自动驾驶

Can BEV Perception Gracefully Degrade under Sensor Failures?

BEV感知能否在传感器故障下优雅降级？

Haifa Zhang, Yijing Wang, Haoyu Wang, Zheng Li, Zhiqiang Zuo

机构 * Tianjin Key Laboratory of Intelligent Unmanned Swarm Technology and System（天津智能无人群技术与系统重点实验室） ； School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China（系统控制与信息处理重点实验室，中华人民共和国教育部） 纠错

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 针对多模态BEV感知在传感器损坏时性能骤降的问题，提出Grace-BEV框架，通过主动可靠性评估和动态特征重校准实现优雅降级，在极端LiDAR故障下将mAP从0.0%恢复至34.7%。

VolFill: Single-View Amodal 3D Scene Reconstruction with Volumetric Flow Matching

VolFill: 基于体素流匹配的单视图非模态3D场景重建

Tuan Duc Ngo, Chuang Gan, Evangelos Kalogerakis

机构 * UMass Amherst（马萨诸塞大学阿姆赫斯特分校） ； TU Crete（希腊技术大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.CV

AI总结 提出VolFill框架，利用混合3D VAE和潜在扩散Transformer从单张RGB图像生成完整3D场景结构，在SCRREAM和NRGB-D数据集上显著优于现有方法。

Inverse Reinforcement Learning without an Optimal Demonstrator: A Feasible Reward Set Approach

无最优演示者的逆强化学习：一种可行奖励集方法

Kihyun Kim, Shripad Deshmukh, Nikos Vlassis, Jiawei Zhang

机构 * MIT LIDS（麻省理工学院媒体实验室） ； University of Massachusetts, Amherst（马萨诸塞大学阿姆赫斯特分校） ； Adobe Research（Adobe研究院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 针对多个非最优演示者数据，提出可行奖励集框架，通过线性约束联合可行集单调收缩，并给出恢复保证与高维环境离线算法。

A Lecture Note on Offline RL and IRL, Part II: Foundations of Inverse Reinforcement Learning and Dynamic Discrete Choice Models

离线强化学习与逆强化学习讲义，第二部分：逆强化学习与动态离散选择模型的基础

Enoch Hyunwook Kang

机构 * University of Washington, Foster School of Business（华盛顿大学，福斯特商学院） 纠错

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文证明了逆强化学习（IRL）与动态离散选择（DDC）模型的等价性，回顾了经典识别结果和计算范式，并介绍了现代机器学习方法及其识别特性。

Hubbard--Heisenberg Thermodynamic Comparison at Half Filling in a Fixed Staggered Field

固定交错场下半填充的 Hubbard–Heisenberg 热力学比较

Tadahiro Miyao

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 通过强耦合幺正变换和分区函数分解，在 Heisenberg 尺度上证明了半填充排斥 Hubbard 模型在交错磁场下的有限体积压力估计，并给出了电荷抑制的定量 Gibbs 态描述。