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。
可解释性感知的视锥攻击：揭示基于LiDAR的3D目标检测器中的结构脆弱性
机构 * Imperial College London（帝国理工学院伦敦分校）
专题命中 感知 ：LiDAR(title,title_cn)；分类 cs.CV
AI总结 提出可解释性引导的对抗分析方法，通过SALL方法生成通用显著性图，并设计EFA攻击，仅扰动最关键的视锥区域，在KITTI和nuScenes上使检测召回率下降超15个百分点，同时减少25-50%的扰动视锥数。
Comments European Conference on Computer Vision (ECCV), September 2026
GaussianFusion：用于多模态融合感知的统一3D高斯表示
机构 * Tencent, Autonomous Driving Lab（腾讯自动驾驶实验室）
专题命中 感知 ：BEV(abstract,abstract_cn)；occupancy(abstract)；分类 cs.CV、cs.AI
AI总结 提出基于3D高斯表示的多模态融合框架GaussianFusion，通过连续3D高斯空间统一多模态特征，保留细节，支持多种3D感知任务，在nuScenes上检测NDS提升2.6，占用预测mIoU提升1.55且速度提升450%。
Comments ICLR 2026
NOVA：自动驾驶中3D多目标跟踪的下一步开放词汇自回归
机构 * College of Mechanical and Vehicle Engineering, Hunan University（湖南大学机械与运载工程学院） ； State Key Laboratory of Intelligent Autonomous Systems, Tongji University（同济大学智能自主系统国家重点实验室）
专题命中 感知 ：autonomous driving(title)；分类 cs.RO、cs.CV、eess.IV
AI总结 提出NOVA方法，通过自回归关联将3D多目标跟踪转化为轨迹条件时空语义序列完成，利用大语言模型实现开放词汇泛化，在nuScenes等数据集上显著提升新类别跟踪性能。
Comments Accepted to IROS 2026. Code will be available at https://github.com/xifen523/NOVA
RC-GeoCP：雷达-相机协同感知的几何一致性
机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； School of Automotive Studies, Tongji University（同济大学汽车学院） ； Thrust of Artificial Intelligence, Hong Kong University of Science and Technology（香港科技大学人工智能研究所）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；BEV(abstract)；分类 cs.CV
AI总结 提出首个4D雷达与相机协同感知框架RC-GeoCP，通过雷达锚定几何一致性解决深度模糊和空间分散导致的错位，实现高效通信与全局一致表示。
Comments 11 pages, 6 figures, 9 tables
从单实例RGB演示中学习类别级最后米导航
机构 * University of Minnesota, Twin Cities（明尼苏达大学 Twin Cities 分校）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 提出面向对象的模仿学习框架，利用RGB观测实现四足移动机械臂在最后米阶段的精确导航，无需深度或地图先验，在类别级泛化中达到高成功率。
迈向精确状态估计：用于3D多目标跟踪的运动动力学卡尔曼滤波器
机构 * Khalifa University（哈利法大学） ； New York University of Abu Dhabi（纽约大学阿布扎比分校）
专题命中 感知 ：self-driving(abstract)；分类 cs.RO、cs.CV
AI总结 提出运动动力学卡尔曼滤波器（MD-KF），通过将连续测量间运动变化建模为高斯分布并自适应调整加权运动模型，克服恒定运动假设，在保持模型单一性的同时提升遮挡和静止目标的状态估计精度与计算效率。
UniDrive-WM：面向自动驾驶的统一理解、规划和生成世界模型
机构 * Bosch Research North America & Bosch Center for Artificial Intelligence (BCAI)（博世北美研究院与博世人工智能中心） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Arizona State University（亚利桑那州立大学） ； Case Western Reserve University（凯斯西储大学）
专题命中 规划控制 ：autonomous driving(title,abstract)；trajectory planning(abstract)；分类 cs.CV
AI总结 提出UniDrive-WM，一个基于VLM的统一世界模型，联合执行场景理解、轨迹规划和未来图像生成，在Bench2Drive上轨迹误差降低7.3%，碰撞率降低10.4%。
Comments Accepted to ECCV 2026. Project Page: https://unidrive-wm.github.io/UniDrive-WM
DriveVer: 自动驾驶的轻量级轨迹评估器作为测试时验证器
