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。
面向自动驾驶的空间感知视觉语言模型
机构 * Motional ； University of Amsterdam（阿姆斯特丹大学）
专题命中 感知 ：LiDAR(summary_cn,abstract)；autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出LVLDrive框架，通过融合LiDAR点云与视觉语言模型，利用渐进融合Q-Former和空间感知问答数据集，解决3D度量空间推理瓶颈，提升自动驾驶场景理解与决策可靠性。
Comments Accepted to CVPR AutoPilot Workshop 2026
MambaBEV：基于Mamba2的BEV三维检测模型
机构 * School of Instrument Science and Engineering, Southeast University, China（仪器科学与工程学院，东南大学，中国） ； Amazon Development Center Germany GmbH, Germany（亚马逊德国开发中心，德国） ； T3CAIC Technology, China（T3CAIC技术，中国） ； School of Mechanical Engineering, Southeast University, China（机械工程学院，东南大学，中国）
专题命中 感知 ：BEV(title_cn,abstract)；autonomous driving(abstract)；driving perception(abstract)；分类 cs.CV
AI总结 提出MambaBEV模型，利用Mamba2状态空间模型通过TemporalMamba时序融合模块和Mamba-based DETR头增强全局上下文建模，提升自动驾驶中大型物体的3D检测精度。
Comments ICPR2026
基于轻量级置信感知语言模型的自动驾驶决策
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 提出一种利用轻量级置信感知语言模型的决策框架，通过多智能体协作生成置信注释的决策演示并蒸馏到双头轻量模型，在nuPlan上实现SOTA成功率和低延迟。
Comments 8 Pages, 3 figures, ITSC 2026
GreenSeg: 基于RGB-D点云的地中海温室农业机器人地面分割算法
机构 * Department of Informatics, CIESOL, ceiA3, Universidad de Almería（信息学院，CIESOL，ceiA3，阿尔梅里亚大学）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 针对地中海温室狭窄通道、异构地形和光学干扰等挑战，提出一种基于RGB-D感知的双层验证地面分割框架GreenSeg，通过全局平面拟合、曲率滤波和种子点区域生长实现稳定导航，在AGRICOBIOT I平台上验证了其在动态光照下优于基准方法。
面向任务驱动无人机网络的能量感知多智能体强化学习扩展与个体奖励
机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Computer Science, Colby College（科尔比学院计算机科学系）
专题命中 感知 ：autonomous driving(abstract)；trajectory planning(abstract)；分类 cs.AI
AI总结 提出基于个体奖励函数的能量感知多智能体强化学习模型，利用深度Q网络解决无人机网络动态环境和电池容量限制下的轨迹规划问题，实验表明在任务密度高时成功率接近100%，且扩展性优于共享奖励模型。
Comments IEEE Internet of Things Journal
Journal ref volume=12, number=8, year=2025, pages=10640-10654
物理感知的三维高斯编辑用于驾驶场景生成
机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； National Key Laboratory of Automotive Chassis Integration and Bionics, Jilin University（吉林大学汽车底盘集成与生物力学国家重点实验室） ； China FAW Group Co., Ltd.（中国第一汽车集团有限公司）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV
AI总结 提出RoVES系统，通过单图像驱动的道路几何插入和4-DOF半车动力学模型，实现物理感知的驾驶场景编辑与车辆姿态校正。
基于高程图梯度的千米级GNSS拒止无人机导航：SPRIN-D挑战优胜系统
机构 * Faculty of Electrical Engineering, Czech Technical University in Prague（捷克技术大学布拉格分校电子工程系）
专题命中 感知 ：LiDAR(abstract)；分类 cs.RO
AI总结 针对GNSS拒止环境下无人机长距离飞行中的漂移问题，提出一种利用高程图梯度模板匹配进行漂移校正的轻量级定位方法，并在SPRIN-D挑战中实现9公里航点导航。
