自动驾驶

SparseOcc++: Geometry-Aware Sparse Latent Representation for Semantic Occupancy Prediction

SparseOcc++：用于语义占用预测的几何感知稀疏潜在表示

Pin Tang, Zhongdao Wang, Guoqing Wang, Xiangxuan Ren, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（教育部人工智能重点实验室，上海交通大学人工智能研究院） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV

AI总结 研究针对基于视觉的3D语义占用预测，提出SparseOcc++框架，通过场景完成场将场景完成与语义分割解耦，用新方法建模复杂户外几何，实验表明其提升了IoU且速度更快。

Unsupervised Behavioral Compression: Learning Low-Dimensional Policy Manifolds through State-Occupancy Matching

无监督行为压缩：通过状态占用匹配学习低维策略流形

Andrea Fraschini, Davide Tenedini, Riccardo Zamboni, Mirco Mutti, Marcello Restelli

专题命中 BEV与占用 ：occupancy(title,summary_cn)；分类 cs.AI

AI总结 本文提出Occupancy-based Policy Compression方法，通过改进策略压缩框架，以长周期状态空间覆盖替代即时动作匹配，提升行为表示的鲁棒性和泛化能力。

Comments RLC 2026 camera-ready version

BEVLM: Distilling Semantic Knowledge from LLMs into Bird's-Eye View Representations

BEVLM：将语言模型中的语义知识提炼到鸟瞰视图表示中

Thomas Monninger, Shaoyuan Xie, Qi Alfred Chen, Sihao Ding

机构 * Mercedes-Benz Research & Development North America（梅赛德斯-奔驰研发北美研究所） ； University of California, Irvine（加州大学伊尔弗分校） 纠错

专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；autonomous driving(abstract)；end-to-end driving(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 研究将大语言模型集成到自动驾驶，针对现有方法冗余计算、空间一致性受限等问题，提出BEVLM框架，连接鸟瞰视图表示与大语言模型，能有效提升跨视图驾驶场景推理准确性及端到端驾驶性能。

Comments Accepted to the 2026 European Conference on Computer Vision (ECCV 2026)

FDR-Occ: Factorized Dense Routing for Full-Spectrum 3D Occupancy Prediction

FDR-Occ：用于全光谱3D占用预测的因子分解密集路由

Dubing Chen, Huan Zheng, Tianyi Yan, Yucheng Zhou, Runzhou Tao, Zhongying Qiu, Jianfei Yang, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学物联网与智慧城市国家重点实验室、计算机与信息科学系） ； Chongqing Afari Intelligent Drive Co., Ltd.（重庆阿法里智能驾驶有限公司） ； Geely Automobile Research Institute (Ningbo) Co., Ltd.（吉利汽车研究院（宁波）有限公司） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究基于视觉的3D占用预测，将视图变换抽象为无约束二分路由并提出因子分解密集路由（FDR），引入分辨率-上下文解耦架构，实验表明该框架性能优，在未校准设置中结构稳健性强。

Comments ECCV 2026

Cross-View Yaw Estimation in Location Uncertainty with Line-Aligning Yaw Scoring

位置不确定性下的跨视角偏航估计：基于线对齐的偏航评分

Taeho Kang, Nairan Zhang, Yelin Kim, Yujiao Shi, Youngki Lee

机构 * Seoul National University（首尔大学） ； Meta ； Amazon（亚马逊） ； ShanghaiTech University（上海科技大学） 纠错

专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV

AI总结 提出LAYS方法，通过径向不变的线共识投票，在无需精确位置的情况下实现亚度级偏航精度，显著提升未知偏航下的跨视角定位性能。

Comments 31 pages, 15 figures, ECCV 2026

Learning 3D Affordances for Blade Insertion in Cluttered Stowing

学习在杂乱收纳中进行刀片插入的3D可用空间

Tianyu Li, Harpreet Sawhney, Minju Jung, Aditya Mehrotra, Kunal Mehrotra, Mudit Agrawal

机构 * Amazon Robotics（亚马逊机器人公司） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.RO、cs.CV

AI总结 研究杂乱收纳中刀片插入的3D可用空间问题，利用VulcanVoxel方法，通过基于3D占用场的掩码自动编码器，从单峰数据恢复多模态预测，提升了性能。

GPU-Accelerated Matrix-Based Hough Transform for Online Track Reconstruction in the STCF MDC

