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