的竞争机制对流体输运的影响。

Comments 27 pages, 11 figures

CoWorld-VLA: Thinking in a Multi-Expert World Model for Autonomous Driving

CoWorld-VLA：面向自动驾驶的多专家世界模型中的思考

Minqing Huang, Yujiao Xiang, Zihan Liang, Jiajie Huang, Jingqi Wang, Zhi Xu, Feiyang Tan, Hangning Zhou, Mu Yang, Gong Che

机构 * Afari Intelligent Drive（Afari智能驾驶公司） ； University of Electronic Science and Technology of China（电子科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beijing University Of Posts and Telecommunications（北京邮电大学） ； Tianjin University（天津大学） 纠错

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CoWorld-VLA，通过多专家世界推理框架，利用显式条件指导动作规划，提升自动驾驶的场景生成与路径规划性能。

OptMap: Geometric Map Distillation via Submodular Maximization

OptMap：通过子模极大化进行几何地图蒸馏

David Thorne, Nathan Chan, Christa S. Robison, Philip R. Osteen, Brett T. Lopez

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； DEVCOM Army Research Laboratory (ARL)（国防部陆军研究实验室（ARL）） 纠错

专题命中 BEV与占用 ：LiDAR(abstract,abstract_cn)；分类 cs.RO

AI总结 OptMap通过子模极大化理论和算法创新，实现应用特定的在线地图生成，减少计算开销并提升长期映射任务的效率。

Selective Octahedral Accommodation of Cr$^{3+}$ and Weak Magnetic Connectivity in the Sugilite Analogue KNa$_2$Cr$_2$Li$_3$Si$_{12}$O$_{30}$

选择性八面体容纳Cr³+及在Sugilite类比KNa₂Cr₂Li₃Si₁₂O₃₀中的弱磁连接

Yuya Haraguchi, Taishu Aoki, Daisuke Nishio-Hamane, Hiroko Aruga Katori

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究通过合成Cr类Sugilite结构KNa₂Cr₂Li₃Si₁₂O₃₀，发现Cr在T2位的低占有率及弱反铁磁相互作用。

Comments 5pages, 4figures, accepted in Chemistry Letters

OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation

OmniLiDAR：一个多领域3D激光雷达生成的统一扩散框架

Youquan Liu, Weidong Yang, Ao Liang, Xiang Xu, Lingdong Kong, Yang Wu, Dekai Zhu, Xin Li, Runnan Chen, Ben Fei, Tongliang Liu, Wanli Ouyang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； School of Computing, Department of Computer Science, National University of Singapore（新加坡国立大学计算机学院） ； College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院） ； Technical University of Munich（慕尼黑技术大学） ； Nanjing University of Science and Technology（南京理工大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Sydney（悉尼大学） ； The Chinese University of Hong Kong, Hong Kong SAR（香港中文大学（深圳）） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV

AI总结 OmniLiDAR提出一种统一的文本条件扩散框架，生成跨八个领域的3D激光雷达扫描，通过跨域训练策略和特征建模提升多域生成能力，实验显示在数据增强和鲁棒性评估中表现优异。

Comments Preprint; 12 pages, 7 figures, 10 tables

Quantum Phase Gradient Imaging Using a Nonlocal Metasurface System

利用非局域超材料系统的量子相位梯度成像

Jinliang Ren, Jinyong Ma, Katsuya Tanaka, Lukas Wesemann, Ann Roberts, Frank Setzpfandt, Andrey A. Sukhorukov

专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)

AI总结 本文提出一种紧凑的量子相位梯度成像系统，结合铌酸锂超材料生成空间纠缠光对和硅超材料提取相位梯度，实现高精度成像，具有潜在的高像素分辨率提升和广泛的应用前景。

Comments 16 pages, 6 figures

Journal ref Optica 13, 920-929 (2026)

When Backdoors Meet Partial Observability: Attacking Real-World Reinforcement Learning

当后门遇见部分可观测性：攻击现实世界的强化学习

Tairan Huang, Qingqing Ye, Yulin Jin, Jiawei Lian, Yaxin Xiao, Yi Wang, Haibo Hu

机构 * Department of Electrical and Electronic Engineering（电气与电子工程系） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出DGBA框架，针对现实世界强化学习中部分可观测性问题，通过扩散引导后门攻击实现稳定攻击激活，实验表明其优于现有方法且不影响正常任务性能。

Saturation-Aware Angular Velocity Estimation: Extending the Robustness of SLAM to Aggressive Motions

