自动驾驶

Occupancy-Grounded Room Segmentation for Hierarchical 3D Scene Graphs

基于占用空间的房间分割用于分层3D场景图

Carlos Cueto Zumaya, Iacopo Catalano, Jorge Peña-Queralta, Wallace Moreira Bessa

机构 * University of Turku（图尔库大学） ； Centre for Artificial Intelligence, Zürich University of Applied Sciences（苏黎世应用科学大学人工智能中心） 纠错

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

AI总结 提出一种基于占用分解的房间节点锚定方法，构建分层3D场景图，在Matterport3D数据集上相比基线方法恢复了更多房间实例。

Vision-Based Efficient Joint Trajectory and Channel Tracking in Near-Field XL-MIMO Systems

基于视觉的近场XL-MIMO系统中高效联合轨迹与信道跟踪

Mengyuan Li, Yu Han, Hao Xu, Yongxu Zhu, Shi Jin, Chao-Kai Wen

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对近场XL-MIMO系统中联合轨迹与信道跟踪耗时且硬件开销大的问题，提出基于子阵列部分连接混合波束赋形架构与改进CenterNet的视觉方法，实现高精度低复杂度跟踪。

OpenDT: Exploring Datacenter Performance and Sustainability with a Self-Calibrating Digital Twin -- Technical Report

OpenDT：利用自校准数字孪生探索数据中心性能与可持续性——技术报告

Radu Nicolae, Jules van der Toorn, Stavriana Kraniti, Houcen Liu, Alexandru Iosup

专题命中 感知 ：autonomous driving(abstract)

AI总结 提出开源数字孪生OpenDT，通过自校准离散事件仿真和SLO感知反馈循环，实现数据中心性能与能效优化，校准精度MAPE达4.39%。

Comments Companion of the 17th ACM/SPEC International Conference on Performance Engineering (ICPE 2026), May 04-08, 2026, Florence, Italy

TCRL: Temporal-Coupled Adversarial Training for Robust Constrained Reinforcement Learning in Worst-Case Scenarios

TCRL: 时序耦合对抗训练用于最坏情况下的鲁棒约束强化学习

Wentao Xu, Zhongming Yao, Weihao Li, Zhenghang Song, Yumeng Song, Tianyi Li, Yushuai Li

机构 * Northeastern University（东北大学） ； Zhejiang University（浙江大学） ； Aalborg University（奥胡斯大学） 纠错

专题命中 感知 ：autonomous driving(abstract)

AI总结 TCRL通过引入时序耦合对抗训练框架，解决传统方法在处理时序耦合扰动时的不足，提升约束强化学习在最坏情况下的鲁棒性。

Journal ref Proc. of the 25th International Conference on Autonomous Agents and Multiagent Systems, 3489 - 3491, 2026