自动驾驶

FLM-Occ: Feed-forward Likelihood Maximization for Efficient Indoor Occupancy Prediction

FLM-Occ: 前向似然最大化用于高效室内占据预测

Guangcheng Chen, Lihuang Fang, Huaqi Tao, Yicheng He, Li He, Hong Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (Shenzhen)（广东省人工智能与数字经济实验室（深圳）） ； Shenzhen Key Laboratory of Robotics and Computer Vision（深圳市机器人视觉与感知重点实验室） 纠错

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

AI总结 针对现有方法在空区域产生虚假基元的问题，提出前向似然最大化框架，将占据预测建模为体素分布估计，通过最大化真实占据体素的似然来训练网络，实现高效准确的室内占据预测。

Comments Accepted to ECCV 2026

Toward Parking Spot Occupancy Recognition: A Self-Supervised Approach

面向停车位占用识别的自监督方法

Luan Marko Kujavski, Rayson Laroca, Paulo Lisboa de Almeida

机构 * Federal University of Paraná（巴拉那联邦大学） ； Pontifical Catholic University of Paraná（巴拉那天主教大学） 纠错

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

AI总结 提出一种无需目标停车场标签的自监督方法，通过两阶段自监督训练和微调，在三个公开数据集上平均准确率达97.2%，两阶段策略进一步提升至97.8%。

Comments Accepted for presentation at the 2026 IEEE International Conference on Systems, Man, and Cybernetics (SMC 2026)

Streaming Dense Voxel Representations for 3D Occupancy Prediction

用于3D占用预测的流式密集体素表示

Seokha Moon, Janghyun Baek, Yujin Jeong, Daewon Chae, Giseop Kim, Jungbeom Lee, Jinkyu Kim, Sunwook Choi

机构 * 1 Korea University 2 TU Darmstadt \& hessian.AI 3 University of Michigan 4 DGIST 5 NAVER LABS 纠错

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

AI总结 提出StreamOcc框架，通过两种聚合策略解决密集体素流式处理中的扭曲和动态对象退化问题，在实时约束下实现SOTA性能。

Comments Accepted at ECCV 2026

Reward-free Pretraining for Reinforcement Learning via Occupancy Coverage Maximization

通过占据覆盖最大化进行强化学习的无奖励预训练

Marco Pratticò, Pietro Novelli, Massimiliano Pontil, Carlo Ciliberto

机构 * Computational Statistics and Machine Learning - Istituto Italiano di Tecnologia（计算统计与机器学习 - 意大利技术研究院） ； AI Centre, Computer Science Department, University College London（人工智能中心，计算机科学系，伦敦大学学院） 纠错

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

AI总结 提出一种无奖励预训练方法ROVER，通过最大化状态占据测度的覆盖来学习可迁移探索策略，在稀疏奖励下游任务中快速适应。

Entropy Geometry and Augmented Mobility for Reactive Maxwell--Stefan Membrane Transport with Finite Occupancy

有限占据下反应性Maxwell-Stefan膜传输的熵几何与增强迁移率

E. Yu. Shchetinin, A. A. Shevchuk, S. I. Salpagarov

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

AI总结 研究有限占据约束下反应性Maxwell-Stefan膜传输系统，通过秩一增强迁移率恢复强制性和全局存在性，并证明弱强稳定性与有限体积逼近收敛性。

Comments 10 pages, no figures

Mode Collapse in Nested Sampling

嵌套采样中的模式坍缩

Johannes Buchner

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文通过遗传学中的中性Moran过程，将嵌套采样中模式意外丢失建模为活点占用的对称随机游走，并给出了避免模式消亡的最小活点数规则。

Comments submitted to Statistics & Computing

Limits of Trap-assisted Photomultiplication Gain

陷阱辅助光电倍增增益的极限

Ardalan Armin

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文通过最小分析框架研究陷阱辅助电流注入光电二极管的增益，发现增益本质自限，且增益引入非负波动惩罚，局部探测率存在有限最优值，无法超越本征热力学极限。

Towards Practical Lossless Neural Compression for LiDAR Point Clouds

面向激光雷达点云的实际无损神经压缩

Pengpeng Yu, Haoran Li, Runqing Jiang, Dingquan Li, Jing Wang, Liang Lin, Yulan Guo

机构 * Sun Yat-sen University, China（中山大学） ； Pengcheng Laboratory, China（鹏城实验室） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；occupancy(abstract)；分类 cs.CV

AI总结 提出紧凑表示实现高效预测无损编码，通过几何重密化模块和跨尺度特征传播模块解决稀疏点云上下文建模难题，实现实时速度下的竞争性压缩性能。

Comments arXiv admin note: substantial text overlap with arXiv:2508.20466

A UAV-Based Multi-Modal Vision System for Automated Sideslope Deformation Monitoring and Hazard Detection

基于无人机多模态视觉系统的边坡变形自动监测与灾害检测

Jingfeng Zhang, Yi Li, Xianchong Liang, Huan Yang

机构 * South China Normal University（华南师范大学） 纠错

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.CV

AI总结 提出一种基于无人机LiDAR的自动化边坡灾害检测流程，包括数据采集、地面点提取、单次观测灾害筛查和多次观测变形监测，实现厘米级形变量化与危险区域识别。

Comments 29 pages, 14 figures

LOGOS: LiDAR-Only Gaussian Elevation Splatting for Unified Tiny Obstacle Segmentation

LOGOS: 仅基于激光雷达的高斯高程喷溅用于统一微小障碍物分割

Nan Ming, Yeqiang Qian, Chunxiang Wang, 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） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV

AI总结 提出LOGOS系统，通过将路面建模为2D高斯原语的连续混合，利用无反向传播的激光雷达方法估计高程，实现微小障碍物分割，在道路和越野场景中优于现有方法。

vS-Graphs: Tightly Coupling Visual SLAM and 3D Scene Graphs Exploiting Hierarchical Scene Understanding

vS-Graphs: 通过分层场景理解紧密耦合视觉SLAM与3D场景图

Ali Tourani, Saad Ejaz, Hriday Bavle, Miguel Fernandez-Cortizas, David Morilla-Cabello, Jose Luis Sanchez-Lopez, Holger Voos

机构 * Automation and Robotics Research Group, Interdisciplinary Centre for Security, Reliability, and Trust (SnT), University of Luxembourg（卢森堡大学自动化与机器人研究组，安全、可靠性与信任跨学科中心） ； Institute for Advanced Studies (IAS), University of Luxembourg（卢森堡大学高级研究院） ； Faculty of Science, Technology, and Medicine, University of Luxembourg（卢森堡大学科学、技术与医学学院） ； Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza（阿拉贡大学工程研究所（I3A）） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出vS-Graphs框架，通过结合视觉场景理解与地图重建，提升地图语义丰富度和可解释性，实验表明其在多个数据集上比现有方法提升15.22%的精度。

Comments 20 pages, 10 figures, 5 tables

Ultra-Fusion: A Resilient Tightly-Coupled Multi-Sensor Fusion SLAM Framework under Sensor Degradation and Spatiotemporal Perturbation for Intelligent Transportation Systems

Ultra-Fusion：面向传感器退化与时空扰动下智能交通系统的鲁棒紧耦合多传感器融合SLAM框架

Yihong Tian, Junjie Zhang, Liuyang Li, Deteng Zhang, Yunfei Zuo, Jie Yin

机构 * Beijing Institute of Technology（北京理工大学） ； Chongqing University（重庆大学） ； Sichuan University（四川大学） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 多传感器融合 ：LiDAR(summary_cn,abstract)；分类 cs.RO

AI总结 提出Ultra-Fusion紧耦合多传感器融合SLAM框架，通过可观测性感知初始化、因子级可靠性调度和在线LiDAR-IMU时空标定，在传感器退化与时空扰动下实现鲁棒定位，在多种平台和基准上验证了高精度与可用性。

Comments 19 pages

Physics-Informed Predictive Control for Integrated Electric-Vehicle Thermal Management: An Open, Real-Data-Anchored Benchmark

集成电动汽车热管理的物理信息预测控制：一个开放的、基于真实数据的基准

Yifan Wang

专题命中 仿真评测 ：BEV(abstract,abstract_cn)

AI总结 提出OpenEV-ThermoSciML开放基准，集成电池、座舱、热泵和CO₂模型，基于真实驾驶循环和天气数据，开发物理信息Sci-ML代理模型，实现多目标优化，并在真实热天场景下验证了显著改进。

Comments 7 pages, 2 figures

CRAX: Fast Safe Reinforcement Learning Benchmarking

CRAX：快速安全强化学习基准测试

Tristan Tomilin, Mourad Boustani, Mickey Beurskens, Thiago D. Simão

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.AI

AI总结 提出基于JAX加速的安全RL基准CRAX，利用MJX物理引擎实现高达100倍加速，包含6个环境套件和3个智能体任务，评估6种方法揭示性能与安全权衡。

Constrained Co-evolutionary Metamorphic Differential Testing for Autonomous Systems with an Interpretability Approach

具有可解释性方法的约束共进化元形差分测试用于自主系统

Hossein Yousefizadeh, Shenghui Gu, Lionel C. Briand, Ali Nasr

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 本文提出CoCoMagic方法，结合元形测试、差分测试和先进搜索技术，通过约束共进化搜索生成可解释的测试用例，有效识别自主系统版本间的行为差异。

Comments Submitted to ACM Transactions on Software Engineering and Methodology journal(TOSEM)

Journal ref ACM Transactions on Software Engineering and Methodology, 2026

UniFFBench: Evaluating Universal Machine Learning Force Fields Against Experimental Measurements

评估通用机器学习力场与实验测量的对比

Sajid Mannan, Vaibhav Bihani, Carmelo Gonzales, Kin Long Kelvin Lee, Nitya Nand Gosvami, Sayan Ranu, Santiago Miret, N M Anoop Krishnan

机构 * Department of Civil Engineering, Indian Institute of Technology Delhi（印度理工学院德里土木工程系） ； Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度理工学院德里人工智能学院） ； Intel Labs, California, USA（美国加州英特尔实验室） ； Department of Materials Science and Engineering, Indian Institute of Technology Delhi（印度理工学院德里材料科学与工程系） ； Department of Computer Science and Engineering, Indian Institute of Technology Delhi（印度理工学院德里计算机科学与工程系） 纠错

专题命中 仿真评测 ：occupancy(abstract)

AI总结 提出UniFFBench框架和MinX数据集，系统评估六种通用机器学习力场，发现模型在计算基准上表现优异但在实验复杂性下存在显著“现实差距”，密度预测误差高于实际应用阈值。

Robusto-2: Benchmarking Humans & VLMs for Autonomous Driving in Lima & New York City

Robusto-2: 在利马与纽约市对自动驾驶中人类与VLM的基准测试

Adrian Cespedes, Marcelo Chincha, Dunant Cusipuma, Victor Flores-Benites, David Ortega, Arturo Deza

机构 * Artificio Lima, Peru 纠错

专题命中 其他自动驾驶 ：autonomous driving(title)；self-driving(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 本研究通过视觉问答范式，比较人类驾驶员（来自利马和纽约）与视觉语言模型在利马和纽约的驾驶场景中的表现，发现人类与模型在回答事实、评级、反事实和推理四类问题时存在差异，但地理因素影响不显著。

Comments 11 pages main body. 42 pages total. Data publicly available online