Comments 8 pages
协作威胁感知自主性 (CTAA)
专题命中 感知 ：trajectory planning(abstract)
AI总结 提出一种角色区分多智能体框架，通过分配拦截、护航和诱饵角色，结合基于碰撞球边界逃逸零集的反应制导律，提升无人车编队在动态对抗环境中的任务成功概率并管理威胁暴露。
聚类校准：通过学习子群体实现表示感知的概率校准
机构 * Faculty of Computer and Information Science（计算机与信息科学学院）
专题命中 感知 ：autonomous driving(abstract)
AI总结 提出聚类校准框架，通过在特征空间聚类识别子群体并拟合混合校准器，结合分层收缩实现上下文特定校准，在表格、图像和文本基准上提升或匹配强全局校准器的负对数似然和Brier分数。
RECTOR: 基于优先级规则的合规感知自动驾驶轨迹选择重排序
机构 * TORC Robotics LLC（TORC机器人公司） ； Daimler Truck AG（戴姆勒卡车集团） ； Reynolds & Moore（雷诺兹与摩尔公司） ； MassRobotics（马斯机器人）
专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.AI
AI总结 提出RECTOR，一种后生成重排序层，通过差异化代理和场景条件适用性机制，基于分层规则手册（安全>法律>道路>舒适）对候选轨迹进行评分，并采用确定性ε-词典序规则选择，在无需重新训练预测器的情况下，将安全与法律违规率从28.58%降至20.42%。
DPNet: 面向高动态环境的多普勒激光雷达运动规划
机构 * The University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； University of Macau（澳门大学） ； D-Robotics ； Zhejiang University（浙江大学）
专题命中 规划控制 ：LiDAR(title)；分类 cs.RO
AI总结 提出DPNet，通过多普勒卡尔曼神经网络跟踪快速障碍物并利用多普勒调谐模型预测控制实现高动态环境下的高频高精度运动规划。
Comments Accepted to IEEE Robotics and Automation Letters in April, 2026
SEIDM：一种用于自动驾驶行为的安全高效智能驾驶员模型
机构 * Department of Information and Communication Engineering, Tongji University（信息与通信工程系，同济大学） ； Department of Electrical and Computer Engineering, Duke University（电气与计算机工程系，杜克大学）
专题命中 规划控制 ：autonomous driving(title)；分类 cs.RO
AI总结 提出SEIDM模型，通过引入自适应安全因子动态调整安全减速项的影响，在保证安全的前提下提高交通流效率。
Comments To appear in IEEE IV 2026
ESIA：基于能量的时空交互感知框架用于行人意图预测
机构 * James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 提出ESIA框架，利用条件随机场和能量函数建模时空交互，通过结构一致性约束和模拟退火算法实现行人意图预测，在标准基准上达到最先进性能并提升可解释性。
Comments 13 pages, 6 figures, 3 tables
PEDESTRIANQA: 面向行人意图与轨迹预测的视觉-语言模型基准
机构 * CVIT, IIIT-Hyderabad, India（IIIT-海得拉巴计算机视觉与智能技术研究所，印度）
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 提出大规模视频数据集PedestrianQA，将行人意图和轨迹预测转化为带结构化理由的问答任务，通过微调视觉-语言模型显著提升预测准确性与可解释性。
运营约束下多模式自主出行系统的公正知情规划
专题命中 规划控制 ：self-driving(abstract)
AI总结 本文提出一种考虑用户预算、安全限制和基础设施容量约束的公正知情优化模型，用于多模式自主出行系统（AMoD）的运营规划，并在纽约曼哈顿案例中验证了免费公共交通政策能接近完全免费AMoD系统的公正水平且不牺牲效率。
Comments Accepted for presentation at conference IEEE ITSC 2026. This is the preprint version
基于仿真驱动的集成机器学习实现鲁棒且泛化的路径损耗预测
专题命中 规划控制 ：LiDAR(abstract)
AI总结 提出一种集成机器学习框架，结合激光雷达仿真数据和SMOTE数据增强技术，解决测量数据稀缺下的路径损耗预测问题，在跨环境泛化中平均绝对误差降低高达50%。
Comments Preprint submitted to IEEE Transactions on Wireless Communications
Fast-dDrive：面向自动驾驶的高效块扩散视觉语言模型