机构 * Tsinghua University（清华大学） ； University of Macau（澳门大学）
专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出DriveVer，一种轻量级即插即用的测试时验证器，通过双头架构融合候选轨迹与多视图视觉特征，预测安全置信度和几何修正向量，在不增加训练成本下提升规划模型性能。
隐藏之物至关重要：使用视觉语言模型识别规划关键性的被遮挡智能体
专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI
AI总结 提出利用视觉语言模型（VLM）识别对自车轨迹影响最大的被遮挡智能体，通过规划KL散度（PKL）度量进行排序，并微调VLM以提升性能，实验表明该方法比随机采样提升约30%。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 9 pages, 5 figures, 5 tables
通过双超导谐振腔控制量子比特-量子比特耦合
专题命中 规划控制 ：occupancy(abstract)
AI总结 研究双谐振腔耦合超导量子电路中量子比特-量子比特耦合的开关过程，通过调节量子比特与双谐振腔频率差实现耦合强度调控，为大规模超导量子处理器提供新平台。
Comments 7 pages, 9 figures
Journal ref J. Phys. Soc. Jpn. 95, 074301 (2026)
MVDGC: 通过双重几何约束的联合3D和2D多视角行人检测
机构 * University of Arkansas（阿肯色大学） ； University of Information Technology（信息技术大学） ； Posts and Telecommunications Institute of Technology (PTIT)（邮电技术学院）
专题命中 BEV与占用 ：BEV(summary_cn,abstract)；分类 cs.CV
AI总结 提出MVDGC框架，利用3D圆柱查询联合优化BEV平面定位和2D边界框，通过双重几何约束解决透视变换导致的特征畸变和密集区域定位模糊问题。
OSCAR: 基于占用率的声学神经隐式表示形状补全
机构 * Chair for Computer Aided Medical Procedures (CAMP) Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序教席（CAMP）） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） ； Konrad Zuse School of Excellence in Reliable AI (relAI)（康拉德·楚泽可靠人工智能卓越学校（relAI））
专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV
AI总结 提出基于占用率的形状补全方法，利用声学神经隐式表示从部分超声观测中重建完整3D解剖结构，无需标签，在HD95指标上优于现有方法80%。
具有Curie-Weiss相互作用的双占据单元流体的相图
专题命中 BEV与占用 ：occupancy(title,abstract)
AI总结 研究具有Curie-Weiss相互作用的双占据单元流体模型，通过自旋-占据变量变换证明其与完全图上的Blume-Capel模型同构，并利用解析和数值方法揭示其丰富的相行为，包括单临界点、双临界点、三临界点和三相点。
Comments 17 pages, 3 figures
RoadBench: 在城市道路场景下对多模态大语言模型进行细粒度空间理解与推理的基准测试
机构 * Department of Electronic Engineering, BNRist, Tsinghua University（清华大学电子工程系、北京信息科学与技术国家研究中心） ； Zhongguancun Academy（中关村学院） ； Amap, Alibaba Group（阿里巴巴集团高德地图）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 针对城市复杂场景中多模态大语言模型在细粒度空间理解与推理能力上的不足，提出RoadBench基准，包含8个任务、3040个测试用例，通过鸟瞰图和第一人称视角图像评估模型性能，揭示现有模型在此类任务上的显著缺陷。
Comments Accepted by ECCV 2026, the code and data are publicly available at: https://github.com/tsinghua-fib-lab/RoadBench
通过Cramér-Rao下界方法保护外源输入的状态估计
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文提出了一种低复杂度的隐私保护状态估计方法，通过Cramér-Rao下界约束敌手对输入的均方误差，实现(ε, δ)-差分隐私。
Journal ref SCIENCE CHINA Information Sciences, 2026
我在哪里？基于视觉-语言模型的语义地图定位用于多模态定位
机构 * IIT Gandhinagar（印度理工学院甘地讷格尔分校）
专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.RO
AI总结 将机器人定位重构为语义推理任务，使用微调的Qwen2.5-VL-7B模型融合摄像头、LiDAR和语义地图预测位姿，在室内数据集上达到98.23%位置精度，并展现出跨模态互补性和对新场景的泛化能力。
Cross4D-JEPA: 用于4D点云表示学习的密集跨模态对应蒸馏
