自动驾驶

Not All Points Are Equal: Uncertainty-Aware 4D LiDAR Scene Synthesis

并非所有点都同等重要：不确定性感知的4D LiDAR场景合成

Xiang Xu, Alan Liang, Youquan Liu, Xian Sun, Linfeng Li, Lingdong Kong, Ziwei Liu, Qingshan Liu

机构 * NUAA（南京航空航天大学） ； NUS（新加坡国立大学） ； FDU（福建工程学院） ； Duke（杜克大学） ； NTU（国立新加坡大学） ； NJUPT（南京理工大学泰州学院） ； SKL-TI（特种信息处理实验室） 纠错

专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.RO、cs.CV

AI总结 提出U4D框架，利用空间不确定性引导LiDAR场景生成，通过熵图识别高不确定性区域并优先合成，再补全其余区域，实现高保真4D场景。

Comments CVPR 2026 E2E3D Workshop; GitHub at https://github.com/worldbench/U4D

RFDT-Channel: RGB-LiDAR-Based RF Digital Twin Scene Construction for 28 GHz Indoor Ray-Tracing Channel Simulation

RFDT-Channel：基于RGB-LiDAR的RF数字孪生场景构建用于28 GHz室内射线追踪信道仿真

Chengyang Yao, Cunhua Pan, Jiaming Zeng, Yuquan Sun, Haoyang Weng, Haojian Wang, Hong Ren, Jiangzhou Wang

专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 eess.IV

AI总结 提出RFDT-Channel工作流，利用RGB图像和LiDAR点云自动构建射频可计算几何与电磁材料属性的数字孪生场景，用于28 GHz射线追踪仿真，通过材料绑定将有效路径数从约742降至约52，同时保持主路径幅度不变。

Relative Energy Learning for LiDAR Out-of-Distribution Detection

面向激光雷达离群点检测的相对能量学习

Zizhao Li, Zhengkang Xiang, Jiayang Ao, Joseph West, Kourosh Khoshelham

机构 * The University of Melbourne（墨尔本大学） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.CV

AI总结 提出相对能量学习（REL）框架，利用正负逻辑之间的能量差距作为相对评分函数，并结合轻量级数据合成策略Point Raise，有效提升激光雷达点云中离群点检测性能。

Comments Project Page: https://github.com/343gltysprk/rel

Lookahead Sample Reward Guidance for Test-Time Scaling of Diffusion Models

前瞻样本奖励引导用于扩散模型的测试时缩放

Yeongmin Kim, Donghyeok Shin, Byeonghu Na, Minsang Park, Richard Lee Kim, Il-Chul Moon

机构 * KAIST（韩国科学技术院） 纠错

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.AI

AI总结 提出一种高效测试时缩放方法LiDAR采样，通过前瞻几步采样和精确求解器引导粒子向高奖励区域移动，无需反向传播，在GenEval上达到与最新梯度引导方法相同性能且加速9.5倍。

Comments ICML 2026 Spotlight

ScaRF-SLAM: Scale-Consistent Reconstruction with Feed-Forward Models and Classical Visual SLAM

ScaRF-SLAM: 基于前馈模型与经典视觉SLAM的尺度一致重建

Yuhao Zhang, Yifu Tao, Frank Dellaert, Maurice Fallon

机构 * Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 提出一种解耦框架，将经典特征SLAM用于鲁棒跟踪，几何基础模型仅用于建图，通过尺度优化和子图融合实现高质量一致密集重建，在建筑级数据集上重建精度提升10%-20%。

Comments 8 pages

Inverse-Designed Silicon Nitride Nanophotonics

逆向设计的氮化硅纳米光子学

Toby Bi, Shuangyou Zhang, Egemen Bostan, Danxian Liu, Aditya Paul, Olga Ohletz, Irina Harder, Yaojing Zhang, Alekhya Ghosh, Abdullah Alabbadi, Masoud Kheyri, Tianyi Zeng, Jesse Lu, Kiyoul Yang, Pascal Del'Haye

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 本文采用逆向设计方法在氮化硅平台上实现光子器件，并通过实验验证了波长和空间模式维度上的光操控，展示了高Q值谐振器及片上非线性与量子光学的潜力。