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。
SARAD：基于LLM的安全感知混合强化学习与碰撞预测在自动驾驶中的应用
机构 * National Natural Science Foundation (NNSF) of China（中国国家自然科学基金委员会） ； National Science and Major Project（国家科学技术重大专项）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出SARAD框架，结合大语言模型和深度强化学习，通过检索增强生成和碰撞预测模块提升自动驾驶的安全性和效率。
Comments 7 pages, 4 figures, accepted by IJCNN 2026
SAM增强的道路数据集分割：自动驾驶中关键类别的平衡
机构 * Department of Mechanical and Industrial Engineering, Tallinn University of Technology（塔林技术大学机械与工业工程系） ； FinEst Centre for Smart Cities, Tallinn University of Technology（塔林技术大学智能城市研究中心） ； Department of Computer Science and Engineering, Universitas Mercatorum（默卡托姆大学计算机科学与工程系） ； Department of Computer Science and Engineering, Chalmers University of Technology（挑战者技术大学计算机科学与工程系） ； University of Gothenburg（哥德堡大学）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV
AI总结 提出基于SAM的标注流水线，将ZOD数据集的边界框转换为密集像素级语义掩码，并评估不同架构在类别不平衡下的性能，通过双向迁移学习实现跨传感器配置的有效迁移。
DriveWAM: 视频生成先验实现自动驾驶的可扩展世界-动作建模
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Voyager Research, Didi Chuxing（Voyager Research，滴滴出行）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出DriveWAM，通过将预训练视频扩散Transformer适配为自回归视频-动作策略，并引入场景演化驾驶引导和选择性KV记忆，实现可扩展的世界-动作建模，在NAVSIM和PhysicalAI基准上取得强规划性能。
DRIFT: 通过场传输进行类人自动驾驶的驾驶风险推断
专题命中 感知 ：autonomous driving(title)
AI总结 提出DRIFT，一种由对流-扩散-反应偏微分方程驱动的时空风险场，通过各向异性高斯核、遮挡感知潜在危险和拓扑耦合合流区冲突压力来建模风险传播，并引入场中心评估指标，实验表明在遮挡场景下优于基线方法。
Comments Accepted by The IEEE International Conference on Intelligent Transportation Systems (ITSC) 2026
EventShiftFlow：面向硬件高效的基于FPGA的流估计
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 感知 ：occupancy(abstract)；分类 cs.RO、cs.CV
AI总结 提出一种基于事件相机的流估计方法，通过离散化事件、构建1位空间占用网格并并行评估速度假设，仅使用固定宽度整数逻辑实现，无需帧重建、浮点运算或迭代优化，适用于低延迟机器人感知。
Comments 10 pages, 5 figures. Accepted to the IEEE ICRA 2026 Workshop on Challenges and Opportunities of Neuromorphic Field Robotics and Automation
考虑随机通信延迟的高速公路匝道合流延迟感知强化学习
机构 * Department of Computer Science, George Washington University, Washington, D.C.（计算机科学系，乔治华盛顿大学，华盛顿特区） ； Connected and Automated Vehicle Program Manager, Traffic Operations Division, Virginia Department of Transportation（连接与自动化车辆计划主任，交通运营处，弗吉尼亚州交通部） ； Department of Mechanical & Aerospace Engineering, George Washington University, Washington, D.C.（机械与航空航天工程系，乔治华盛顿大学，华盛顿特区）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.RO、cs.AI
AI总结 针对V2I通信随机延迟导致状态观测延迟的问题，提出DAROM框架，通过随机延迟MDP建模和延迟感知编码器恢复马尔可夫性，结合物理安全控制器实现鲁棒控制。
面向光流组件的智能语言到目标合成
