自动驾驶

RESOLVE: A Multi-Resolution and Multi-Modal Dataset for Roadside Cooperative Perception

RESOLVE：用于路边协同感知的多分辨率多模态数据集

Shaozu Ding, Linan Song, Marco De Vincenzi, Dajiang Suo

机构 * The Polytechnic School, Arizona State University（亚利桑那州立大学理工学院） ； Department of Computer Science and Engineering, New York University（纽约大学计算机科学与工程系） 纠错

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

AI总结 提出RESOLVE数据集，包含多分辨率LiDAR和相机-LiDAR同步数据，用于评估路边3D检测与跟踪中的单模态与融合架构，揭示多模态融合如何补偿LiDAR点稀疏性。

Comments Accepted to ECCV 2026. Including supplementary material

Reasoning-aware Speculative Decoding for Efficient Vision-Language-Action Models in Autonomous Driving

面向自动驾驶中高效视觉-语言-动作模型的推理感知推测解码

Anh Dung Dinh, Simon Khan, Flora Salim

机构 * Air Force Research Laboratory（空军研究实验室） 纠错

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

AI总结 提出推理感知推测解码框架，通过例程推理器处理常规推理、审慎推理器处理异常情况，结合FlatRoPE和AARL技术，将推理步骤运行时间降低约4倍。

Comments 10 pages

HSDF-Lane: Height-Aligned Signed Distance Field with Semantic Lane Prior for 3D Lane Detection

HSDF-Lane: 高度对齐符号距离场与语义车道先验用于3D车道检测

Jiyong Boo, Byeongin Joung, Hyemin Yang, Kuk-Jin Yoon

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 提出HSDF-Lane，通过高度对齐符号距离场隐式建模道路表面，结合可微渲染生成准确高度图和表面对齐特征，并引入车道感知语义位置编码注入车道先验，在OpenLane基准上实现3D车道检测和高度图估计的最优性能。

Comments ECCV 2026, Project page: https://jiyongboo.github.io/HSDF-Lane-project-page

Generative Lane Topology Reasoning via Autoregressive Model with Geometry Prior

基于几何先验的自回归模型生成车道拓扑推理

Jiahui Fu, Zehao Huang, Han Li, Naiyan Wang, Si Liu

机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） 纠错

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

AI总结 提出TopoGPT生成式框架，通过自回归序列建模学习车道图结构的几何先验，解决现有方法端点不一致和遮挡导致图不完整的问题，在OpenLane-V2上提升6.4/11.6个点。

Comments ECCV 2026

AeroVerse-SatAgent: UAV-Satellite Collaborative Spatial Reasoning Inspired by the Dual Visual Pathway Theory of Cognitive Neuroscience

AeroVerse-SatAgent: 受认知神经科学双视觉通路理论启发的无人机-卫星协同空间推理

Wenyi Zhang, Fanglong Yao, Youzhi Liu, Peng Hu, Zhengqiu Zhu, Chen Gao, Xian Sun, Kun Fu

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； Key Laboratory of Target Cognition and Application Technology (TCAT), Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院目标认知与应用技术重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机学院） 纠错

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

AI总结 针对单视角感知易受遮挡和视角变化影响的问题，提出受人类视觉双通路机制启发的无人机-卫星协同空间推理模型SatAgent，通过几何感知3D重建编码器、多视角拓扑语义对齐模块和一致性损失，在复杂城市环境中实现鲁棒推理，构建首个大规模协同数据集，性能超越现有模型。

Comments 21 pages, 10 figures and 8 tables

Knowledge-Driven Dimension Estimation from a Single Image -3D Asset Generation Technology for Digital Twin Construction

基于知识的单图像维度估计——面向数字孪生构建的3D资产生成技术

Hidenori Sakaniwa, Akihito Akai, Akihiko Hyodo

机构 * Data & Knowledge Management Research Department, Digital Infrastructure Innovation Center, Research & Development Group, Hitachi, Ltd.（株式会社日立制作所 研究开发集团 数字基础设施创新中心 数据与知识管理研究部） 纠错

