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。
GSMap：用于在线高精度地图的2D高斯
机构 * School of Computer Science, Northwestern Polytechnical University, China（西北工业大学计算机学院） ； Unmanned Vehicle Dept, Cainiao Inc., Alibaba Group, China（菜鸟网络无人车部门）
专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV
AI总结 GSMap通过可学习的2D高斯表示统一了向量化和光栅化方法，提升高精度地图的几何与拓扑学习性能，实验表明其在nuScenes和Argoverse2上表现优异。
Comments Preprint
SonicDB S6: 一种存储高效的Verkle树用于高吞吐量区块链
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文提出SonicDB S6，一种用于Sonic区块链的生产级Rust Verkle树数据库，通过非分支特性实现存储优化，减少存储占用并提高吞吐量。
Comments 41 pages, 19 figures
铌掺杂对TiFe晶体结构和氢吸收性能的影响：结合同步辐射X射线衍射和扩展X射线吸收精细结构研究
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本研究通过同步辐射X射线衍射和扩展X射线吸收精细结构分析，探讨了铌掺杂对TiFe合金晶体结构和氢吸收性能的影响，发现铌的掺杂能改善基质激活和氢吸收动力学，而不影响整体储氢能力。
CAST：基于简单集的因果传输用于分布值时间序列
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Indiana University（印第安纳大学）
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 该研究提出CAST方法，通过因果锚定简单集传输来处理分布值时间序列的因果预测，解决了分布传输中的结构性失效问题，并在多个基准测试中表现出色。
基于图像点跟踪的运动线索用于LiDAR场景流估计
机构 * Korea University（韩国大学） ； Purdue University（普渡大学） ； KAIST（韩国科学技术院） ； Hyundai Motor Company（现代汽车公司）
专题命中 激光雷达 ：LiDAR(title,title_cn)；autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出TrackCue框架，通过图像点跟踪获取密集轨迹以改进LiDAR场景流估计中的动态物体表示，通过视觉一致的运动补偿策略和视觉运动线索提升来实现更准确的静态-动态分类和更可靠的场景流学习。
4DLidarOpen: 一个用于运动感知自动驾驶的开放4D FMCW激光雷达数据集
机构 * Tsinghua University（清华大学） ； Hesai Technology Co., Ltd.（海思科技有限公司）
专题命中 激光雷达 ：autonomous driving(title,abstract)；LiDAR(title,abstract)；BEV(abstract,abstract_cn)；分类 cs.RO
AI总结 本文提出4DLidarOpen数据集，用于自动驾驶，该数据集基于4D频率调制连续波（FMCW）激光雷达传感，包含点径向速度测量、多种激光雷达、环绕摄像头和6自由度车辆姿态数据，通过混合标注策略实现大规模训练和人工精修，用于3D目标检测、鸟瞰图分割和流预测及运动预测基准测试。
Comments 15pages, 9 figures
通过运动诱导采样用消费级LiDAR成像隐藏物体
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Dartmouth College（达特茅斯学院）
专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.CV
AI总结 本文提出了一种多帧融合策略，利用运动诱导孔径采样模型，在消费级LiDAR上实现了非线视成像，实现了隐藏物体的3D重建、多物体跟踪和相机定位，并展示了消费级硬件无需额外设置即可实现非线视成像的潜力。
基于Dempster-Shafer理论的LiDAR传感器目标检测SOTIF相关用例中的不确定性表示
机构 * Institute for Driver Assistance and Connected Mobility（驾驶员辅助与车联网研究所） ； Kempten University of Applied Sciences（科佩滕应用科学大学）
专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.RO
AI总结 本文提出了一种系统的方法，利用Dempster-Shafer理论构建判定框架，以表示LiDAR传感器目标检测中的不确定性，并通过方差敏感性分析量化和优先处理这些不确定性，以确保自动驾驶场景的安全性。
Comments submitted as extended paper of Vehicle Technology and Intelligent Transport Systems (VEHITS)2024 conference and will be published by Springer in a CCIS Series book later in 2025
NeuroLiDAR: 通过神经形态事件-LiDAR融合实现自适应帧率深度感知
机构 * Singapore Management University（新加坡国立管理学院） ； Singapore-MIT Alliance for Research and Technology Centre（新加坡-麻省理工联合研究和技术中心） ； University of Technology Sydney（悉尼技术大学）
专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.CV
AI总结 本文提出NeuroLiDAR，通过融合稀疏LiDAR数据和密集的神经形态事件相机数据，实现了高达约66Hz的自适应帧率深度感知，减少了29%的深度重建误差。
Comments ICRA2026 accepted
Inter-LPCM: 基于学习的帧间预测编码用于激光雷达点云压缩