机构 * Institute of Biological and Chemical Systems, Karlsruhe Institute of Technology, Germany（马克斯·普朗克研究所生物和化学系统研究所，卡尔斯鲁厄技术大学，德国） ； Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学和理论物理系，剑桥大学，英国） ； Department of Mathematics, Imperial College London, UK（数学系，伦敦帝国理工学院，英国） ； Institute of Anthropomatics and Robotics (IAR), Karlsruhe Institute of Technology, Germany（人机学与机器人研究所（IAR），卡尔斯鲁厄技术大学，德国）
专题命中 感知 ：self-driving(abstract)；分类 cs.RO
AI总结 提出Speak-to-Objective模块化智能流水线，利用条件大语言模型将口语或书面指令转换为可微目标函数，实现光流控微粒子组装，并支持用户反馈学习。
Comments 21 pages, 5 figures
COTTA: 面向自动驾驶轨迹预测的上下文感知迁移适应
机构 * Ewha Womans University（成均馆大学） ； Seoul National University（首尔国立大学） ； Sangmyung University（Sangmyung 大学） ； NVIDIA
专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.CV、cs.AI
AI总结 本文研究将基于美国数据训练的轨迹预测模型QCNet迁移到韩国道路环境，通过对比四种训练策略，发现冻结编码器并微调解码器可在精度和效率间取得最佳平衡，预测误差降低66%以上。
Comments 4 pages, 2 figures. Accepted at ICEIC 2026
小米自动驾驶世界模型：一个融合重建与生成的联合世界模型
机构 * Xiaomi（小米）
专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出一个统一技术系统，通过稀疏场景查询驱动的重建模块WorldRec和两阶段训练框架WorldGen，实现高保真3D场景表示与高质量因果视频生成，并联合优化以提升生成稳定性、跨帧一致性和视觉保真度。
WeatherCity: 可控多天气变换的城市场景重建
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学）
专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.CV
AI总结 提出WeatherCity框架，利用文本引导的图像编辑、天气高斯表示和物理驱动模型，实现高保真、时间一致的4D城市场景重建与多天气编辑。
可变形高斯占据：通过分解蒸馏解耦刚性与非刚性运动
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑校区）
专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；分类 cs.CV
AI总结 提出DeGO框架，通过解耦高斯变形和分解式4D基础模型蒸馏，在弱监督下实现动态场景中刚性与非刚性运动的分离，显著提升人体实例占据预测性能。
Comments CVPR 2026
随机轨迹中表观分形维数的有限尺寸占据标度
专题命中 BEV与占用 ：occupancy(title,abstract)
AI总结 针对有限随机轨迹中分形维数估计的有限尺寸标度问题，提出基于球箱占据模型的偏差校正方法，通过归一化局部斜率坍塌实现跨模型类的误差降低。
Comments Main text: 30 pages, 5 figures; supplementary material included
空位对元素Fe和Cr中氢迁移和捕获的影响：DFT和kMC研究
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 通过DFT和kMC多尺度方法，研究了空位对BCC Fe和Cr中氢迁移和捕获的影响，发现Cr中氢捕获更强，空位显著降低氢迁移率并增加有效活化能。
有色top-$m$-to-random洗牌的显式截止轮廓
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 研究花环积$C_p\wr S_n$上的$p$色top-$m$-to-random洗牌，利用Nakano-Sadahiro-Sakurai基元素$B_m$得到精确的嵌套集占用混合，将似然比简化为单一统计量$L_p$，从而导出分离度、$L^\infty(U)$、全变差、$L^q(U)$、$\chi^2$和相对熵的精确公式，并给出截止轮廓。
Comments 45 pages
利用法国大都市机载LiDAR HD参考数据从Sentinel-2时间序列进行超分辨率冠层高度制图
机构 * CESBIO ； GlobEO
专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.CV
AI总结 提出THREASURE-Net端到端框架，利用Sentinel-2时间序列和LiDAR HD数据生成2.5m、5m和10m分辨率的年度冠层高度图，无需预训练模型或高分辨率光学图像，在法国大都市区实现优于现有方法的精度。
超辐射激光雷达
专题命中 激光雷达 ：LiDAR(title,abstract)
AI总结 利用Dicke超辐射概念，通过N个热光源和m≥2阶强度相关测量，将远程物体距离测量的Cramér-Rao界降低至传统激光雷达的1/N，且随相关阶数m增加进一步降低。
评估工程尾流模型与运行数据：来自Lillgrund风电场尾流偏转活动的见解
专题命中 激光雷达 ：LiDAR(summary_cn,abstract)
AI总结 利用Lillgrund海上风电场的SCADA和LiDAR数据，评估四种工程尾流模型组合在基准和主动尾流偏转条件下的性能，发现模型能再现尾流亏损趋势但存在7%-15%的速度亏损MAE和3%-23%的功率误差。
