自动驾驶

Mirage: a Clean-Label Backdoor against LiDAR 3D Object Detection

Mirage：针对LiDAR 3D目标检测的干净标签后门攻击

Ziba Parsons, Ang Li

机构 * University of Michigan - Dearborn（密歇根大学迪尔伯恩分校） 纠错

专题命中 感知 ：LiDAR(title,title_cn)；分类 cs.CV

AI总结 提出Mirage，一种黑盒、干净标签的后门攻击方法，通过注入少量标签一致的毒化样本，使LiDAR 3D目标检测模型学习触发器与目标类别的恶意关联，实现73%误分类成功率且仅需0.5%毒化率。

ShotcreteDepth: A Bi-modal Dataset for Robust Robotic Depth Perception in Shotcrete Construction Environments

ShotcreteDepth：用于喷射混凝土施工环境中鲁棒机器人深度感知的双模态数据集

Jakub Gregorek, Lars Arnold Dethlefsen, Patrick Schmidt, Mads Essenbæk, Jonas Flink Bentzen, Lazaros Nalpantidis

机构 * Technical University of Denmark, Department of Electrical and Photonics Engineering（丹麦技术大学电气与光子工程系） ； Pioneer Centre for AI（人工智能先锋中心） ； Christiansen & Essenbæk A/S（Christiansen & Essenbæk 公司） 纠错

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

AI总结 针对喷射混凝土施工环境中的感知挑战，提出双模态数据集ShotcreteDepth，包含立体RGB图像和LiDAR点云，并附带轻量级标注工具，支持立体匹配、深度补全和深度估计研究。

DrivingVoxels: Compositional Sparse Voxel Rasterization for Dynamic Driving Scene Reconstruction

DrivingVoxels：用于动态驾驶场景重建的组合稀疏体素光栅化

Tania Aguirre, Luis Roldão, Moussab Bennehar, Nathan Piasco, Dzmitry Tsishkou, Simone Rossi, Pietro Michiardi

机构 * Noah’s Ark, Huawei Paris Research Center, France（华为巴黎研究中心诺亚方舟实验室） ； EURECOM, France（法国EURECOM） 纠错

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

AI总结 提出DrivingVoxels框架，通过组合多个独立八叉树的稀疏体素联合光栅化，结合LiDAR引导的结构初始化，高效重建动态驾驶场景，在PandaSet上达到与3DGS相当或更优的感知与结构指标，且训练时间更短。

ARGUSTRACK: A Multi-View Annotation System for Multi-Object Tracking

ARGUSTRACK: 一种用于多目标跟踪的多视图标注系统

Hao Vo, Duc Nguyen, Ngan Le

机构 * AICV Lab, University of Arkansas（阿肯色大学AICV实验室） 纠错

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

AI总结 提出ARGUSTRACK多相机标注系统，通过鸟瞰图平面直接标注并自动投影到各视图，结合时间传播和半自动生成候选框，显著减少多相机多目标跟踪的标注时间。

A Stitch in Time Saves Nine: Preserving Policy Compatibility Under Perception Updates in End-to-End Autonomous Driving

小洞不补，大洞吃苦：端到端自动驾驶中感知更新下的策略兼容性保持

Yueyuan Li, Yifei Xiao, Mingyang Jiang, Xiang Zuo, Songan Zhang, Ming Yang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China（教育部系统控制与信息处理重点实验室） ； School of Aeronautics and Astronautics, Shanghai Jiao Tong University（上海交通大学航空航天学院） ； Global Institute of Future Technology, Shanghai Jiao Tong University（上海交通大学全球未来技术学院） 纠错

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

AI总结 本文提出通过轻量级潜在空间对齐（模型拼接）来保持端到端自动驾驶系统中更新感知模块与固定策略模块的兼容性，避免重训练或架构解耦的高成本，实验证明在多种更新场景下有效。

