自动驾驶

See Silhouettes in Motion with Neuromorphic Vision

用神经形态视觉感知运动中的轮廓

Pei Zhang, Shijie Lin, Zhou Ge, Jinpeng Chen, Wei Pu

机构 * School of Electrical Engineering, Guangxi University（广西大学电气工程学院） ； Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； School of Mechatronic Engineering and Automation, Shanghai University（上海大学机电工程与自动化学院） ； SHU General Intelligent Robotics Research Institute（SHU通用智能机器人研究院） ； School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications（北京邮电大学计算机科学学院（国家试点软件学院）） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China（电子科技大学信息与通信工程学院） 纠错

专题命中 感知 ：self-driving(abstract)；分类 cs.RO、cs.CV、eess.IV

AI总结 本文提出了一种双模方法，利用帧和事件的协同作用，在仅CPU的设备上实现实时高帧率二值化，有效减少运动模糊并提升在恶劣光照下的性能，为资源受限边缘平台的轻量感知和交互铺平道路。

Comments 13 pages, 15 figures, and 5 tables. This work is under review. Project page: https://github.com/pz-even/event_binarization

Event-based vision sensing and its application to pedestrian detection for intelligent transportation and surveillance

基于事件的视觉感知及其在智能交通与监控中行人检测的应用

Han Wang, Juntao Wu, Jingyuan Bao, Min Liu, Yaoxiong Wang, Saiao Zhou, Yuman Nie, Yun Li

机构 * Han Wang, Juntao Wu, Jingyuan Bao, Min Liu, Yaoxiong Wang, Saiao Zhou, Yuman Nie, Yun Li（未知） 纠错

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

AI总结 综述事件视觉感知原理及其在行人检测中的应用，比较事件驱动与传统帧方法的优劣，分析现有方法并讨论开放挑战与未来方向。

Comments Published in Advanced Engineering Informatics, Vol. 76, Part B, 104989 (2026). Received 31 December 2025; Revised 3 June 2026; Accepted 18 June 2026; Available online 23 June 2026. DOI: 10.1016/j.aei.2026.104989

Transformer-Based Approach to Enhance Positron Tracking Performance in MEG II

基于Transformer的方法提升MEG II正电子追踪性能

Lapo Dispoto, Fedor Ignatov, Atsushi Oya, Yusuke Uchiyama, Antoine Venturini

专题命中 感知 ：occupancy(abstract)

AI总结 提出Transformer模式识别方法，用于MEG II实验正电子径迹重建，通过分类去除漂移室中的堆积击中，在35-50%堆积率下将击中纯度提升15%，追踪效率和分辨率分别提升15%和5%，使μ→eγ分支比测量灵敏度提高约10%。

SPOT: Spatio-Temporal Obstacle-free Trajectory Planning for UAVs in Unknown Dynamic Environments

SPOT：未知动态环境中无人机的时空无碰撞轨迹规划

Astik Srivastava, Thomas J Chackenkulam, Bitla Bhanu Teja, Antony Thomas, Madhava Krishna

机构 * Robotics Research Center, IIIT Hyderabad, India（IIIT海得拉巴机器人研究中心，印度） ； IIT-BHU, India（IIT-BHU，印度） 纠错

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

AI总结 提出一种基于4维时空规划器、视觉安全飞行走廊生成和轨迹优化的无地图反应式运动规划方法，实现无人机在未知动态环境中的避障，并通过备份规划模块应对死锁。

Comments Accepted for publication at ICRA 2026. Code available at (https://astik-2002.github.io/ICRA-2026-SPOT/)

Physically Native World Models: A Hamiltonian Perspective on Generative World Modeling

物理原生世界模型：生成式世界建模的哈密顿视角

Sen Cui, Jingheng Ma

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 提出哈密顿世界模型，通过结构化潜相空间和哈密顿动力学演化实现物理可靠、动作可控且长期稳定的未来预测，用于具身决策。

Drive-JEPA: Video JEPA Meets Multimodal Trajectory Distillation for End-to-End Driving

Drive-JEPA：视频JEPA结合多模态轨迹蒸馏实现端到端驾驶

Linhan Wang, Zichong Yang, Chen Bai, Guoxiang Zhang, Xiaotong Liu, Xiaoyin Zheng, Xiao-Xiao Long, Chang-Tien Lu, Cheng Lu