考虑饱和的角速度估计：将SLAM的鲁棒性扩展到激进运动

Simon-Pierre Deschênes, Dominic Baril, Matěj Boxan, Johann Laconte, Philippe Giguère, François Pomerleau

机构 * Northern Robotics Laboratory, Université Laval, Quebec City, Quebec, Canada（北方机器人实验室，拉瓦尔大学，魁北克市，魁北克，加拿大） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种新的角速度估计方法，以提高SLAM算法在剧烈运动引起的陀螺仪饱和情况下的鲁棒性。通过使用加速度计在机器人翻滚时估计角速度，显著降低定位误差，并提出TIGS数据集以支持研究。

Comments 7 pages, 7 figures, published in 2024 IEEE International Conference on Robotics and Automation (ICRA), Yokohama, Japan

Journal ref 2024 IEEE International Conference on Robotics and Automation (ICRA), Yokohama, Japan, 2024, pp. 10711-10718

Validating remotely sensed biomass estimates with forest inventory data in the western US

利用地面调查数据验证美国西部地区遥感生物量估计

Xiuyu Cao, Joseph O. Sexton, Panshi Wang, Dimitrios Gounaridis, Neil H. Carter, Kai Zhu

机构 * School for Environment and Sustainability, University of Michigan（环境可持续发展学院，密歇根大学） ； terraPulse, Inc.（terraPulse公司） 纠错

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 本研究利用美国森林调查数据对terraPulse公司的生物量数据进行独立验证，发现两者在不同尺度上均表现出高度一致性，为全球生物量监测提供了新的基准。

Comments 32 pages, 5 figures

Journal ref Science of Remote Sensing, Volume 13, June 2026, 100441

Lifelong Learning in Vision-Language Models: Enhanced EWC with Cross-Modal Knowledge Retention

视觉-语言模型的终身学习：增强的EWC与跨模态知识保留

Hamza Ahmed Durrani, Rafay Suleman Durrani

机构 * Sejong University, Computer Science Engineering（世宗大学，计算机科学工程） ； Technische Universität Ilmenau, Computer Engineering（伊门瑙技术大学，计算机工程） 纠错

专题命中 仿真评测 ：autonomous driving(abstract,comments)；分类 cs.RO

AI总结 本文提出一种结合增强EWC与参数高效微调的框架，有效减少视觉-语言模型在连续学习中的遗忘，通过多模态Fisher信息矩阵计算和跨模态一致性保留，实现78%的遗忘率降低，并在动态环境中提升多模态AI系统的适应能力。

Comments 8 pages, 5 figures, 1 table. Applications in autonomous driving, intelligent robotic assistants, and adaptive robotics systems

Learning Responsibility-Attributed Adversarial Scenarios for Testing Autonomous Vehicles

学习具有责任归属的对抗性场景以测试自动驾驶车辆

Yizhuo Xiao, Haotian Yan, Ying Wang, Zhongpan Zhu, Yuxin Zhang, Xintao Yan, Mustafa Suphi Erden, Cheng Wang

机构 * School of Engineering and Physical Sciences, Heriot-Watt University, Edinburgh, U.K.（1 工程与物理科学学院，赫瑞-沃顿大学，爱丁堡，英国） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems, Tongji University, Shanghai, China（2 自主智能无人系统国家重点实验室，同济大学，上海，中国） ； College of Computer Science and Technology, Jilin University, Changchun, China（3 计算机科学与技术学院，吉林大学，长春，中国） ； University of Shanghai for Science and Technology, Shanghai, China（4 上海科技大学，上海，中国） ； National Key Laboratory of Automotive Chassis Integration and Bionics, Jilin University, Changchun, China（5 汽车底盘集成与生物力学国家重点实验室，吉林大学，长春，中国） ； Department of Civil Engineering, The University of Hongkong, Hongkong, China（6 市政工程系，香港大学，香港，中国） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO

AI总结 本文提出CARS框架，通过整合责任归属机制，生成可解释且符合规范的安全证据，提升自动驾驶系统验证的可靠性。

Volumetric Optical Scattering Neural Networks

体积分散神经网络

Xuhao Luo, Qiang Song, Weiwei Cai, Lei Chen, Enbo Yang, Hao Wang, Zhipei Sun, Yueqiang Hu, Joel K. W. Yang, Huigao Duan

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出体积分散神经网络，利用密集排列的弱散射体实现三维局部连接的光计算介质，实现高密度、高紧凑性和高效光学计算，应用于嵌入式光学智能和AI领域。