机构 * School of Control Science and Engineering, Shandong University（控制科学与工程学院，山东大学） ； Key Laboratory of Machine Intelligence and System Control, Ministry of Education（教育部机器智能与系统控制重点实验室） ； School of Computer Science and Technology, Shandong University（计算机科学与技术学院，山东大学） ； School of Engineering and Sustainable Development, De Montfort University（工程与可持续发展学院，德蒙福特大学）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.CV、eess.IV
AI总结 本文提出Inter-LPCM，一种基于学习的帧间预测编码方法，用于改进激光雷达点云压缩中的几何冗余去除，通过引入delta编码策略、帧间半径预测模型和轻量级注意力预测模型，结合RD优化的量化方法和针对每个球坐标分量的熵编码模型，提高压缩效率和质量。
Comments 14 pages, 12 figures
协同学习用于半监督激光雷达语义分割
机构 * Bosch Research, Robert Bosch GmbH, Stuttgart, Germany（博世研究, 博世有限公司, 斯图加特, 德国） ； Institute for Neuro- and Bioinformatics, University of Lübeck, Lübeck, Germany（神经与生物信息学研究所, 奥尔德马克大学, 奥尔德马克, 德国）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.CV
AI总结 本文提出CoLLiS框架，通过协同学习解决半监督学习中伪标签单一导致的偏差问题，实验表明其在低标注情况下表现优异。
Comments The paper was accepted by ICML2026
有机HAR：在有机环境中通过高效视频分析实现隐私保护传感器的活动发现
专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)
AI总结 本研究提出有机HAR框架，通过将传感器能力置于活动发现中心，利用隐私保护传感器识别自然信号模式，并在关键时刻使用视觉语言模型进行场景理解，从而在有机环境中实现高效且隐私保护的活动识别。
Comments 23 pages, 14 figures, with a 4-page appendix containing 2 additional figures. To appear in Proc. ACM Interact. Mob. Wearable Ubiquitous Technol. (IMWUT), Vol. 9, No. 4, Article 203 (December 2025). DOI: 10.1145/3770674
Journal ref Proc. ACM Interact. Mob. Wearable Ubiquitous Technol. 9(4) (2025) 203:1-203:32
克服集成激光器中噪声与敏捷度的权衡
专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)
AI总结 本文提出了一种新型激光器架构，实现了超低相位噪声和超快速调谐能力，应用于高精度传感领域，展示了其在激光雷达和光纤声学传感中的应用潜力。
Comments 38 pages, 17 figures
Stretch-ICP: 一种在剧烈运动场景下的连续轨迹配准与校正算法
专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO
AI总结 本文提出Stretch-ICP算法，通过改进SLAM的鲁棒性，以提高在剧烈运动下的激光雷达-惯性导航状态估计的鲁棒性和一致性，同时减少了线速度和角速度的估计误差。
Comments 29 pages, 16 figures, published in Sensors 2026, 26(8), 2567, special issue "New Challenges and Sensor Techniques in Robot Positioning"
Journal ref Sensors 2026, 26(8), 2567
NERVE：一种用于多传感器融合研究的神经形态视觉与雷达集成系统
机构 * 1University of Twente, Netherlands 2University of Modena ； 3University of Strasbourg, France 4IMEC the Netherlands, Netherlands ； 5Innatera, Netherlands 6Maastricht University, Netherlands
专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.CV
AI总结 NERVE包含257分钟同步记录的多传感器数据，用于评估多模态融合，通过DVS与雷达结合提升人体检测和距离估计性能。
Comments To be published in ICJNN 2026 Maastricht
结构化标注加速面向端到端自动驾驶的视觉-语言模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； KargoBot
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV、cs.AI
AI总结 本文提出结构化标注的NuScenes-S数据集和紧凑型FastDrive模型，提升自动驾驶中决策任务的效率与准确性，实验显示在结构化数据集上性能优异，推理速度提升超10倍。
GaussianDWM: 基于3D高斯场景表示的统一场景理解和多模态生成驱动世界模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； MEGVII Technology（商汤科技） ； Mach Drive
专题命中 仿真评测 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出基于3D高斯表示的统一驱动世界模型框架，实现3D场景理解和多模态生成，并通过语言引导采样策略和双条件生成模型提升生成效果，实验验证其在nuScenes和NuInteract数据集上的优越性能。
Comments Accepted by CVPR 2026
基于背包问题的在线传感器选择用于车辆状态估计
专题命中 其他自动驾驶 ：autonomous driving(abstract)
AI总结 为了解决车辆依赖外部传感器数据带来的通信和计算成本问题，本文提出了一种基于背包问题的在线传感器选择方法，通过实时选择低成本的传感器子集，并满足由扩展卡尔曼滤波协方差导出的随机约束误差界。
Comments 7 pages, 5 figures. Accepted to the 23rd IFAC World Congress (IFAC 2026)
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