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

AI总结 提出一种从单目图像估计物体尺寸的方法，通过分解结构元素并整合设计规则、几何关系等外部知识，生成与真实环境尺度接近的3D资产，用于提升自动驾驶车载相机虚拟验证精度。

Comments 6 pages, 4 figures

Real-Time Source-Free Object Detection

实时无源目标检测

Sairam VCR, Varun Gopal, Poornima Jain, Vineeth N Balasubramanian, Muhammad Haris Khan

机构 * IIT Hyderabad（印度理工学院海得拉巴分校） ； Microsoft Research（微软研究院） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 提出一种基于YOLOv10的实时无源目标检测方法，通过双头伪标签融合（DHF）和多尺度自适应表示多样化（MARD）损失，在保持实时性和轻量化的同时，显著提升域适应精度。

Comments Accepted to ECCV 2026

VertiAdaptor: Online Kinodynamics Adaptation for Vertically Challenging Terrain

VertiAdaptor: 针对垂直挑战地形的在线运动学动力学自适应

Tong Xu, Chenhui Pan, Aniket Datar, Xuesu Xiao

机构 * George Mason University（乔治梅森大学） 纠错

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

AI总结 提出VertiAdaptor在线自适应框架，通过函数编码器融合高程与语义嵌入，实现地形感知的运动学动力学建模与规划，在仿真和实物平台上预测精度提升23.9%，自适应速度提高5倍。

Support of Teleoperated Driving with 5G Networks

基于5G网络的远程驾驶支持

M. Carmen Lucas-Estañ, Baldomero Coll-Perales, Mohammad Irfan Khan, Sergei S. Avedisov, Onur Altintas, Javier Gozalvez, Miguel Sepulcre

专题命中 感知 ：autonomous driving(abstract)

AI总结 研究5G网络支持远程驾驶的可行性，发现其依赖于带宽和TDD帧结构，且车辆数量增加需降低视频码率，集中式部署可能难以满足严苛延迟要求。

Journal ref Proceedings of the 2023 IEEE 98th Vehicular Technology Conference (VTC2023-Fall), 2023, pp. 1-5

Failure-Based Testing for Deep Reinforcement Learning Agents

基于失败的深度强化学习智能体测试方法

Weibin Lin, Jiangtao Meng, Zheng Zheng

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对深度强化学习智能体测试中奖励信号失效的问题，提出一种基于任务失败洞察的黑盒测试方法PRT，通过优先测试高难度任务来提升故障检测效率，在四个基准上测试成本降低超50%。

Comments 22 pages

Gaussian Belief Propagation for Tracking With Unresolved Measurements

用于未分辨测量跟踪的高斯置信传播

Augustin A. Saucan, Florian Meyer, Peter Willett

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对多目标跟踪中未分辨测量问题，提出基于成对耦合对象模型的概率分布，并设计广义环置信传播（LBP）和专用高斯LBP（GLBP）算法，实现O(m n 2^n)复杂度的高效状态推理。

Comments 13 pages, 9 figures

LWDrive: Layer-Wise World-Model-Guided Vision-Language Model Planning for Autonomous Driving

LWDrive: 基于逐层世界模型的视觉-语言模型自动驾驶规划

Chen Yang, Yuhao Wei, Ze Xu, Ziheng Zou, Shuang Liang, Delin Ouyang, Lingfeng Qi, Jie Li, Guofa Li

机构 * Chongqing University（重庆大学） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；BEV(abstract,abstract_cn)；分类 cs.CV、cs.AI

AI总结 提出LWDrive框架，通过逐层世界模型引导，将VLM输出的粗轨迹逐步细化为几何精确、多视角感知的规划轨迹，在NAVSIM基准上取得92.0分。

What Probing Reveals about Autonomous Driving: Linking Internal Prediction Errors to Ego Planning

探测揭示自动驾驶：内部预测误差与自我规划的关联

Hyeonchang Jeon, Kyungbeom Kim, Eugene Vinitsky, Kyung-Joong Kim

机构 * Gwangju Institute of Science and Technology (GIST)（光州科学技术院） ； New York University（纽约大学） 纠错