Comments 12 pages, 9 tables, 5 figures; T-ITS under review

UECP: Uncertainty-Enhanced Collaborative Perception

UECP：不确定性增强的协同感知

Kang Yang, Tianci Bu, Peng Wang, Deying Li, Wen Jie, Yongcai Wang

机构 * Renmin University of China（中国人民大学） ； National University of Defense Technology（国防科技大学） ； China Waterborne Transport Research Institute（交通运输部水运科学研究院） 纠错

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

AI总结 针对协同感知中证据不可靠和融合不充分的问题，提出基于物理场景感知的不确定性图，并构建UECP框架，通过UAPF模块实现鲁棒融合，在真实数据集上超越现有方法。

Comments 22 pages, 10 figures

WildBox: A Dataset and Benchmark for Aerial Monocular 3D Detection of African Savanna Wildlife

WildBox: 非洲稀树草原野生动物航拍单目3D检测数据集与基准

Vandita Shukla, Kilian Meier, Lucie Laporte-Devylder, Camille Rondeau Saint-Jean, Jenna M. Kline, Blair R. Costelloe, Devis Tuia, Fabio Remondino, Benjamin Risse

机构 * D Optical Metrology Unit, Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会3D光学计量部） ； Computer Vision and Machine Learning Systems group, Institute for Geoinformatics, University of Muenster（明斯特大学地理信息学研究所计算机视觉与机器学习系统组） ； School of Civil, Aerospace and Design Engineering, University of Bristol（布里斯托大学土木、航空航天与设计工程学院） ； Department of Biology, University of Southern Denmark（南丹麦大学生物学系） ； The Ohio State University（俄亥俄州立大学） ； Department of Collective Behavior, Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所集体行为系） ； University of Konstanz（康斯坦茨大学） ； Centre for the Advanced Study of Collective Behaviour, University of Konstanz（康斯坦茨大学集体行为高级研究中心） ； Department of Biology, University of Konstanz（康斯坦茨大学生物学系） ； Environmental Computational Science and Earth Observation Laboratory, EPFL（瑞士联邦理工学院环境计算科学与地球观测实验室） 纠错

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

AI总结 提出WildBox数据集，含23.7万3D框标注，评估两种开放词汇单目3D架构，发现零样本3D检测失败，微调后恢复性能，深度估计是主要瓶颈。

A DVDrive Approach for doScenes Instructed Driving Challenge

一种面向 doScenes 指令驾驶挑战的 DVDrive 方法

Zijian Fu, Xiangyang Chu, Mengshi Qi, Huadong Ma, Guanghao Zhang, Wei Li

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Xiaomi EV（小米汽车） 纠错

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

AI总结 提出基于 OmniDrive 的指令条件轨迹预测方法，引入 DVPE 分视角感知模块减少跨视角干扰，提升多视角视觉定位与语言指令对齐能力。

Build Once, Monitor Continuously: Persistent Semantic Mapping via Autonomous Exploration and Open-Vocabulary Object Updates

一次构建，持续监控：通过自主探索和开放词汇对象更新的持久语义地图

Sai Haneesh Allu, Itay Kadosh, Tyler Summers, Yu Xiang

机构 * Department of Mechanical Engineering, University of Texas at Dallas（德克萨斯大学达拉斯分校机械工程系） 纠错

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

AI总结 提出两阶段系统，先通过前沿探索构建几何地图，再通过开放词汇检测和分割模型更新语义对象图，实现仅重复轻量语义阶段的高效持久监控。

Comments 10 pages, 8 figures, 5 tables. Project page is available at https://irvlutd.github.io/SemanticMapping/

Non-line-of-sight imaging with arbitrary relay surface geometries via 3D Gaussian Transient Rendering

基于3D高斯瞬态渲染的任意中继曲面几何非视距成像

Yi Wang, Ziyu Zhan, Yuran Wang, Hao Wang, Qiang Liu, Zuoqiang Shi, Lingyun Qiu, Xing Fu

