自动驾驶

ATLAS: A Large-Scale Evaluation Benchmark for Adversarial LiDAR Perception

ATLAS：面向对抗性激光雷达感知的大规模评估基准

Mellon M. Zhang, Siddhant Panse, Zimo Fan, Akshal Dhal, Rishit Sarkar, Glen Chou

专题命中 感知 ：LiDAR(title,abstract)；autonomous driving(abstract)；driving perception(abstract)；分类 cs.CV

AI总结 针对黑盒传感器攻击下激光雷达感知模型的鲁棒性评估空白，提出首个大规模物理驱动基准ATLAS，通过点注入和点移除两种攻击模式，揭示模型性能与鲁棒性的非对称性，并溯源至标准数据增强方法。

Comments preprint

UnsOcc: 3D Semantic Occupancy Prediction in Unstructured Scene via Rendering Fusion

UnsOcc：非结构化场景下基于渲染融合的3D语义占用预测

Ye Wu, Ruiqi Song, Baiyong Ding, Nanxin Zeng, Junjie Cheng, Yunfeng Ai

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Waytous Inc.（Waytous公司） 纠错

专题命中 感知 ：occupancy(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 提出UnsOcc多模态框架，通过渲染融合模块和基于高斯溅射的细节感知辅助监督，解决非结构化场景中跨模态融合困难与长尾分布问题，在露天矿和nuScenes数据集上超越现有方法。

Comments 8 pages

CANMOT: Class-Aware Noise Modeling for Multi-Object Tracking in Autonomous Driving

CANMOT: 自动驾驶中多目标跟踪的类别感知噪声建模

Timo Osterburg, Stefan Schütte, Torsten Bertram

机构 * Institute of Control Theory and Systems Engineering, TU Dortmund University（控制理论与系统工程研究所，多特蒙德大学） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 针对自动驾驶中多目标跟踪任务，提出一种类别感知且目标对齐的噪声建模框架CANMOT，通过引入类别特定的过程与测量噪声协方差矩阵，并在目标坐标系中表达以保持纵向-横向各向异性，从而提升跟踪性能并显著减少身份切换。

Comments submitted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

GeoDrive-Bench: Benchmarking Region-Specific Multimodal Reasoning in Autonomous Driving

GeoDrive-Bench：自动驾驶中区域特定多模态推理的基准测试

Yingzi Ma, Chaowei Xiao, Ming Jiang

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 提出GeoDrive-Bench基准，通过5053个跨六国人工验证的多选题，评估视觉语言模型在感知、预测、规划和区域推理四个驾驶任务中基于区域特定交通规则的推理能力，并设计蒸馏算法注入区域知识以提升模型性能。

VOIC: Visible-Occluded Integrated Guidance for 3D Semantic Scene Completion

VOIC：可见-遮挡联合引导的3D语义场景补全

Zaidao Han, Risa Higashita, Jiang Liu

机构 * Research Institute of Trustworthy Autonomous Systems, Southern University of Science and Technology（可信自主系统研究院，南方科技大学） ； Department of Computer Science and Engineering, Southern University of Science and Technology（计算机科学与工程系，南方科技大学） ； School of Computer Science, University of Nottingham Ningbo China（宁波大学计算机学院） ； Department of Electronic and Information Engineering, Changchun University（电子与信息工程学院，长春大学） 纠错

专题命中 感知 ：autonomous driving(abstract)；occupancy(abstract)；分类 cs.CV

AI总结 提出VOIC网络，通过解耦可见区域感知与遮挡区域推理，利用离线可见区域标签提取策略和双解码器框架，在SemanticKITTI和SSCBench-KITTI360上实现最先进的3D语义场景补全性能。

Learned Non-Maximum Suppression for 3D Object Detection

用于3D目标检测的学习型非极大值抑制

Timo Osterburg, Stefan Schütte, Torsten Bertram

机构 * Institute of Control Theory and Systems Engineering, TU Dortmund University（控制理论与系统工程研究所，多特蒙德技术大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 提出两种基于学习的过滤模块（D2D-Rescore和GossipNet3D）替代启发式NMS，通过检测间关系提升3D检测性能，尤其改善小物体和稀有类别的检测精度。

Comments 6 pages, accepted at IEEE Intelligent Vehicles Symposium (IV) 2026

Exploiting Channel Correlation and PU Traffic Memory for Opportunistic Spectrum Scheduling

利用信道相关性和PU业务记忆的机会频谱调度

Shanshan Wang, Sugumar Murugesan, Junshan Zhang

专题命中 感知 ：occupancy(abstract)

AI总结 针对主用户占用和信道衰落均随时间变化且具有时间相关性的认知无线电网络，通过部分可观测马尔可夫决策过程建模，研究机会频谱调度中联合利用两种时间记忆的折衷，并证明最优策略性能接近全观测辅助系统且显著优于随机调度。