自动驾驶

RESBev: Making BEV Perception More Robust

RESBev：使BEV感知更加鲁棒

Lifeng Zhuo, Kefan Jin, Zhe Liu, Hesheng Wang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 BEV与占用 ：BEV(title,title_cn)；autonomous driving(abstract)；分类 cs.CV

AI总结 提出RESBev，一种即插即用的鲁棒BEV感知方法，通过构建潜在世界模型学习时空相关性来预测干净BEV特征，从而在无需修改骨干网络的情况下增强对自然扰动和对抗攻击的鲁棒性。

Auditing Near-Optimal Policies Can Be Exponentially Hard: Conditional Query Lower Bounds via Occupancy Rashomon Capacity

审计近最优策略可能是指数级困难的：通过占用Rashomon容量的条件查询下界

Ibne Farabi Shihab, Sanjeda Akter, Anuj Sharma

机构 * Department of Computer Science, Iowa State University（计算机科学系，爱荷华州立大学） ； Department of Civil, Construction & Environmental Engineering, Iowa State University（土木、建设与环境工程系，爱荷华州立大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)

AI总结 本文通过引入占用Rashomon容量概念，证明了在存在多个近最优策略时，审计这些策略的行为差异需要指数级数量的查询，并给出了精确和噪声查询下的下界。

BEVIO: Efficient Bird's-Eye-View based Sparse-Update Visual-Inertial Odometry for Lunar Day-Night Navigation

BEVIO: 基于鸟瞰图的稀疏更新视觉-惯性里程计用于月球昼夜导航

Mohit Singh, Shehryar Khattak, Ashish Goel, Michael Paton, Kostas Alexis, Issa A. Nesnas

机构 * Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院） ； Autonomous Robots Lab at the Norwegian University of Science and Technology（挪威科学技术大学自主机器人实验室） 纠错

专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.RO

AI总结 提出一种基于鸟瞰图的图像匹配方案，在极低视觉更新率下实现可靠的视觉-惯性里程计，适用于资源受限的月球车昼夜导航。

Comments Accepted at the 2026 IEEE International Conference on Robotics and Automation, Vienna

Application of Algorithms in Energy-Efficient Design Platforms for Green Building

算法在绿色建筑节能设计平台中的应用

Na Yu, Fu Wenli, Guo Fei

机构 * First Highway Engineering Co., Ltd.（第一公路工程有限公司） 纠错

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

AI总结 提出一种结合BIM、传感器数据和进化多目标优化的算法平台，通过动态能耗仿真降低建筑能耗29.3%，并验证了其可扩展性和技术可行性。

Comments 9 pages, 4 figures.2026 International Conference on Big Data Applications in Education and Engineering (ICBDAEE 2026)

Learning Neural Deformation Representation for 4D Dynamic Shape Generation

学习神经变形表示用于4D动态形状生成

Gyojin Han, Jiwan Hur, Jaehyun Choi, Junmo Kim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

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

AI总结 提出一种新的神经变形表示，结合条件神经符号距离场，设计解耦运动与形状潜在空间的4D表示架构，通过扩散模型生成高质量、高时间一致性的4D动态形状。

Comments ECCV 2024

Experimental Demonstration of a Real Time Wideband OFDM Generation in Sub-THz

亚THz频段实时宽带OFDM生成的实验演示

Eray Güven, Nesrine Benchoubane, Güneş Karabulut Kurt

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出并实验验证了一种基于级联软件无线电的实时多射频通道OFDM传输平台，在180 GHz频段实现了约1.1 GHz瞬时带宽，并分析了相位噪声、频谱占用及滤波损耗等关键性能。

Ground-state phase diagram of Rydberg atoms in a triangular-prism array

三角棱柱阵列中里德伯原子的基态相图

Qing-Yuan Zuo, Shuo Geng, Shan-Wen Tsai, Jin Zhang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 利用密度矩阵重正化群研究三角棱柱光镊阵列中里德伯原子的基态相图，通过调节失谐-拉比频率比和里德伯阻塞半径，发现了多种密度波相及其相变，包括Z2平移对称性破缺、D3对称性破缺以及丰富的临界行为。

Online Learning in MDPs with Partially Adversarial Transitions and Losses

具有部分对抗性转移和损失的MDP中的在线学习

Ofir Schlisselberg, Tal Lancewicki, Yishay Mansour

机构 * Tel Aviv University（特拉维夫大学） ； Meta AI ； Google Research（谷歌研究院） 纠错

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究转移函数在大多数步骤随机但在每回合固定Λ个步骤可对抗的MDP中的强化学习，提出条件占用度量并设计两种算法，分别处理任意对抗步骤和连续对抗步骤，并给出全对抗设置下的遗憾界。