机构 * Department of Precise Instrument, Tsinghua University（清华大学精密仪器系） ； Department of Electrical Engineering, City University of Hong Kong（香港城市大学电子工程系） ； Yau Mathematical Science Center, Tsinghua University（清华大学姚期智科学中心） 纠错

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

AI总结 针对非视距成像中中继曲面形状任意且采样稀疏的问题，提出一种无几何假设的LOS引导NLOS成像方法，利用3D高斯原语和可微分瞬态渲染实现端到端优化，在真实数据上达到最先进的重建保真度。

Single Particle Excitations, Band Structures and Octupole Correlation in $^{65}$Zn

$^{65}$Zn中的单粒子激发、能带结构和八极关联

Anil Sharma, S. Nandi, S. S. Dutta, S. Kundu, Pankaj K. Giri, A. Das, S. S. Ghugre, S. S. Nayak, S. Basu, S. Pal, S. Das, S. Dar, S. Paul, A. Pal, S. Basak, G. Mukherjee, S. Bhattacharyya, R. Raut

专题命中 感知 ：occupancy(abstract)

AI总结 通过$^{63}$Cu($\alpha$,pn)反应研究$^{65}$Zn的能级结构，识别新跃迁并修正已知能级，结合壳模型和总鲁西面计算揭示单粒子和集体激发特性。

Comments 16 pages, 13 figures

Evolutionary Physics-Informed Temporal Fusion for Lane-Change Intention Prediction

进化物理信息时间融合用于换道意图预测

Jiazhao Shi, Qiyang Xie, Ziyu Wang, Yichen Lin, Di Zhu, Chen Xie, Ziwei Wang, Haoyun Zhang, Enliang Li, Zetong Guan

机构 * Tandon School of Engineering（工程学院） ； New York University（纽约大学） ； Khoury College of Computer Science（计算机科学学院） ； Northeastern University（东北大学） ； School of Business（商学院） ； Wake Forest University（威克森林大学） ； Independent Researcher（独立研究者） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Qualcomm CDMA Technologies（高通CDMA技术） ； University of Michigan（密歇根大学） 纠错

专题命中 感知 ：autonomous driving(abstract)

AI总结 提出一种进化物理信息时间融合框架，通过融合从传统交通信号导出的时间描述符和从原始轨迹序列学习的时间嵌入，实现三分类换道意图预测，在highD和exiD数据集上取得高F1分数。

Vec-QMDP: Vectorized POMDP Planning on CPUs for Real-Time Autonomous Driving

Vec-QMDP：面向实时自动驾驶的CPU矢量化POMDP规划

Xuanjin Jin, Yanxin Dong, Bin Sun, Huan Xu, Zhihui Hao, XianPeng Lang, Panpan Cai

机构 * Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 提出Vec-QMDP，一种CPU原生并行规划器，通过数据导向设计、层次化并行和矢量化碰撞检测，实现比最先进串行规划器快227-1073倍的速度，在毫秒级延迟下完成大规模自动驾驶规划。

THREAD: Trajectory Planning for Hybrid Rigid-Soft Manipulators with Environment-Aware Diffusion

THREAD: 面向混合刚柔机械臂的环境感知扩散轨迹规划

Shivani Kamtikar, Pranav Asthana, Naveen Kumar Uppalapati, Girish Krishnan, Girish Chowdhary

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Maryland College Park（马里兰大学帕克分校） 纠错

专题命中 规划控制 ：trajectory planning(title)；分类 cs.RO、cs.AI

AI总结 提出首个基于扩散的混合刚柔机械臂轨迹规划器THREAD，通过物理启发损失联合约束刚柔段，实现狭窄环境穿行，任务成功率92.4%，碰撞减少5倍。

Comments Project Page: https://robot-thread.github.io, IROS 2026

An LLM-Explainable DRL Framework for Passenger-Directed Autonomous Driving

面向乘客导向自动驾驶的LLM可解释DRL框架

Ouided Braoui, Meriem Bouali, Nadir Farhi

机构 * LITAN, ESTIN（LITAN，ESTIN） ； Cosys-Grettia, Univ Gustave Eiffel（Cosys-Grettia，古斯塔夫·埃菲尔大学） 纠错