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

AI总结 通过线性探测和因果干预，研究自动驾驶策略在碰撞事件中缺乏及时预测能力，导致规划缺陷，并证明纠正预测可提升安全性。

Comments 10 pages

DSIP: A Dynamic Coordination Planner for Signal-Free Intersections using Diffusion-Model-Based Multi-Agent Motion Planning

DSIP: 基于扩散模型的多智能体运动规划的无信号交叉口动态协调规划器

Qian Hu, Haoyang Peng, Songan Zhang, Ming Yang, Hongtei Eric Tseng

机构 * Global Institute of Future Technology, Shanghai Jiao Tong University（上海交通大学全球未来技术学院） ； 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） ； Department of Electrical Engineering, The University of Texas at Arlington（德克萨斯大学阿灵顿分校电气工程系） 纠错

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

AI总结 提出DSIP框架，利用扩散模型生成多车连续轨迹优化，替代传统信号相位控制，在SUMO仿真中显著降低平均延误并提高平均速度。

Energy-Optimal Spatial Iterative Learning within a Virtual Tube

虚拟管道内的能量最优空间迭代学习

Chen Min, Shuli Lv, Pengda Mao, Huixin Cao, Li Hong, Quan Quan

机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； Tianmushan Laboratory, Beihang University（北京航空航天大学天目山实验室） 纠错

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

AI总结 针对无人机续航受限问题，提出一种无模型在线迭代学习框架，通过O(n)复杂度的空间迭代优化降低能耗，在实验中比基于模型的IPOPT快50-60倍。

Comments 9 pages, 7 figures, submitted to RA-L

A Practical Implementation of Day-3 Cooperative Intersection with Automated Connected Mini-Cars

一种基于自动化联网迷你车的第三天协作交叉口的实际实现

Lorenzo Farina, Vittorio Todisco, Federico Gavioli, Salvatore Iandolo, Francesco Moretti, Giuseppe Perrone, Matteo Piccoli, Francesco Raviglione, Marco Rapelli, Antonio Solida, Claudio Casetti, Paolo Burgio, Carlo Augusto Grazia, Alessandro Bazzi

专题命中 规划控制 ：autonomous driving(abstract)

AI总结 本文通过联网自动驾驶迷你车平台，实时演示了协作交叉口管理，集成自动驾驶、无线通信和协作控制，验证了未来智能交通系统的可行性。

Comments The work is relevant for research on connected autonomous vehicles, cooperative intelligent transportation systems, smart intersections, vehicle coordination, CAV testbeds, and future urban mobility

Quality-Controlled Active Learning via Gaussian Processes for Robust Structure-Property Learning in Autonomous Microscopy

通过高斯过程进行质量控制的主动学习用于自主显微镜中鲁棒的结构-性质学习

Jawad Chowdhury, Ganesh Narasimha, Jan-Chi Yang, Yongtao Liu, Rama Vasudevan

机构 * UT-Battelle, LLC（UT-Battelle有限责任公司） 纠错

专题命中 规划控制 ：self-driving(abstract)

AI总结 本文提出一种结合好奇心驱动采样与物理指导质量控制过滤器的主动学习框架，用于提升自主显微镜中结构-性质学习的鲁棒性，通过处理训练和采集过程中的噪声，提高预测可靠性。

Comments 22 pages, 12 figures, 2 tables; submitted to npj Computational Materials

Off the Rails: Hijacking the Scoring Head in Generative End-to-End Driving Planners with Safety-Violating Adversarial Perturbations

脱轨：利用违反安全的对抗扰动劫持生成式端到端驾驶规划器的评分头

Halima Bouzidi, Mboutidem Ekemini Mkpong, Haoyu Liu, Mohammad Abdullah Al Faruque

机构 * University of California, Irvine（加利福尼亚大学尔湾分校） 纠错

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

AI总结 针对生成式端到端自动驾驶规划器中评分头的攻击面，提出Derail对抗框架，通过安全违规目标扰动使轨迹选择从安全候选翻转为不安全候选，评分下降39-80%，碰撞率高达50%。