机构 * Nagoya University（名古屋大学） ； Northeastern University（东北大学） ； KC Machine Learning Lab（KC机器学习实验室） ； University of Science, Vietnam National University Ho Chi Minh City（胡志明市越南国立大学理科大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)；分类 cs.CV、cs.AI
AI总结 提出Cross4D-JEPA，通过教师-学生框架将冻结的2D基础模型（如DINOv2或V-JEPA 2）的密集补丁特征蒸馏到4D点编码器，实现每点对应和潜在空间匹配，在四个基准上优于模态内和全局跨模态基线。
创建有影响力的自动驾驶数据集：从研究空白到基准的战略指南
机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（FZI信息技术研究中心）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV、cs.AI
AI总结 提出一种诊断研究问题类型并选择最小数据操作符填补空白的战略框架，通过KITScenes案例验证，指导中小实验室和初创公司高效创建有影响力的自动驾驶数据集。
Comments Keywords: Autonomous Driving, Dataset Design, Benchmarks, Research Gap Identification. 14 pages, 3 figures
通过动态知识空间实现自动驾驶的去混淆终身学习
机构 * Tongji University（同济大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI
AI总结 本文提出DeLL框架，结合DPMM与因果推理的front-door调整机制，构建动态知识空间以解决自动驾驶中的灾难性遗忘和知识迁移问题，并引入进化轨迹解码器提升规划能力。
Comments Accepted by ECCV 2026
MVPruner: 用于加速自动驾驶中多视图视觉语言模型的动态令牌剪枝
机构 * School of Information Engineering, Chang’an University, China（长安大学信息工程学院） ； School of Artificial Intelligence, Shanghai Jiaotong University, China（上海交通大学人工智能学院）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出MVPruner，一种两阶段自适应令牌剪枝方法，通过动态分配剪枝预算和基于指令的令牌选择，在保持精度的同时大幅降低计算量，实现多视图视觉语言模型的高效推理。
Comments accepted by ECCV26
迈向度量无关的轨迹预测
机构 * RWTH Aachen University（亚琛工业大学） ； Eindhoven University of Technology（埃因霍温理工大学）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO、cs.CV
AI总结 提出度量无关的概率训练目标，并引入TraDiE策略将预测分布映射为轨迹和置信度，实现度量优化作为下游任务，在Waymo基准上取得最优结果。
Comments ECCV 2026. Project page at https://vision.rwth-aachen.de/TraDiE-policies
DriveVA: 视频动作模型是零样本驱动器
机构 * University of Twente（特温特大学） ； Xiaomi EV（小米电动汽车） ； University of Cambridge（剑桥大学） ； University of Bath（巴斯大学）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO、cs.CV
AI总结 DriveVA提出了一种新的自动驾驶世界模型，通过共享潜在生成过程联合解码未来视觉预测和动作序列，提升跨数据集和传感器配置的泛化能力，减少碰撞率和误差。
Comments Accepted to ECCV 2026. 30 pages, 12 figures, 11 tables
重新思考基于深度学习的多标签图像分类：分类法、挑战与展望
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Southeast University（东南大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文综述了基于深度学习的多标签图像分类方法，将其分为六类，并总结了关键挑战与未来研究方向。
ECoSim：面向可控交通模拟的数据高效微调
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； University of California, Berkeley（加州大学伯克利分校）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV
AI总结 提出轻量级控制适应框架，通过身份初始化的FiLM层调制中间特征，为预训练的扩散和自回归交通模型添加多模态控制（草图、潜在行为编码和文本），使用不到1%的配对数据实现强可控性。
Comments European Conference on Computer Vision (ECCV) 2026
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