专题命中 规划控制 ：autonomous driving(title)；分类 cs.AI

AI总结 提出结合深度强化学习与大型语言模型可解释模块的框架，实现自适应驾驶控制并向乘客解释决策，平衡安全性、适应性和可解释性。

Reference-Free, Long-Horizon Trajectory Optimization for Aggressive Autonomous Driving in Milliseconds

无参考、长时域、毫秒级激进自动驾驶轨迹优化

Prayag Sharma, Jonathan Y. M. Goh, Franck Djeumou

专题命中 规划控制 ：autonomous driving(title)

AI总结 针对无参考初始猜测下长时域轨迹优化实时性差的问题，提出基于车辆刚度分析选择A稳定积分方法、动态平衡初始猜测生成及鲁棒非线性求解器策略，在260米时域内实现55毫秒求解，支持高速漂移避障。

Decentralized Autonomous Traffic Management through Corridor Networks

通过走廊网络的去中心化自主交通管理

Jasmine Jerry Aloor, Aadarsh Govada, Hamsa Balakrishnan

机构 * Department of Aeronautics and Astronautics（航空航天系） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Maryland（马里兰大学） 纠错

专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO、cs.AI

AI总结 针对高密度自主航空交通，提出基于多智能体强化学习的去中心化走廊网络交通流管理方法，零样本迁移至复杂网络，无需集中协调或重训练。

Comments Presented at the Second US-Europe Air Transportation Research and Development Symposium (ATRDS2026)

JPPD: Joint Prediction_Planning Diffusion with Differentiable Safety Guidance for Dynamic Obstacle Avoidance in Intelligent Transportation Systems

JPPD：具有可微安全引导的联合预测-规划扩散框架用于智能交通系统中的动态障碍物规避

Jiahao Wu, Shengwen Yu

机构 * The University of Hong Kong（香港大学） ； Guangzhou College of Commerce（广州商学院） 纠错

专题命中 规划控制 ：occupancy(abstract)；分类 cs.RO、cs.AI

AI总结 提出联合预测-规划扩散框架，将参与者预测与机器人规划视为条件轨迹生成问题，通过可微安全势引导和条件流匹配提升共享空间中的安全性与效率。

Comments 12 pages, 4 figures

Dense Reward for Multi-View 3D Reasoning with Global Maps and Local Views

基于全局地图与局部视图的多视角3D推理的密集奖励

Jiho Choi, Seonho Lee, Seojeong Park, Hyunjung Shim

机构 * Graduate School of Artificial Intelligence, KAIST, Republic of Korea（韩国科学技术院人工智能研究生院） ； KRAFTON, Republic of Korea（韩国KRAFTON公司） 纠错

专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.CV

AI总结 提出DR-MV3D框架，通过全局一致性奖励和局部轨迹奖励对多视角3D VQA的中间推理过程进行密集监督，提升跨视图推理一致性。

Comments ECCV 2026

Active Inference as the Test-Time Scaling Law for Physical AI Agents

主动推理作为物理AI代理的测试时缩放定律

Omar Hashash, Christo Kurisummoottil Thomas, Walid Saad, Merouane Debbah, Karl Friston, Adeel Razi

机构 * Bradley Department of Electrical and Computer Engineering（布拉德利电气与计算机工程系） ； Institute for Advanced Computing（先进计算研究所） ； Virginia Tech（弗吉尼亚理工大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Worcester Polytechnic Institute（沃思堡理工学院） ； Khalifa University of Science and Technology（卡利法科学与技术大学） ； CentraleSupelec（中央超导研究所） ； University Paris Saclay（巴黎萨克雷大学） ； Queen Square Institute of Neurology（伦敦大学学院神经科学研究所） ； School of Psychological Sciences（心理学系） ； Monash University（莫纳什大学） ； CIFAR Global Scholars Program（CIFAR全球学者计划） ； Queen Square Institute of Neurology, University College London（伦敦大学学院神经科学研究所） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.AI