Comments 23 pages, 4 figures, 9 tables

PriorEye: Geospatial Visual Priors for End-to-End Autonomous Driving

PriorEye: 用于端到端自动驾驶的地理空间视觉先验

Kyuhwan Yeon, Benjamin Ramtoula, Daniele De Martini

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

AI总结 提出地理空间视觉先验和双记忆架构，增强端到端自动驾驶的预见性和鲁棒性，在NAVSIM-v2上持续提升性能。

Comments Accepted to ECCV 2026

PROBE: Probabilistic Occupancy BEV Encoding with Analytical Translation Robustness for 3D Place Recognition

PROBE: 具有解析平移鲁棒性的概率占用BEV编码用于3D地点识别

Jinseop Lee, Byoungho Lee, Gichul Yoo

机构 * SK Intellix 纠错

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

AI总结 提出无学习的LiDAR地点描述符PROBE，通过极坐标雅可比解析边缘化连续平移，实现距离自适应角度不确定性，在跨传感器泛化中取得高精度。

Comments 8 pages, 8 figures. Accepted for publication in IEEE Robotics and Automation Letters (RA-L). (c) 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses

Semantic Occupancy Prediction with Dual Range-Voxel Representation

基于双范围-体素表示的语义占用预测

Sitao Chen, Zhuangwei Zhuang, Hui Luo, Lizhao Liu, Qingyao Wu, Mingkui Tan

机构 * School of Software Engineering, South China University of Technology（华南理工大学软件学院） ； State Key Laboratory of Optical Field Manipulation Science and Technology, Institute of Optics and Electronics, CAS（中国科学院光电技术研究所光学场操控科学与技术国家重点实验室） 纠错

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

AI总结 提出双范围-体素表示（DRVR），利用单扫描点云的范围视图和体素视图几何信息进行3D语义占用预测，避免多扫描带来的计算和鲁棒性问题，在nuScenes-Occupancy上mIoU提升5.4%，速度提升2.1倍。

GaussianMap: Learning Gaussian Representation for Multi-Sensor Online HD Map Construction

GaussianMap: 学习高斯表示用于多传感器在线高清地图构建

Hongyu Lyu, Julie Stephany Berrio Perez, Mao Shan, Stewart Worrall

机构 * The University of Sydney, Australian Centre for Robotics（悉尼大学澳大利亚机器人中心） ； The University of Queensland（昆士兰大学） 纠错

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

AI总结 提出GaussianMap框架，利用自适应高斯表示代替固定分辨率BEV网格，通过高斯编码器与多传感器融合，实现高效在线高清地图构建，在nuScenes和Argoverse 2上达到SOTA。

Accelerating Structure-Property Relationship Discovery with Multimodal Machine Learning and Self-Driving Microscopy

利用多模态机器学习和自驱动显微镜加速结构-性能关系发现

Jiawei Gong, Danqing Ma, Ralph Bulanadi, Robert Moore, Rama Vasudevan, Lianfeng Zhao, Yongtao Liu

专题命中 BEV与占用 ：self-driving(title,abstract)

AI总结 提出结合自主显微镜与双新颖深度核学习及双变分自编码器的框架，用于高效采集光谱数据并构建结构-性能关系图，应用于钙钛矿薄膜揭示了纳米结构特征与迟滞行为的关联。

Comments 20 pages, 6 figures

MVP-Nav: Multi-layer Value Map Planner Navigator

MVP-Nav: 多层价值地图规划导航器

Wenyuan Xie, Shaokai Wu, Yijin Zhou, Yanbiao Ji, Guodong Zhang, Bayram Bayramli, Qiuchang Li, Xunchu Zhou, Yue Ding, Hongtao Lu

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

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

AI总结 针对零样本目标导航中缺乏深度信息导致的物理不确定性，提出MVP-Nav框架，通过3D基础模型重建物理占用并构建多层价值地图，实现语义与物理约束的统一规划，达到最先进性能。

FLORA: A deep learning approach to predict forest attributes from heterogeneous LiDAR data

FLORA: 一种从异构LiDAR数据预测森林属性的深度学习方法

Emilie Vautier, Clément Mallet, Cédric Vega

机构 * Univ Gustave Eiffel, Géodata Paris, IGN, LASTIG（古斯塔夫·埃菲尔大学，巴黎地理数据，IGN，LASTIG） ； Univ Gustave Eiffel, Géodata Paris, IGN, LIF（古斯塔夫·埃菲尔大学，巴黎地理数据，IGN，LIF） ； Université de Lorraine, Géodata Paris, IGN, LIF（洛林大学，巴黎地理数据，IGN，LIF） 纠错