Journal ref Wind Energy, Volume29, Issue6 June 2026 e70126
基于严格实验设置的轻量级自主激光雷达无人机系统在北方森林环境中的现场评估与优化
机构 * Finnish Geospatial Research Institute in National Land Survey of Finland（芬兰地理研究 institute 在芬兰国家土地测绘局）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO
AI总结 提出标准化实验设置评估自主林下无人机系统，通过轻量级激光雷达四旋翼在北方森林中的93次真实飞行验证，优化后系统在中难度森林中1m/s和2m/s速度下成功率分别为12/15和15/15，在困难森林中为12/15和5/15。
Comments This work has been submitted to the IEEE for possible publication
基于激光雷达机器人检测的退化感知协同多模态GNSS拒止定位
机构 * Multi-robot Systems Group, Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague（布拉格捷克技术大学电气工程学院控制学系多机器人系统组） ； Turku Intelligent Embedded and Robotic Systems (TIERS) Lab, University of Turku（图尔库大学智能嵌入式与机器人系统实验室）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO
AI总结 提出一种因子图框架下的自适应多模态多机器人协同定位方法，融合异步VIO、LIO和3D机器人间检测，通过插值因子和Wasserstein距离加权处理传感器退化，显著提升定位精度。
Comments Preprint version. This work has been submitted to Elsevier for possible publication
IMU传播作为预积分
机构 * State Key Lab of Info Engineering in Surveying, Mapping and Remote Sensing（信息工程测绘遥感国家重点实验室） ； Wuhan University（武汉大学）
专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO
AI总结 本文证明IMU预积分与传播在计算上等价，提出一种与约定无关的视角，通过包装现有传播例程获得预积分测量、偏差雅可比和协方差，反之亦然，从而简化代码复用并支持一致性检查。
Comments 6 pages, 2 figures, to present in ISPRS2026 Thematic Session 10 on Radar Perception
基于张量列分解的FMCW MIMO雷达系统降噪与增强参数估计
专题命中 多传感器融合 ：autonomous driving(abstract)
AI总结 针对FMCW MIMO雷达在低信噪比下混合噪声干扰问题，提出基于张量列分解的框架，利用低秩结构和多维相关性进行噪声子空间分离，并通过数据平滑和旋转子空间算法实现距离、速度和角度参数的联合估计，显著提升信噪比和参数估计精度。
ICR-Drive：面向端到端语言驱动自动驾驶的指令反事实鲁棒性
机构 * Texas Tech University（德克萨斯科技大学） ； Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心（BCAI））
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出ICR-Drive框架，通过生成四类扰动指令（改写、歧义、噪声、误导）并基于CARLA仿真评估，揭示语言条件驾驶模型对指令变化的脆弱性。
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 872-880
Manboformer: 通过时空注意力机制学习高斯表示
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 针对自动驾驶3D语义占用预测中高斯表示性能不足的问题，提出利用时空自注意力机制优化GaussianFormer，以提升模型性能。
Comments After careful self-check, we found several unnoticed deficiencies and incomplete discussions in this manuscript. To ensure the rigor and accuracy of academic results, we decide to withdraw this preprint. A refined, complete, and rigorous version will be submitted soon
SoC: 测试时提示调优的语义正交校准
机构 * MICS, CentraleSupélec, Université Paris-Saclay（MICS，CentraleSupélec，巴黎萨克雷大学） ； LIVIA, ILLS, ÉTS Montréal（LIVIA，ILLs，蒙特利尔ÉTS）
专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV
AI总结 针对视觉语言模型测试时提示调优中校准被忽视的问题，提出基于Huber的正则化方法SoC，在保持语义邻近性的同时实现平滑的原型分离，从而改善校准性能并保持判别能力。
Journal ref CVPR 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