AI总结 提出基于主动推理第一性原理的测试时缩放定律，使物理AI代理通过世界模型推理在非平稳环境中泛化，并利用变分推理更新策略，在自动驾驶任务中提升36%以上推理效率。

Comments 53 pages, 13 figures

Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes

基于控制障碍函数的迭代凸优化在多面体障碍物规避中的应用

Shuo Liu, Zhe Huang, Calin A. Belta

机构 * Boston University（波士顿大学） ； University of Maryland（马里兰大学） 纠错

专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO

AI总结 针对多面体机器人与障碍物的避碰问题，提出一种迭代凸MPC-DCBF框架，通过精确最近点计算导出支撑超平面构建线性DCBF约束，实现快速在线安全控制。

Comments 8 pages, 4 figures

Interpolations: a linear algebra approach

插值：一种线性代数方法

Andronick Arutyunov, Nikolay Korgin

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 本文提出统一的线性代数框架处理插值问题，通过对偶空间表示插值条件，给出存在唯一性定理及基函数显式公式，并推广至三角插值及异质传感器场景。

Scaling Self-Play for End-to-End Driving

扩展端到端驾驶的自我对弈

Luke Rowe, Roger Girgis, Rodrigue de Schaetzen, Daphne Cornelisse, Alaap Grandhi, Felix Heide, Eugene Vinitsky, Christopher Pal, Liam Paull

机构 * Mila（米拉研究所） ； Université de Montréal（蒙特利尔大学） ； Polytechnique Montréal（蒙特利尔理工学院） ； Torc Robotics ； NYU Tandon School of Engineering（纽约大学坦登工程学院） ； McMaster University（麦克马斯特大学） ； Princeton University（普林斯顿大学） 纠错

专题命中 端到端驾驶 ：end-to-end driving(title,abstract)；BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 提出大规模自我对弈训练策略，通过高效模拟器Gigapixel实现像素级自我对弈，结合DAgger蒸馏和感知适应，提升端到端驾驶模型性能。

SparseWorld: Enhancing End-to-End Autonomous Driving via World Models with Sparse Scene Representation

SparseWorld: 通过具有稀疏场景表示的世界模型增强端到端自动驾驶

Ruoyu Wang, Jingke Wang, Yukai Ma, Yuehao Huang, Shuangming Lei, Guanglin Xu, Aixue Ye, Yong Liu

机构 * Institute of Cyber-Systems and Control, Zhejiang University（浙江大学控制系统研究所） ； Labs, Huawei（华为2012实验室） ； State Key Laboratory of Industrial Control Technology（国家工业控制技术重点实验室） 纠错

专题命中 端到端驾驶 ：autonomous driving(title)；trajectory planning(abstract)；end-to-end driving(abstract)；分类 cs.CV

AI总结 提出SparseWorld，一种基于稀疏场景表示的轻量级世界模型，通过自回归预测未来地图元素和周围智能体，并利用预测结果优化下游运动预测和轨迹规划，在nuScenes数据集上实现0.05%的碰撞率，达到开放循环规划指标的最优性能。

BadDreamer: Transferable Backdoor Attacks against Video World Models for Autonomous Driving

BadDreamer: 针对自动驾驶视频世界模型的可迁移后门攻击

Zhe Shuai, Xiaopeng Xie, Yikun Zeng

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

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 提出BadDreamer，一种针对自动驾驶视频世界模型的可迁移时空后门攻击，通过污染未来帧中的触发-擦除序列，使模型在物理触发出现时幻觉化障碍物消失，进而误导下游动作预测。

Comments 19 pages, 8 figures, 3 tables. Preprint

OmniNWM: Omniscient Driving Navigation World Models

OmniNWM：全知驾驶导航世界模型

Bohan Li, Zhuang Ma, Dalong Du, Baorui Peng, Zhujin Liang, Zhenqiang Liu, Xianda Guo, Zheng Zhu, Chao Ma, Yueming Jin, Xin Jin, Hao Zhao, Wenjun Zeng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（东部技术研究所） ； PhiGent ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(abstract)；occupancy(abstract)；分类 cs.CV