用于STCF MDC中在线径迹重建的GPU加速基于矩阵的霍夫变换

Liang Peng, Baolin Zhang, Zhaoli Guo, Jiarui Zhao, Yizhen Ma, Aonan Zhu, Huilin Li, Zhujun Fang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 针对STCF MDC实时径迹重建挑战，开发GPU加速基于矩阵的霍夫变换方法，通过算法-架构协同设计，改进数据表示与计算流程，提升重建吞吐量。

Orbital-Selective Mott and Antiferromagnetic Phases in Diagonally Compressed Kagome Lattice

对角压缩的 Kagome 晶格中的轨道选择性 Mott 相和反铁磁相

Jiewei Ding, Ho-Kin Tang, Wing Chi Yu

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 通过对对角压缩Kagome晶格上的半填充Hubbard模型进行量子蒙特卡洛模拟，研究晶格角和相互作用对系统各子晶格性质的影响，发现几何压缩诱导子晶格分化，得到轨道选择性Mott相和丰富相图。

Comments 16 pages, 14 figures

Maximum phase-space density of linearly polarized gluon TMDs in the saturation region

饱和区域中线偏振胶子TMD的最大相空间密度

Lei Wang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 利用Mueller占据数论证和小x Weizsäcker-Williams与偶极子胶子分布，计算了饱和区域中线偏振胶子TMD系数$h_1^{\perp g}$的Sudakov限制最大相空间密度，发现偶极子分布的最大值为$2\alpha_s^{-3/2}$，并进行了数值Collins-Soper演化研究。

Comments This paper is being withdrawn because the numerical results contain errors that require significant revisions

Emergency Department Patient Flow Optimization with an Alternative Care Threshold Policy

基于替代护理阈值策略的急诊科患者流优化

Sahba Baniasadi, Paul M. Griffin, Prakash Chakraborty

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 针对急诊科拥挤问题，提出基于阈值的收治政策，将非紧急患者在高峰拥堵时重定向至替代护理途径，通过特定排队系统建模并分析，得出最优阈值，有显著性能提升。

Comments 44 pages, 14 figures

WinTA-GIL: Windowed Trajectory Alignment for GNSS-IMU-LiDAR Heading Refinement in Intermittent Signal Environments

WinTA-GIL：间歇信号环境下用于GNSS-IMU-LiDAR航向精化的窗口轨迹对齐

Kaixin Feng, Zhichao Wen, Zhaohong Liao, Xin Xia, You Li

机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS), Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） ； School of Remote Sensing and Information Engineering, Wuhan University（武汉大学遥感信息工程学院） ； College of Engineering and Computer Science, University of Michigan-Dearborn（美国密歇根大学迪尔伯恩分校工程与计算机科学学院） 纠错

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

AI总结 针对多源融合定位系统中航向估计难题，提出WinTA-GIL框架，通过基于时间窗口的优化策略融合GNSS、IMU和LiDAR信息，将航向估计转化为轨迹一致性优化问题，实验证明其性能优越。

Comments Accepted to IROS 2026.8 pages,10 figures

CRISP: A Spatiotemporal Camera-Radar Backbone for Driving via Forecasting-Based World-Model Pretraining

CRISP：一种通过基于预测的世界模型预训练实现驾驶的时空相机-雷达主干网络

Jingyu Song, Yi Liu, Katherine A. Skinner

机构 * Department of Robotics, University of Michigan（密歇根大学机器人系） 纠错

专题命中 激光雷达 ：BEV(abstract,abstract_cn)；LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；occupancy(abstract)

AI总结 研究通过基于预测的表示学习预训练时空相机-雷达主干网络CRISP，利用历史多视图图像和雷达扫描，通过预测未来激光雷达点云学习统一鸟瞰图表示，介绍相关组件，实验表明其能提升点云预测并有效迁移至下游任务。

Comments 17 pages, under review

Neural LiDAR Bundle Adjustment

神经激光雷达光束平差

Chin Yung Anson Hon, Kaicheng Zhang, Sen Wang

机构 * Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 研究探索RGB NeRFs和LiDAR NeRFs关键设计差异，发现体素采样密度对LiDAR NeRF重要，据此提出Neural LiDAR Bundle Adjustment算法，实验证明其在多视点云配准和3D映射中有出色性能。

Comments 8 pages, 8 figures, 4 tables

PinNet: Keypoint-Aware Learned Local Descriptors with Geometric Embedding for Loop Closure in LiDAR SLAM

