自动驾驶

BeyondSight: Object Permanence for End-to-End Autonomous Driving

超越视野：端到端自动驾驶中的物体持久性

Sandro Papais, Letian Wang, Mudit Jain, Behnaz Rezaei, Steven L. Waslander

机构 * University of Toronto（多伦多大学） ； Qualcomm Technologies, Inc.（高通技术公司） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；end-to-end driving(abstract)；分类 cs.RO

AI总结 研究针对自动驾驶中物体易被遮挡问题，提出超越视野框架，通过维持持久物体假设解耦物体存在与可观测性，引入nuScenes - Permanence用于训练评估，实验证明该框架显著提升遮挡推理能力，凸显物体持久性对自动驾驶的重要性。

Comments Accepted to ECCV 2026

Zero-shot 3D General Obstacle Detection via Multimodal Foundation Models and Geometry

通过多模态基础模型和几何进行零样本3D通用障碍物检测

Tamás Matuszka, Péter Hajas, Dávid Szeghy

机构 * aiMotive 纠错

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

AI总结 针对自动驾驶中通用障碍物检测难题，提出结合多模态基础模型与几何推理的免训练零样本方法，能精准定位达100米，借基础模型先验提升召回率，还可实现可扩展自动标注。

Comments Accepted to CVPR 2026 AUTOPILOT Workshop

Hydra++: Real-Time Hierarchical 3D Scene Graph Construction With Object-Level Shape Estimation

Hydra++：通过对象级形状估计进行实时分层3D场景图构建

Hyungtae Lim, Nathan Hughes, Xihang Yu, Ruihan Xu, Yun Chang, Jingnan Shi, Rajat Talak, Luca Carlone

机构 * Laboratory for Information & Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） 纠错

专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO、cs.CV

AI总结 研究如何将基于学习的对象形状估计器集成到分层3D场景图管道中，提出Hydra++系统。它结合形状估计和一致性检查，默认配置可在线构建场景图，支持混合配置应对室外挑战，实验证明其提高了对象和场景级重建质量。

Comments 8 pages, 12 figures, accepted in Proc. IEEE/RSJ IROS

Pillar-Voxel Fusion Network for 3D Object Detection in Airborne Hyperspectral Point Clouds

用于空中超光谱点云中3D目标检测的柱体-体素融合网络

Yanze Jiang, Yanfeng Gu, Xian Li

机构 * School of Electronics and Information Engineering, Harbin Institute of Technology（电子与信息工程学院，哈尔滨工业大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出PiV-AHPC网络，通过柱体-体素双分支编码器和多级特征融合机制，有效解决空中超光谱点云中3D目标检测的几何-光谱失真问题，实现高精度检测与泛化能力。

Journal ref Sci China Inf Sci, 2026, 69(1): 112301

Shortcut Trajectory Planning for Efficient Offline Reinforcement Learning

用于高效离线强化学习的捷径轨迹规划

Guanquan Wang, Yoshimasa Tsuruoka

机构 * The University of Tokyo（东京大学） 纠错

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

AI总结 研究针对离线强化学习中轨迹规划器的问题，提出捷径轨迹规划（STP）框架，将捷径模型作为轨迹生成器，单阶段训练条件捷径轨迹模型，支持可调推理，用增强可行性感知校正的评论家选候选计划，在多任务基准测试中性能强且简化训练管道。

Comments 16 pages, 3 figures

Multimodal Scenario Similarity Search for Autonomous Driving

用于自动驾驶的多模态场景相似性搜索

Tamás Matuszka, András Tamásy, Balázs Szolár

机构 * aiMotive（爱莫提夫） 纠错

专题命中 规划控制 ：autonomous driving(title)；分类 cs.CV

AI总结 研究自动驾驶场景相似性搜索，提出多模态框架结合视觉与轨迹表示，对比两种基于轨迹的方法与视觉基线，实验表明轨迹表示在运动事件中性能强，视觉嵌入在外观线索丰富时出色，结合二者可提升检索质量。

OpenLongTail: Generative Scaling of Long-Tail Driving Data

OpenLongTail：长尾驾驶数据的生成式扩展

Lulin Liu, Nuo Chen, Yan Wang, Bangya Liu, Wenyan Cong, Hezhen Hu, Boris Ivanovic, Hao Wang, Ziyao Zeng, Xinyu Gong, Yang Zhou, Zixiang Xiong, Dilin Wang, Zhangyang Wang, Weisong Shi, Ruohan Zhang, Marco Pavone, Zhiwen Fan

机构 * Texas A&M University（德克萨斯农工大学） ； NVIDIA（英伟达） ； UW–Madison（威斯康星大学麦迪逊分校） ； UT Austin（德克萨斯大学奥斯汀分校） ； Yale University（耶鲁大学） ； Adobe（奥多比公司） ； Meta ； University of Delaware（特拉华大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 研究针对长尾驾驶数据稀缺影响策略扩展的问题，提出开源生成数据引擎OpenLongTail，通过姿态外推视图合成管道及普吕克射线几何增强，合成异构数据提升闭环驾驶稳健性，验证了其多方面有效性。

