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