PinNet：用于LiDAR SLAM回环检测的具有几何嵌入的关键点感知局部描述符

Yanlong Ma, Nakul S. Joshi, Christa S. Robison, Philip R. Osteen, Brett T. Lopez

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； DEVCOM Army Research Laboratory (ARL)（陆军研究实验室（ARL）） 纠错

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

AI总结 提出PinNet网络，通过关键点生成和平面几何自注意力模块增强描述符判别性，实现基于点云的回环检测与配准，在多个数据集上验证了优越性能。

Open-Weather Robust 3D Detection via Dual-Critic Diffusion Alignment

基于双判别器扩散对齐的开放天气鲁棒3D检测

Shuyao Li, Chuanxing Geng, Heyang Sun, Qiang Zhou, Jingjing Gu

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； MIIT Key Laboratory of Pattern Analysis and Machine Intelligence（工业和信息化部模式分析与机器智能重点实验室） 纠错

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；autonomous driving(abstract)；分类 cs.CV

AI总结 提出双判别器引导扩散对齐（DCDA）框架，通过4D雷达条件扩散过程恢复退化LiDAR特征，无需显式天气建模，在未见天气类型和强度下实现鲁棒3D检测。

Comments 18 pages, 6 figures, 8 tables. ECCV 2026 camera-ready

Real-World Perturbation Testing of Autonomous Driving Systems

自动驾驶系统的真实世界扰动测试

Stefano Carlo Lambertenghi, Matthias Weil, Andrea Stocco

机构 * Technical University of Munich（慕尼黑技术大学） ； fortiss GmbH（fortiss公司） 纠错

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

AI总结 研究自动驾驶系统在多样条件下的可靠性，通过72种相机和激光雷达扰动，在三种测试模式下评估，揭示测试水平差距及实时可行性的关键作用。

Comments In proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE '26)

Learning to Suppress SPAD-based LiDAR Flare

学习抑制基于单光子雪崩二极管（SPAD）的激光雷达耀斑

Xuanya Zhu, Linghao Shen

机构 * Centre for Vision, Speech and Signal Processing, University of Surrey, UK（英国萨里大学视觉、语音和信号处理中心） ； Advanced Technology Center, Sony (China) Ltd., China（索尼（中国）有限公司先进技术中心） 纠错

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

AI总结 针对基于SPAD的激光雷达耀斑问题，将其重构成语义分割问题，提出基于物理信息的激光雷达耀斑分割方法，通过聚合跨回波信息联合编码特征，实验表明该方法显著优于其他模型。

Shifting from Discrete to Continuous Reference Data: QSM-Derived Horizontal Tree Biomass Distribution for Deep Learning Biomass Estimation

从离散参考数据转向连续参考数据：基于定量结构模型(QSM)的水平树木生物量分布用于深度学习生物量估算

Nils Griese, Christoph Kleinn, Nils Nölke

机构 * Department of Forest Inventory and Remote Sensing（森林调查与遥感系） 纠错

专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.CV、cs.AI

AI总结 针对小地块生物量估算的边界效应误差问题，该研究采用QSM生成的连续水平生物量分布训练稀疏3D U-Net，相比传统方法显著提升小地块上的估算精度。

Comments 11 pages, 5 figures

iVISION-2DCD: A Long-Term Change Detection Dataset for Large-Scale Outdoor Construction Monitoring

iVISION-2DCD：用于大规模户外建筑监测的长期变化检测数据集

Dayou Mao, Yuchen Lin, Ashkan Ebadi, John Zelek, Alexander Wong, Yuhao Chen

机构 * National Research Council Canada（加拿大国家研究委员会） ； Vision and Image Processing Research Group, Systems Design Engineering, University of Waterloo（滑铁卢大学系统设计工程系视觉与图像处理研究小组） 纠错

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

AI总结 研究从检测建筑工地变化监测施工进度，针对跨视角变化检测算法缺开源基准数据集问题，用LiDAR点云生成iVISION-2DCD数据集，提出合成数据生成等方法，为相关领域带来新挑战。

Comments 11 pages, 7 figures, 1 table. Accepted for publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026). Project page: https://danielmao2019.github.io/iVISION-2DCD-dataset.github.io/