Comments Project page: https://openlongtail.github.io/

Can the Cloud Drive? Infrastructure Feasibility of Offloading Autonomous Driving Across 5G and 6G

云能驱动自动驾驶吗？跨5G和6G卸载自动驾驶的基础设施可行性

Pouya Parsa, Kawon Han, Seongjin Choi

专题命中 端到端驾驶 ：autonomous driving(title)

AI总结 探讨云能否驱动自动驾驶，通过耦合通信限制、GPU服务模型等构建分析框架，应用于纽约市，研究发现通信、计算、成本依次起约束作用，延迟决定模型可行性，成本决定是否经济。

Comments 25 pages, 10 figures

DriveMA: Driving Vision-Language-Action Models with verifiable Meta-Actions

DriveMA：基于可验证元动作的驾驶视觉-语言-动作模型

Weicheng Zheng, Yixin Huang, Qiao Sun, Derun Li, Hang Zhao

机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； Tsinghua University（清华大学） ； Tongji University（同济大学） 纠错

专题命中 端到端驾驶 ：trajectory planning(abstract)；分类 cs.CV

AI总结 提出DriveMA框架，通过可验证元动作弥合语言与动作的差距，结合动作中心监督训练和强化学习实现端到端驾驶规划，在Waymo Open Dataset上取得最优性能。

Comments arXiv admin note: text overlap with arXiv:2605.21273

A nonstandard statistics for strongly correlated systems: Two simple examples

强关联系统的一种非标准统计：两个简单例子

Józef Spałek, Piotr Kuterba, Mateusz Wójcik, Danuta Goc-Jagło, Maciej Fidrysiak, Leszek Spałek, Włodzimierz Wójcik

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 探讨强关联费米子统计的两种情况，即非费米液体和统计自旋液体，计算其系统熵与统计分布函数，分析特定填充和温度下情况，特别关注半填充能带时与正常费米液体的差异。

Journal ref Acta Phys. Pol. B 57, 5-A16 (2026)

The Statistical physics of unsaturated soil water: kinetic theory and non commutative pore water dynamics

非饱和土壤水的统计物理学：动力学理论与非对易孔隙水动力学

Riccardo Rigon

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究构建非饱和土壤水统计力学理论，通过多尺度方法得出孔隙占有率连续场方程，引入孔隙分辨达姆科勒数统一现象学，简化得到理查兹方程等，揭示滞后和优先流特性，输入基于孔隙网络几何属性，无需宏观数据校准。

Comments Main paper plus supplemental material

Comparison of Silvaco and Synopsys TCAD Predictions Including the Perugia Radiation Damage Model in Silicon Pixel Detectors for the HL-LHC

硅像素探测器中Silvaco与Synopsys TCAD预测的比较，包含Perugia辐射损伤模型

M. Bomben, T. Croci, K. Aouadj, A. Fondacci, F. Moscatelli, A. Morozzi, D. Passeri

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究比较了Silvaco和Synopsys TCAD在包含Perugia辐射损伤模型下的预测，评估辐射对硅像素探测器中电荷收集性能、漏电流和击穿电压的影响，以优化运行条件和跟踪算法的鲁棒性。

Comments 8 pages, 7 figures, prepared for the proceedings of 21st Workshop on Advanced Silicon Radiation Detectors 17-19 February 2026 Perugia, Italy

LPRnet: A self-supervised registration network for LiDAR and photogrammetric point clouds

LPRnet：一种用于激光雷达和摄影测量点云的自监督注册网络

Chen Wang, Yanfeng Gu, Xian Li

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

AI总结 LPRnet通过自监督学习和多尺度训练策略，有效整合异构激光雷达与摄影测量点云，提升注册精度与鲁棒性。

Comments 12 pages, 9 figures, 5 tables

Journal ref IEEE Trans. Geosci. Remote Sens. 63 (2025) 1-12

Single-Frame Point-Pixel Registration via Supervised Cross-Modal Feature Matching

基于监督跨模态特征匹配的单帧点像素配准

Yu Han, Zhiwei Huang, Yanting Zhang, Fangjun Ding, Shen Cai, Xiaoyu Tang, Yanchao Dong, Rui Fan

机构 * School of Information and Intelligent Science, Donghua University（信息与智能科学学院，东华大学） 纠错

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

AI总结 研究激光雷达点云和相机图像的点像素配准难题，提出基于投影的无检测器框架及重复性评分机制，通过实验证明该方法在单帧激光雷达下能达先进性能，优于现有方法。

Toward quantum scaling advantage in approximate optimization

迈向近似优化中的量子缩放优势

J. Pawłowski, P. Tarasiuk, J. Tuziemski, Ł. Pawela, B. Gardas

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 研究在近似优化中量子缩放优势，用模拟分岔机（SBM）重新审视相关发现，其源于量子动力学，与量子退火有共同特征，获得可比或更优缩放，明确当前量子退火器优势不明显及未来量子设备可实现优势的问题类。

Journal ref Phys. Rev. Applied 26, 014024 (2026)