机构 * Peking University（北京大学） ； NVIDIA ； The University of Hong Kong（香港大学） ； MIT（麻省理工学院）
专题命中 端到端驾驶 ：autonomous driving(title,abstract)；trajectory planning(abstract)
AI总结 提出Fast-dDrive，一种块扩散视觉语言动作模型，通过语义单元内双向细化与跨单元因果约束，结合结构化令牌冻结、分段感知训练和推测解码，实现高保真轨迹规划与高效推理，在WOD-E2E和nuScenes上达到最优性能，推理速度提升12倍。
NudgeVAD: 通过FiLM残差的语言引导端到端驾驶
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学）
专题命中 端到端驾驶 ：end-to-end driving(title,abstract)；分类 cs.CV
AI总结 提出NudgeVAD框架，利用语言作为校准的微调信号，通过恒等初始化的FiLM和零初始化残差头，在命令不可靠时显著提升驾驶轨迹预测性能。
Comments Technical report for the doScenes Instructed Driving Challenge, CVPR 2026 DriveX Workshop. 1st place in the Ablation track
VLA 推理是否忠实？自动驾驶模型中因果链的安全性探究
机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； Central South University（中南大学） ； School of Computer Science（计算机科学学院） ； University of Wollongong in Dubai（迪拜大学）
专题命中 端到端驾驶 ：autonomous driving(title)；分类 cs.RO、cs.CV、cs.AI
AI总结 通过分析300次VLA推理，发现输出推理与轨迹的忠实度仅42.5%，存在大量漏检行人、轨迹脆弱及推理-动作不一致问题，并提出了信息论忠实度形式化定义与安全架构。
Comments Accept (Poster), CVPR 2026 Workshop DriveX NonArchival Track
语义引导的多模态掩码自编码器预训练用于3D BEV目标检测
机构 * University of Lincoln, Lincoln Centre for Autonomous Systems（林肯大学，林肯自主系统中心） ； University of Cambridge, Institute for Manufacturing, Department of Engineering（剑桥大学，制造研究所，工程系）
专题命中 BEV与占用 ：BEV(title,title_cn)；LiDAR(summary_cn,abstract)；autonomous driving(abstract)；分类 cs.CV
AI总结 提出语义引导的多模态掩码自编码器框架，通过语义引导的LiDAR体素掩码和辅助点语义解码分支，在预训练中注入语义信息，提升3D BEV目标检测性能。
Comments Accepted at the ICRA 2026 Workshop on Semantics for Reliable Robot Autonomy (SRRA) as a lightning talk and poster
扩展以占据为中心的驾驶场景生成：数据集与方法
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（东部技术研究院） ； School of Electronic Information and Electrical Engineering（电子信息与电气工程学院） ； Li Auto（力汽车） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生实验室） ； Ningbo Institute of Digital Twin（宁波数字孪生研究院）
专题命中 BEV与占用 ：occupancy(title,abstract)；LiDAR(summary_cn,abstract)；autonomous driving(abstract)；分类 cs.CV
AI总结 针对占据数据稀缺问题，构建最大语义占据数据集Nuplan-Occ，并提出统一框架联合生成高质量语义占据、多视角视频和LiDAR点云，采用时空解耦架构及高斯泼溅稀疏点图渲染和传感器感知嵌入策略，实现高保真生成。
Comments IEEE TPAMI
AnyScene: 迈向高度可控的任意位置驾驶场景生成及超越
机构 * Li Auto（利汽车） ； Southwest Jiaotong University（西南交通大学） ； Tsinghua University（清华大学）
专题命中 BEV与占用 ：BEV(summary_cn,abstract)；autonomous driving(abstract)；occupancy(abstract)；分类 cs.RO、cs.CV
AI总结 提出AnyScene框架，通过时空占用扩散Transformer和几何引导视图扩展模块，实现从BEV布局生成语义占用序列和参考无关的多视角驾驶视频，支持精确可控和长时生成。