Real-Time LiDAR Gaussian Splatting SLAM

实时激光雷达高斯点云拼接SLAM

Seungjun Tak, Yewon Jeon, Jaeik Hwang, SukMin Hwang, Seongbo Ha, Hyeonwoo Yu

机构 * Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 提出基于激光雷达的高斯点云拼接SLAM实时框架，将快速G-ICP配准与球形光栅化密集映射紧密结合，利用激光雷达几何信息优化地图，引入几何分数改进效果，在多数据集实验验证其性能。

Comments 18 pages, 5 figures

Double-Helix Active Geometry: LiDAR-Anchored Multi-View Depth with Selective Abstention

双螺旋主动几何：基于激光雷达的选择性弃权多视图深度

Jinwen Wen

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究利用激光雷达等深度传感器，提出轻量级、无需训练的几何后端DH-Active，以激光雷达为度量尺，通过近场返回确定视图相对姿态，对无有效深度返回的样本进行三角测量，在几何条件不佳时弃权，实现高效准确的深度恢复。

Comments 10 pages, 3 figures, 7 tables

Adaptive Entropy-Driven Sensor Selection in a Camera-LiDAR Particle Filter for Single-Vessel Tracking

相机-激光雷达粒子滤波器中用于单船跟踪的自适应熵驱动传感器选择

Andrei Starodubov, Yaqub Aris Prabowo, Andreas Hadjipieris, Ioannis Kyriakides, Roberto Galeazzi

机构 * Cyprus Marine and Maritime Institute（塞浦路斯海洋与航海研究所） ； Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 研究单船跟踪问题，提出含相机-激光雷达融合的粒子滤波器及信息增益自适应传感策略，在实际海事部署中验证，该策略能依信息增益切换模态，实现精度与连续性平衡，提供实用基线。

Comments 10 pages, 5 figures, submitted and accepted FUSION 2026 conference proceedings

TreeLoc++: Robust 6-DoF LiDAR Localization in Forests with a Compact Digital Forest Inventory

TreeLoc++：利用紧凑数字森林清单在森林中进行稳健的6自由度激光雷达定位

Minwoo Jung, Dongjae Lee, Nived Chebrolu, Haedam Oh, Maurice Fallon, Ayoung Kim

机构 * Department of Mechanical Engineering, Seoul National University, Seoul, South Korea（首尔国立大学机械工程系，韩国首尔） ； Department of Computer Science and Engineering, Indian Institute of Technology Bombay, India（印度班加罗尔印度理工学院计算机科学与工程系） ； Oxford Robotics Institute, Department of Engineering Science, University of Oxford, Oxford, UK（牛津大学奥克斯福德机器人研究所，英国牛津） 纠错

专题命中 激光雷达 ：LiDAR(title)；分类 cs.RO

AI总结 研究提出TreeLoc++框架，直接基于数字森林清单定位，以紧凑几何属性编码树干。通过距离直方图等减少误匹配，优化估计姿态，不依赖密集点云数据，实现厘米级精度定位，具长期部署扩展性。

Comments 30 pages, 33 figures and 15 tables

Utonia: Toward One Encoder for All Point Clouds

Utonia：迈向适用于所有点云的单一编码器

Yujia Zhang, Xiaoyang Wu, Yunhan Yang, Xianzhe Fan, Han Li, Yuechen Zhang, Zehao Huang, Naiyan Wang, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Xiaomi（小米） 纠错

专题命中 激光雷达 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 研究旨在训练跨多领域的单自监督点变压器编码器Utonia，其能学习一致表征空间实现跨域转移，统一各领域点云，提升感知能力，还对具身和多模态推理有益，有望成为稀疏3D数据基础模型。

Comments produced by Pointcept, project page: https://pointcept.github.io/Utonia

Journal ref International Conference on Machine Learning 2026

Humanoid Everyday: A Comprehensive Robotic Dataset for Open-World Humanoid Manipulation

Humanoid Everyday：面向开放世界人形机器人操作的综合机器人数据集

Zhenyu Zhao, Hongyi Jing, Xiawei Liu, Jiageng Mao, Abha Jha, Hanwen Yang, Rong Xue, Sergey Zakharov, Vitor Guizilini, Yue Wang

机构 * University of Southern California（南加州大学） ； Toyota Research Institute（丰田研究院） 纠错

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

AI总结 提出Humanoid Everyday数据集，包含10.3k轨迹、260个任务的多模态数据，用于人形机器人灵巧操作、人机交互和移动操作研究，并配套云评估平台。

