自动驾驶

From Nominal Intensity to Equivalent Rainfall: A Path-Based Credibility Evaluation Framework for Simulated Rainfall in Autonomous-Driving Perception Tests

从名义强度到等效降雨：自动驾驶感知测试中模拟降雨的基于路径的可信度评估框架

Tian Xia, Xin Zhao, Shaolingfeng Ye, Junyi Chen

机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出基于路径的可信度评估方法，通过路径等效降雨强度、不确定性带和雨滴分布真实度评分，结合激光雷达点云计数和平均反射率进行感知一致性校正，实现模拟降雨与真实降雨的对齐及测试结果映射。

Comments 17 pages, preprint

Task-Aligned Stability Analysis of Vision-Language Models for Autonomous Driving Hazard Detection

面向自动驾驶危险检测的视觉-语言模型任务对齐稳定性分析

Everett Richards

机构 * Everett Richards（埃弗里特·里奇ards） 纠错

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

AI总结 研究视觉-语言模型在自动驾驶危险检测中，嵌入漂移与任务对齐危险分数变化的关系，发现不同腐败类型导致不同的失效模式，建议基准测试包含任务对齐稳定性指标。

Comments 8 pages (5 main body + 3 references / appendices). ICML 2026 Workshop on Combining Theory and Benchmarks (CTB)

Understanding Cross-Sensor Feature Variations for Generalizable 3D Perception

理解跨传感器特征变化以实现可泛化的3D感知

Xin Qiu, Wenjie Liu, Fuyuan Ai, YuChen Tan, Zhiwei Xu, Chunyi Song

机构 * Zhejiang University（浙江大学） 纠错

专题命中 感知 ：BEV(summary_cn,abstract)；分类 cs.CV

AI总结 针对雷达-相机BEV感知跨数据集性能下降问题，提出频域场景变化建模框架，通过合成多样源域视图并正则化融合表示，提升3D检测器鲁棒性，无需目标域样本。

CU-Multi: A Dataset for Multi-Robot Collaborative Perception

CU-Multi：多机器人协同感知数据集

Doncey Albin, Daniel McGann, Miles Mena, Annika Thomas, Harel Biggie, Xuefei Sun, Steve McGuire, Jonathan P. How, Christoffer Heckman

机构 * Autonomous Robotics and Perception Group at the University of Colorado Boulder（科罗拉多大学波尔得分校自主机器人与感知组） ； Robot Perception Lab at Carnegie Mellon University（卡内基梅隆大学机器人感知实验室） ； Aerospace Controls Laboratory at Massachusetts Institute of Technology（麻省理工学院航空航天控制实验室） ； Computer Science and Artificial Intelligence Laboratory at Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） ； Human-Aware Robotic Exploration Lab at University of California Santa Cruz（加州大学圣克ruz分校人感知机器人探索实验室） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.RO

AI总结 针对多机器人协同感知基准测试缺乏专用数据集的问题，提出CU-Multi数据集，包含多天采集的同步多机器人轨迹、RGB-D、RTK GPS、语义LiDAR及精确里程计，支持可重复评估。

Comments 8 pages, 11 figures. arXiv admin note: text overlap with arXiv:2505.17576

Cross-Modal Benchmarking for Robotic Perception in Natural Environments

自然环境中机器人感知的跨模态基准测试

David Hall, Joshua Knights, Mark Cox, Peyman Moghadam

机构 * CSIRO Robotics, CSIRO, Australia（CSIRO机器人研究所，CSIRO，澳大利亚） ； University of Sydney (USyd), Australia（悉尼大学（USyd），澳大利亚） ； Queensland University of Technology (QUT), Australia（昆士兰理工大学（QUT），澳大利亚） 纠错

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

AI总结 针对自然环境中机器人感知的挑战，提出WildCross跨模态基准，用于大规模自然场景下的地点识别和度量深度估计，并扩展了度量深度估计实验。

Comments Accepted to the IEEE ICRA Workshop on Open Challenges for Rigorous Robot Perception 2026

Performance Analysis of YOLOv11 and YOLOv8 for Mixed Traffic Object Detection under Adverse Weather Conditions in Developing Countries

YOLOv11与YOLOv8在发展中国家恶劣天气下混合交通目标检测的性能分析

Quoc Thuan Nguyen, Ha Anh Vu, Ngo Dang Thanh Ngan, Minh Phuc Hoang Ngoc

机构 * FPT University（FPT大学） 纠错

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

AI总结 针对发展中国家恶劣天气下的混合交通场景，评估YOLOv11n与YOLOv8n在融合数据集上的性能，YOLOv11n在精度提升3.2%的同时计算量减少22%，实现精度与效率的优化平衡。

A Modular Dual-Camera Pipeline for Micro-Inspection Using Aerial Robots

一种用于空中机器人微检测的模块化双相机流水线

S. H. Mirtajadini, N. Rublein, R. M. Ramakrishnan, G. ter Maat, M. Aldibaja, A. Y. Mersha

机构 * Netherlands Organization for Scientific Research (NWO)（荷兰科学研究组织） ； Saxion University of Applied Sciences（萨克逊应用科学大学） 纠错

专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO

AI总结 提出一种模块化双相机空中微检测流水线，通过变焦云台相机和广角立体导航相机协同工作，结合视觉反馈回路，实现对树木和温室粘虫板等非结构目标的鲁棒微检测。

TopoHR: Hierarchical Centerline Representation for Cyclic Topology Reasoning in Driving Scenes with Point-to-Instance Relations

TopoHR: 面向驾驶场景中循环拓扑推理的层次化中心线表示与点到实例关系

Yifeng Bai, Zhirong Chen, Bo Song, Erkang Cheng, Haibin Ling

机构 * Institute of Intelligent Machines, HFIPS, Chinese Academy of Sciences（智能机器研究所，HFIPS，中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； NullMax ； Westlake University（西湖大学） 纠错

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

AI总结 提出TopoHR框架，通过层次化中心线表示和统一架构中的点到实例与实例到实例关系，实现中心线检测与拓扑推理的循环交互，在OpenLane-V2上取得显著性能提升。

Comments Accepted at CVPR 2026 (camera ready version)