视觉与机器人
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
RESOLVE：用于路边协同感知的多分辨率多模态数据集
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）
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
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
机构 * Air Force Research Laboratory（空军研究实验室）
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: 高度对齐符号距离场与语义车道先验用于3D车道检测
机构 * KAIST（韩国科学技术院）
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
基于几何先验的自回归模型生成车道拓扑推理
机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院）
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: 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
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）
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
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
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）
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
实时无源目标检测
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）
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
基于5G网络的远程驾驶支持
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
基于失败的深度强化学习智能体测试方法
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
用于未分辨测量跟踪的高斯置信传播
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
探测揭示自动驾驶：内部预测误差与自我规划的关联
机构 * Gwangju Institute of Science and Technology (GIST)（光州科学技术院） ； New York University（纽约大学）
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: 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
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）
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。
虚拟管道内的能量最优空间迭代学习
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）
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
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
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
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
机构 * University of California, Irvine（加利福尼亚大学尔湾分校）
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: 用于端到端自动驾驶的地理空间视觉先验
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
基于双范围-体素表示的语义占用预测
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）
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: 学习高斯表示用于多传感器在线高清地图构建
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）
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。
MVP-Nav: 多层价值地图规划导航器
机构 * Shanghai Jiao Tong University（上海交通大学）
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: 一种从异构LiDAR数据预测森林属性的深度学习方法
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）
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%。
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
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）
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: 稀疏提示的像素级尺度校正用于驾驶深度估计
机构 * Baidu Inc.（百度公司）
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。
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
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）
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: 用于自动驾驶远距离3D感知的稀疏雷达-相机融合
机构 * Seoul National University（首尔大学）
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
利用真实世界故障记录生成自动驾驶系统测试场景
机构 * Massachusetts Institute of Technology（麻省理工学院）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出一种基于LLM的场景生成流程，利用历史故障记录中的分类和上下文信息，生成多样化测试场景，在Metadrive模拟器上验证了方法的准确性和多样性。
Comments 9 pages, Appendix included. Paper accepted and presented at NeuS 2026
流式高斯编码用于4D全景占据跟踪
机构 * University of Freiburg（弗莱堡大学） ； Bosch Research, Robert Bosch GmbH（博世研究中心，罗伯特·博世有限公司） ； University of Haifa（海法大学）
专题命中 仿真评测 ：occupancy(title,abstract)；分类 cs.RO、cs.CV
AI总结 提出流式高斯编码器，通过持久化场景表示和置信度引导的预算约束，实现相机4D全景占据跟踪，在nuScenes和Waymo上达到新最优。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
SENSE-VAD：面向自动驾驶的情感和语义视频异常检测
机构 * University of South Florida（南佛罗里达大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 针对自动驾驶中社会关系导致的异常（如追逐、被抱等），提出首个合成视频异常检测基准SENSE-VAD，利用CARLA和UE生成多类别社交异常场景，并分离社交异常与运动异常，评估现有方法发现其难以解决该挑战。
基于结构化自回归建模的长期交通仿真
机构 * The University of Hong Kong（香港大学）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO、cs.AI
AI总结 提出RosettaSim框架，利用大规模序列模型的归纳偏置和统计先验，通过结构化自回归流建模场景拓扑、智能体状态和生成意图，实现短期准确与长期稳定仿真；并引入基于检索的交通评估（RTE）解决长期评估难题。
Comments ECCV 2026 Accepted
AI辅助研究中的校准转向：证据许可主张的概念与方法论框架
机构 * School of Life Science and Technology, Institute of Science Tokyo（东京科学大学生命科学与技术学院） ； Department of Computational Biology and Medical Sciences, Graduate School of Frontier Sciences, The University of Tokyo（东京大学前沿科学研究生院计算生物学与医学科学系）
专题命中 仿真评测 ：self-driving(abstract)
AI总结 提出AI辅助研究中证据许可主张的概念与方法论框架，通过五个算子描述研究过程，强调校准作为管理科学断言权的机制，并区分不同语义类型。
Comments 42 pages, 4 figures. Companion code and synthetic simulation artifacts: https://github.com/Li-Hongmin/calibration-turn-ai-assisted-research
从失败到对齐：机器学习系统的需求工程框架
机构 * The Open University, United Kingdom（英国开放大学） ； University of Limerick, Ireland（爱尔兰利默里克大学）
专题命中 其他自动驾驶 ：autonomous driving(abstract)
AI总结 提出REAL框架，通过需求工程方法，结合数据、模型和系统需求，利用失败驱动探索替代需求，实现迭代可追溯的MLS需求细化，以对齐利益相关者需求。
Comments 12 pages
Journal ref RE 2026 - the 34th IEEE International Requirements Engineering Conference
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