Comments Work in progress. Project page: https://mind-omni.github.io/
BridgeTA: 通过教师助手弥合知识蒸馏中表示差距的鸟瞰图分割
机构 * Yonsei University（延世大学） ； Hyundai Motor Company（现代汽车公司） ； Korea Institute of Science and Technology（韩国科学技术院）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV
AI总结 提出BridgeTA框架，利用教师助手网络在保持学生模型架构和推理成本不变的情况下，弥合激光雷达-相机融合与纯相机模型之间的表示差距，并通过Young不等式推导蒸馏损失实现稳定优化，在nuScenes数据集上mIoU提升4.2%。
Comments Accepted at ICRA 2026 (8 pages, 6 figures)
基于增量构建占据栅格地图的全向机器人闭式双障碍CBF安全滤波器
机构 * Raspberry Pi（树莓派） ； PX4 ； CUAV Nano 7 ； Raspberry Pi 4B quadrotor（树莓派4B四旋翼无人机）
专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO
AI总结 提出一种闭式双障碍控制障碍函数安全滤波器，通过解析推导占据栅格地图的符号距离场，同时避免已映射障碍物并限制进入未探索区域，实现全向机器人在资源受限平台上的实时安全控制。
DriveGen3D: 通过高效视频扩散提升前馈驾驶场景生成
机构 * Zhejiang University（浙江大学） ； GigaAI ； Tsinghua University（清华大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Peking University（北京大学） ； Monash University（墨尔本大学）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 提出DriveGen3D框架，结合快速视频扩散Transformer（FastDrive-DiT）和前馈3D重建模块（FastRecon3D），实现高质量、可控的动态3D驾驶场景生成，在长视频和3D一致性上达到最优。
Comments ICME 2026 Oral, Project Page: https://lhmd.top/drivegen3d
保守与非保守漂移模型的有限粒子收敛速率
机构 * Department of Statistics, University of California, Davis（加州大学戴维斯分校统计系）
专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI
AI总结 针对一步生成建模，提出保守漂移方法（用核密度估计梯度速度替代位移速度）并证明连续时间有限粒子收敛界，同时分析非保守方法（Laplace核）的对应速率。
有限域密码学中云TPU的架构限制
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 通过实验表征云TPU在有限域密码学中相比GPU的成本效率缺陷，并分析其根本原因在于缺乏宽整数ALU和空间惩罚。
模型停放税：量化始终在线GPU模型部署的隐藏能耗成本
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 通过跨架构测量，发现GPU空闲功耗由DVFS状态决定，而非显存占用，CUDA上下文贡献了超过98%的停放税，并建立了冷启动盈亏平衡模型。
Comments 7 pages, 3 figures, 5 tables
为什么智能体定理证明器有效：数学推理模型的统计可证明性理论
机构 * CyberAgent, Inc.（CyberAgent公司） ； National Institute of Informatics, Japan（日本信息机构）
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文通过统计可证明性理论，将形式化证明搜索建模为有限视界可达性MDP，分析了智能体定理证明器中各组件对有限预算下证明成功率的影响，并给出了成功率差距的误差界。
Comments accepted at icml2026
MR-LiDAR：用于感知诊断和部署指导的多分辨率路边激光雷达基准
机构 * Intelligent Comprehensive Transportation Key Laboratory of Sichuan Province（四川省智能综合交通运输重点实验室）
专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.RO
AI总结 针对激光雷达选型缺乏实证基准的问题，提出MR-LiDAR多分辨率基准，通过控制光束数和分布等变量，系统分析其对感知性能的影响，并给出选型指导。
Comments 9 pages, 6 figures
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