机构 * Virginia Tech（弗吉尼亚理工学院） ； Purdue University（普渡大学） ； XPENG Motors（小鹏汽车） ； Nanjing University（南京大学） 纠错

专题命中 端到端驾驶 ：end-to-end driving(title,abstract)；autonomous driving(abstract)；trajectory planning(abstract)；分类 cs.CV

AI总结 提出Drive-JEPA框架，结合视频联合嵌入预测架构（V-JEPA）与多模态轨迹蒸馏，通过自监督视频预训练和动量感知选择机制提升端到端驾驶的规划性能，在NAVSIM上达到新最优。

BIEVR-LIO: Robust LiDAR-Inertial Odometry through Bump-Image-Enhanced Voxel Maps

BIEVR-LIO：通过凸起图像增强体素地图实现鲁棒的激光雷达惯性里程计

Patrick Pfreundschuh, Turcan Tuna, Cedric Le Gentil, Roland Siegwart, Cesar Cadena, Helen Oleynikova

机构 * 1 Autonomous Systems Lab, ETH Z\"urich, Switzerland, 2 Robotic Systems Lab, ETH Z\"urich, Switzerland, 3 Mobile Robotics Lab, ETH Z\"urich, Switzerland -1.5mm 纠错

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

AI总结 本文提出BIEVR-LIO方法，通过高分辨率体素地图表示和信息导向点采样策略，提升在信息稀疏环境下的激光雷达惯性里程计鲁棒性，并在多种场景中实现优异性能。

Physics-Grounded Monocular Vehicle Distance Estimation Using Standardized License Plate Typography

基于标准化车牌字体的单目车辆距离估计

Manognya Lokesh Reddy, Zheng Liu

机构 * Department of Computer and Information Science, University of Michigan-Dearborn（1计算机与信息科学系，密歇根大学-迪尔伯恩分校） ； Department of Industrial and Manufacturing Systems Engineering, University of Michigan-Dearborn（2工业与制造系统工程系，密歇根大学-迪尔伯恩分校） 纠错

专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出了一种利用美国标准化车牌字体作为被动标记进行车辆距离估计的方法，通过显式的几何先验知识解决尺度模糊问题，无需训练数据或主动照明，实现了鲁棒的距离、相对速度和碰撞预警。

Comments 29 pages, 12 figures

Sim2Real-AD: A Modular Sim-to-Real Framework for Deploying VLM-Guided Reinforcement Learning in Real-World Autonomous Driving

Sim2Real-AD：一种模块化的仿真到现实框架，用于在现实世界自动驾驶中部署基于VLM的强化学习

Zilin Huang, Zhengyang Wan, Zihao Sheng, Boyue Wang, Junwei You, Sikai Chen

机构 * Department of Civil and Environmental Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校土木与环境工程系） ； Google（谷歌） 纠错

专题命中 仿真评测 ：autonomous driving(title)；BEV(abstract_cn)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出Sim2Real-AD框架，实现无需真实世界强化学习数据将CARLA训练的VLM引导强化学习策略零样本迁移到全尺寸车辆。框架包含几何观察桥、物理感知动作映射、两阶段渐进训练和实时部署流水线。

Comments 33 pages, 16 figures

DriveVLM-RL: Neuroscience-Inspired Reinforcement Learning with Vision-Language Models for Safe and Deployable Autonomous Driving

DriveVLM-RL：受神经科学启发的强化学习与视觉语言模型用于安全可部署的自动驾驶

Zilin Huang, Zihao Sheng, Zhengyang Wan, Yansong Qu, Junwei You, Sicong Jiang, Sikai Chen

机构 * Department of Civil and Environmental Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校土木与环境工程系） ； Lyles School of Civil and Construction Engineering, Purdue University（普渡大学莱尔斯土木与建设工程学院） ； Department of Civil Engineering, McGill University（麦吉尔大学土木工程系） 纠错

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DriveVLM-RL框架，通过双通路架构将VLM集成到RL中，实现安全可部署的自动驾驶，在CARLA中显著优于基线。

Comments 33 pages, 16 figures