自动驾驶

Spatial-aware Vision Language Model for Autonomous Driving

面向自动驾驶的空间感知视觉语言模型

Weijie Wei, Zhipeng Luo, Ling Feng, Venice Erin Liong

机构 * Motional ； University of Amsterdam（阿姆斯特丹大学） 纠错

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: An EV-based 3D detection model with Mamba2

MambaBEV：基于Mamba2的BEV三维检测模型

Zihan You, Ni Wang, Hao Wang, Qichao Zhao, Jinxiang Wang

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） 纠错

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

Decision-Making with Lightweight Confidence-Aware Language Model for Autonomous Driving

基于轻量级置信感知语言模型的自动驾驶决策

Ruoyu Yao, Ruiguo Zhong, Pei Liu, Mingxing Peng, Rui Yang, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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: Ground Segmentation Algorithm for Agricultural Robots in Mediterranean Greenhouses using RGB-D Point Clouds

GreenSeg: 基于RGB-D点云的地中海温室农业机器人地面分割算法

Fernando Cañadas-Aránega, José C. Moreno, José L. Blanco-Claraco

机构 * Department of Informatics, CIESOL, ceiA3, Universidad de Almería（信息学院，CIESOL，ceiA3，阿尔梅里亚大学） 纠错

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。

Scaling up Energy-Aware Multi-Agent Reinforcement Learning for Mission-Oriented Drone Networks with Individual Reward

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

Changling Li, Ying Li

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） 纠错

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

Physics-Aware 3D Gaussian Editing for Driving Scene Generation

物理感知的三维高斯编辑用于驾驶场景生成

Feng Zhou, Jian Zhang, Yuhang Sun, He Wang, Qiong Wen, Debao Kong, Tieru Wu, Rui Ma

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） 纠错

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。

Kilometer-Scale GNSS-Denied UAV Navigation via Heightmap Gradients: A Winning System from the SPRIN-D Challenge

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

Michal Werner, David Čapek, Tomáš Musil, Ondřej Franěk, Tomáš Báča, Martin Saska

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） 纠错

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

Collaborative Threat-Aware Autonomy (CTAA)

协作威胁感知自主性 (CTAA)

Rajnikant Sharma, Abhinav Sinha, Isaac Weintraub

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。

Clustered Calibration: Representation-Aware Probability Calibration via Learned Subpopulations

聚类校准：通过学习子群体实现表示感知的概率校准

Tomer Lavi, Bracha Shapira, Nadav Rappoport

机构 * Faculty of Computer and Information Science（计算机与信息科学学院） 纠错

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。