Industrial3D: A Water-Treatment TLS Point Cloud Dataset and Cross-Paradigm Benchmark for MEP Scene Understanding

Industrial3D: 一个用于工业基础设施的地面激光雷达点云数据集和跨范式基准

Chao Yin, Hongzhe Yue, Qing Han, Difeng Hu, Zhenyu Liang, Fangzhou Lin, Bing Sun, Boyu Wang, Mingkai Li, Wei Yao, Jack C. P. Cheng

机构 * Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology（香港科技大学土木与环境工程系） ； Guangzhou Institute of Geography, Guangdong Academy of Sciences（广东省科学院广州地理研究所） ； School of Civil Engineering, Southeast University（东南大学土木工程学院） ； College of Geography and Tourism, Hengyang Normal University（衡阳师范学院地理与旅游学院） ； Department of Architecture and Civil Engineering, City University of Hong Kong（香港城市大学建筑与土木工程系） ； S.M.A.R.T. Construction Research Group, New York University Abu Dhabi（纽约大学阿布扎比分校S.M.A.R.T.建筑研究组） ； Department of the Built Environment, National University of Singapore（新加坡国立大学建筑环境系） ； Spatial Intelligence and Urban Computing, Institute of Urban Environment, Chinese Academy of Sciences（中国科学院城市环境研究所空间智能与城市计算） ； State Key Lab of Ecological Security of Regions and Cities, Institute of Urban Environment, Chinese Academy of Sciences（中国科学院城市环境研究所区域与城市生态安全国家重点实验室） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出Industrial3D数据集，包含6.12亿个高精度标注点云，用于解决工业设施中密集点云的语义理解难题，并建立首个跨范式基准，揭示了工业TLS数据中统计稀有性和几何模糊性带来的领域迁移挑战。

Comments 52 pages, 8 figure, 14 tables

Journal ref 2026, under review

The P$^3$ Dataset: Pixels, Points and Polygons for Multimodal Building Vectorization

P$^3$数据集：用于多模态建筑物矢量化的像素、点和多边形

Raphael Sulzer, Liuyun Duan, Nicolas Girard, Florent Lafarge

机构 * Université Côte d’Azur, INRIA（法国里沃利大学、INRIA） ； LuxCarta Technology（LuxCarta技术公司） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 介绍用于建筑物矢量化的多模态P$^3$数据集，由多源数据构建，含大量高精度激光雷达点等。证明激光雷达点云可用于预测建筑物多边形，融合激光雷达和图像能提高预测精度与几何质量，数据集公开。

Near-real-time, meter-scale 3D urban wind modeling for low-altitude micrometeorology: numerical verification of a GPU-accelerated lattice Boltzmann framework

用于低海拔微气象学的近实时米级三维城市风建模：GPU加速格子玻尔兹曼框架的数值验证

Shuai Han, Huanxia Wei, Yue Cao, Dalin Liu, Lin Wen, Chao Xia, Shuolin Xiao, Yingying Xing, Qing Jia, Wenguang Liang, Zhigang Yang

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 针对复杂城市气象环境中的低空飞行事件，该研究结合稀疏观测与微尺度流建模，构建了近实时米级三维城市风模拟框架，经多方面测试验证其稳定性和准确性，为近实时城市风重建提供途径。

Coupling loss and transmission in a multimode fiber-fed Virtually Imaged Phased Array (VIPA)

多模光纤馈送的虚拟成像相控阵（VIPA）中的耦合损耗与传输

Matthew C. H. Leung, Andrew Szentgyorgyi, Colby Jurgenson, David Charbonneau

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 研究多模光纤馈送VIPA的相关问题，推导无扩展量耦合损耗时所需最小倾斜角的闭式表达式，得出其与相关参数的关系，还推导了可耦合进VIPA的2D和3D扩展量等，为高吞吐量光学系统设计提供指导。

Edge-Assisted Multimodal UAV Localization with Resource-Efficient Compression and Robust Fusion

基于资源高效压缩和鲁棒融合的边缘辅助多模态无人机定位

Zhong Ye, Yinghui He, Guanding Yu, Pavel Loskot

专题命中 多传感器融合 ：LiDAR(summary_cn,abstract)

AI总结 设计多模态无人机定位框架，利用相机、LiDAR和雷达传感模态。通过信息瓶颈压缩等模块应对传感节点资源有限、数据差异大及模态数据退化缺失等挑战，实验表明该框架能准确可靠定位无人机。