AI总结 提出OmniNWM全知全景导航世界模型，在统一概率框架下处理状态、动作和奖励三个维度，实现多模态全景视频生成、零样本轨迹控制及内在奖励机制，在生成保真度和控制精度上达到SOTA。

Comments ECCV 2026

BEV-Denoise: Learning Intrinsic Noise for Accurate Bird's-Eye-View Semantic Segmentation

BEV-Denoise：学习内在噪声以实现精确的鸟瞰图语义分割

Dooseop Choi, Kyounghwan An, Kyoung-Wook Min

机构 * Electronics and Telecommunications Research Institute (ETRI)（韩国电子通信研究院） ； University of Science and Technology (UST)（科学技术联合大学院大学） 纠错

专题命中 BEV与占用 ：BEV(title,title_cn)；分类 cs.CV、cs.AI

AI总结 提出BEV-Denoise框架，利用UNet噪声估计模块从鸟瞰图特征中去除内在噪声，通过任务分解学习范式训练，提升多种视图变换模型的语义分割精度。

Intend, Reflect, Refine: An Adaptive Multimodal Reflection Framework for Autonomous Driving

意图、反思、优化：一种用于自动驾驶的自适应多模态反思框架

Zisheng Chen, Yuping Qiu, Jianhua Han, Tao Tang, Xiuwei Chen, Likui Zhang, Ying-Cong Chen, Hang Xu, Xiaodan Liang

机构 * Sun Yat-sen University（中山大学） ； HKUST(GZ)（香港科技大学（广州）） ； Yinwang Intelligent Technology Co. Ltd.（引望智能科技有限公司） 纠错

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

AI总结 提出IRR-Drive框架，通过生成初步文本意图并预测未来语义BEV表示，构建双模态反思空间，实现自适应轨迹修正，在NAVSIM基准上达到最优性能。

LightOcc: Lightweight Spatial Embedding for Efficient Vision-based 3D Occupancy Prediction

LightOcc: 用于高效基于视觉的3D占用预测的轻量级空间嵌入

Jinqing Zhang, Yanan Zhang, Wenrui Cai, Qingjie Liu, Yunhong Wang

机构 * State Key Laboratory of Virtual Reality Technology and Systems（虚拟现实技术与系统国家重点实验室） ； Beihang University（北京航空航天大学） ； School of Computer Science and Information Engineering（计算机科学与信息工程学院） ； Hefei University of Technology（合肥工业大学） ； Hangzhou Innovation Institute（杭州创新研究院） 纠错

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

AI总结 针对现有占用预测方法使用体素特征导致计算和内存开销大的问题，提出轻量级空间嵌入（Lightweight Spatial Embedding），通过单通道占用和空间到通道机制压缩高度信息，结合跨视图交互和边缘感知嵌入，在多个基准上实现最先进性能并显著提升效率。

Comments Accepted by International Journal of Computer Vision (IJCV), 2026

Humanoid-OmniOcc: Stereo-Based Full-View Occupancy Dataset for Embodied AI

Humanoid-OmniOcc：面向具身智能的立体全景占用数据集

Xianda Guo, Bohao Zhang, Chenwei Huang, Shiyuan Chen, Ruilin Wang, Yiqun Duan, Cong Yang, Qin Zou, Wei Sui

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； D-Robotics（地瓜机器人） ； Soochow University（苏州大学） ； UTS（悉尼科技大学） 纠错

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

AI总结 针对现有占用数据集局限于自动驾驶场景的问题，提出面向人形机器人的大规模全景立体占用数据集Humanoid-OmniOcc，采用Real2Sim2Real闭环范式，并设计立体引导占用模型，在模拟和真实环境中均优于单目基线。