自动驾驶

Tracking Large-scale Shared Bikes with Inertial Motion Learning in GNSS Blocked Environments

通过惯性运动学习在GNSS阻塞环境中跟踪大规模共享自行车

Feng Liu, Kejia Li, Zhiwei Yang, Chunwei Yang, Qun Li, Guobin Wu, Qiang Ni, Ruipeng Gao

机构 * School of Software Engineering, Beijing Jiaotong University（北京交通大学软件学院） ； DiDi, Beijing（滴滴（北京）） 纠错

专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出一种结合自行车机械约束与混合专家模型的惯性跟踪框架，通过多专家模块捕捉共享表示并改进多任务学习性能，实现不确定性感知的轨迹估计，并通过动态校准提升跟踪精度。

Comments This paper has been accepted by IEEE Transactions on Intelligent Transportation Systems (T-ITS) on June 23, 2026. Journal article. 15 pages, 18 figures, 11 tables

Towards Understanding The Calibration Benefits of Sharpness-Aware Minimization

理解锐度感知最小化的校准优势

Chengli Tan, Yubo Zhou, Haishan Ye, Guang Dai, Junmin Liu, Zengjie Song, Jiangshe Zhang, Zixiang Zhao, Yunda Hao, Yong Xu

机构 * Northwestern Polytechnical University（西北工业大学） ； SGIT AI Lab, State Grid Corporation of China（国网SGIT人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； ETH Zürich（苏黎世联邦理工学院） ； Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文通过理论分析揭示锐度感知最小化（SAM）通过隐式最大化预测分布熵来改善模型校准，并提出变体CSAM进一步降低校准误差。

Comments ICLR2026

2K Retrofit: Entropy-Guided Efficient Sparse Refinement for High-Resolution 3D Geometry Prediction

2K Retrofit: 熵引导的高效稀疏细化用于高分辨率3D几何预测

Tianbao Zhang, Zhenyu Liang, Zhenbo Song, Nana Wang, Xiaomei Zhang, Xudong Cai, Zheng Zhu, Kejian Wu, Gang Wang, Zhaoxin Fan

机构 * BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； GigaAI ； XREAL ； NUST（南京理工大学） ； RUC（清华大学） ； NUDT（国防科技大学） ； UCAS（中国科学技术大学） ； BIBMS（北京工业大学） 纠错

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

AI总结 提出2K Retrofit框架，通过快速粗预测和基于熵的稀疏细化，在不修改基础模型的情况下实现高效2K分辨率几何预测，达到SOTA精度和速度。

Comments Accepted by ECCV 2026

PERTINENCE: Input-based Opportunistic Neural Network Dynamic Execution

PERTINENCE: 基于输入的动态神经网络执行

Omkar Shende, Gayathri Ananthanarayanan, Marcello Traiola

机构 * Department of Computer Science and Engineering, Indian Institute of Technology Dharwad, Karnataka, India（印度理工学院达沃德分校计算机科学与工程系） ； University of Rennes, CNRS, Inria, IRISA, Rennes, France（法国雷恩大学、CNRS、Inria、IRISA） 纠错

专题命中 端到端驾驶 ：occupancy(abstract)

AI总结 提出PERTINENCE运行时方法，通过ML调度器从预训练模型中选择最轻量模型处理每个输入，使用遗传算法优化精度与计算成本的帕累托前沿，在多个视觉任务上减少高达36%计算量且精度不变或提升。

Data-Free Knowledge Distillation for LiDAR-Aided Beam Tracking in MmWave Systems

毫米波系统中基于激光雷达辅助波束跟踪的无数据知识蒸馏

Abolfazl Zakeri, Nhan Thanh Nguyen, Ahmed Alkhateeb, Markku Juntti

专题命中 激光雷达 ：LiDAR(title,abstract)

AI总结 提出无数据知识蒸馏框架，利用激光雷达历史测量序列预测最优波束，通过元数据损失合成训练数据，避免依赖原始激光雷达样本。

Comments Accepted to IEEE TVT correspondence 2026

To View Transform or Not to View Transform: NeRF-based Pre-training Perspective

视图变换还是不视图变换：基于NeRF的预训练视角

Hyeonjun Jeong, Juyeb Shin, Dongsuk Kum

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 提出NeRP3D检测器，避免视图变换与NeRF的冲突先验，保留预训练NeRF网络，实现连续3D表示学习，在nuScenes上提升场景重建和检测性能。

Comments The Fourteenth International Conference on Learning Representations (ICLR'26)