arXivDaily arXiv每日学术速递 周一至周五更新

视觉与机器人

自动驾驶

自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。

2026-07-01 至 2026-07-01 共收录 5 信号源:cs.RO, cs.CV, eess.IV, cs.AI

1. 仿真评测 5 篇

2606.31131 2026-07-01 cs.AI cs.RO 新提交 81%

Scenario Generation for Testing of Autonomous Driving Systems Using Real-World Failure Records

利用真实世界故障记录生成自动驾驶系统测试场景

Anjali Parashar, Chuchu Fan

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

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.30754 2026-07-01 cs.CV cs.RO 新提交 81%

Streaming Gaussian Encoding for 4D Panoptic Occupancy Tracking

流式高斯编码用于4D全景占据跟踪

Maximilian Luz, Thomas Nürnberg, Yakov Miron, Abhinav Valada

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)

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.31875 2026-07-01 cs.CV 新提交 79%

SENSE-VAD: Sentient and Semantic Video Anomaly Detection for Autonomous Driving

SENSE-VAD:面向自动驾驶的情感和语义视频异常检测

Nghia T. Nguyen, Lokman Bekit, Yasin Yilmaz

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。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.31209 2026-07-01 cs.AI cs.RO 新提交 62%

Long-term Traffic Simulation via Structured Autoregressive Modeling

基于结构化自回归建模的长期交通仿真

Lingyu Xiao, Zexin Feng, Xintao Yan

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

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.31273 2026-07-01 cs.LG 新提交 50%

The Calibration Turn in AI-Assisted Research: A Conceptual and Methodological Framework for Evidence-Licensed Claims

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

Hongmin Li

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

详情

展开后加载摘要…

URL PDF HTML 收藏