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

AI总结 提出FLORA框架，利用八叉树骨干网络与生态时空辅助变量，从异构LiDAR点云预测六种森林属性，在法国32,052个样地验证，主导高rRMSE约12.3%。

No Adaptation Without Observation: Observability-Constrained Test-Time Prompt Tuning for LiDAR Semantic Segmentation

无观测则无适应：面向LiDAR语义分割的观测约束测试时提示调整

Linlian Jiang, Wentao Ju, Sadman Rakib Pinon, Jianwei Xian, Zhixiang Chi, Xinxin Zuo, Yang Wang

机构 * Concordia University（康考迪亚大学） ； Mila – Quebec AI Institute（米拉-魁北克人工智能研究所） ； University of Toronto（多伦多大学） 纠错

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

AI总结 针对LiDAR语义分割在部署中性能下降的问题，提出一种几何约束的测试时提示调整框架，通过估计感知可靠性并加权空间监督，仅调整轻量提示适配器，实现稳定适应。

Comments IROS 2026

DrivingDepth: Sparse-Prompted Pixel-wise Scale Correction for Driving Depth Estimation

DrivingDepth: 稀疏提示的像素级尺度校正用于驾驶深度估计

Chi Huang, Wenhao Zhang, Hang Yin, YuAn Wang, Hao Li, Bosheng Wang, Xun Sun, Liang Wang

机构 * Baidu Inc.（百度公司） 纠错

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

AI总结 针对自动驾驶深度估计中几何与尺度的冲突，提出DrivingDepth方法，利用稀疏LiDAR作为几何提示，通过残差像素级尺度校正校准冻结的深度基础模型，在保持密集视觉几何的同时实现度量精度与几何一致性。

Registering the 4D Millimeter Wave Radar Point Clouds Via Generalized Method of Moments

通过广义矩方法配准4D毫米波雷达点云

Xingyi Li, Han Zhang, Ziliang Wang, Yukai Yang, Weidong Chen

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） ； Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医疗机器人研究院） ； Department of Statistics, Uppsala University（乌普萨拉大学统计系） 纠错

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

AI总结 针对4D雷达点云稀疏噪声导致配准困难的问题，提出基于广义矩方法的配准框架，无需显式点对应，在合成与真实数据集上精度和鲁棒性优于基准方法，甚至接近激光雷达方法。

Absorption-Feature-Guided Distance-Decoupled Estimation and Band Selection for LWIR Hyperspectral Passive Ranging

吸收特征引导的距离解耦估计与波段选择用于长波红外高光谱被动测距

Shuo Liu, Chen Fan, Zhihe Chen, Xiaolin Huang, Lilian Zhang

机构 * College of Intelligence Science and Technology, National University of Defense Technology（国防科技大学智能科学学院） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 提出ADER框架，利用大气吸收特征解耦温度与发射率，通过臭氧吸收分类像素并优化距离估计，结合贪婪波段选择，实现快速高精度被动测距。

Comments 18 pages, 9 figures

Horizon3D: Sparse Radar-Camera Fusion for Long-Range 3D Perception in Autonomous Driving

Horizon3D: 用于自动驾驶远距离3D感知的稀疏雷达-相机融合

Geonho Bang, Geunju Baek, Dongyoung Lee, Wonjun Jeong, Jun Won Choi

机构 * Seoul National University（首尔大学） 纠错

专题命中 多传感器融合 ：BEV(summary_cn,abstract)；autonomous driving(title,abstract)；分类 cs.CV

AI总结 提出Horizon3D框架，通过高斯原语与稀疏BEV特征融合，结合双路径时序融合，实现远距离雷达-相机3D检测，在TruckScenes上达到SOTA性能。

Comments Accepted to ECCV 2026. Project page: https://geonhobang.github.io/horizon3d-project-page. Code: https://github.com/geonhobang/ECCV2026_Horizon3D