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。
自动驾驶中鸟瞰视角分割的变分推理
机构 * School of Electronic and Information Engineering, Beijing Jiaotong University（北京交通大学电子信息工程学院） ； School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）
专题命中 感知 ：BEV(summary_cn,abstract)；autonomous driving(title,abstract)；分类 cs.CV
AI总结 针对自动驾驶中鸟瞰视角分割难题，提出基于变压器的变分流变换网络TVB，通过后验BEV监督学习映射，结合条件变分自编码器、归一化流及注意力融合模块，在多摄像头视图BEV分割等方面性能优越。
Comments 13 pages, 9 figures
WorkDrive：自动驾驶的道路施工因果链
机构 * Peking University（北京大学） ； Xiaomi EV（小米电动汽车）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 针对自动驾驶视觉语言模型在道路施工区域的难题，提出WorkDrive框架，通过自动化多任务感知管道提取场景事实，经监督微调与强化学习，在ROADWork数据集上降低轨迹平均位移误差，实现渐进改进。
3DPipe：一种用于可扩展多面体对象通用空间连接的流水线GPU框架
专题命中 感知 ：LiDAR(abstract,abstract_cn)
AI总结 本文提出3DPipe，一种利用GPU并行性处理多面体对象空间连接的流水线框架，通过多级剪枝策略和分块流式处理提升效率，实验显示其比现有最佳GPU方案TDBase快9倍。
用于高速赛车的带里程计的3D车道检测
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV、eess.IV
AI总结 研究高速赛车场景下的3D车道检测问题，通过新数据集比较多种方法，提出改进措施，利用多摄像头集成及里程计等提升性能，相比其他方法提高了F1分数并降低误差，在车辆部署中取得良好指标。
Comments 14 pages, IROS paper, includes extended abstract
RoGS：用于大规模路面映射的自适应网格高斯方法
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong university（上海交通大学自动化与智能感知学院） ； State Key Laboratory of Avionics Integration and Aviation System-of-Systems Synthesis（航空电子集成与航空系统-of-系统综合国家重点实验室） ； Shanghai Key Laboratory of Navigation and Location Based Services（上海基于位置服务重点实验室）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV
AI总结 针对大规模路面映射中传统方法的局限，提出ROADGS-T框架，基于自适应网格高斯表示，通过放置二维高斯面片建模路面，减少冗余，并引入自适应网格和姿态稳健细化策略，提升表示效率和结构保真度。
基于VideoGAN的自动车辆轨迹提案
机构 * Technical University of Berlin（柏林技术大学） ； Heinrich-Heine-University（海因里希-海涅大学）
专题命中 规划控制 ：BEV(abstract)；occupancy(abstract)；分类 cs.CV
AI总结 本文提出基于VideoGAN的自动车辆轨迹生成方法，利用BEV视频训练生成对抗网络，以提高轨迹生成的准确性和现实感。
TerraTransfer: 无需专家示范的端到端驾驶策略学习
机构 * Applied Intuition ； UCLA（加州大学洛杉矶分校） ； UC Berkeley（加州大学伯克利分校）
专题命中 端到端驾驶 ：end-to-end driving(title)；autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI
AI总结 提出一种无需专家示范的端到端驾驶方法，通过向量化模拟器中的自博弈预训练策略，再与预训练视觉骨干对齐，降低了数据成本并达到或超越现有方法。
补贴哪项绿色技术？来自韩国电动汽车的证据
专题命中 BEV与占用 ：BEV(summary_cn,abstract)
AI总结 研究构建框架比较补贴替代减排技术有效性，应用于韩国乘用车市场，发现将补贴从BEV重分配给HEV可额外减排47%，在特定条件下BEV补贴才更优，表明当前HEV补贴更有效。
OGM-CBF：基于占用网格地图的控制屏障函数用于具有视 out of View 障碍物记忆的移动机器人安全控制
机构 * Faculty of Engineering and Natural Sciences, Tampere University（坦佩雷大学工程与自然科学学院）
专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO
AI总结 本文提出OGM-CBF方法，结合占用网格地图与控制屏障函数，解决移动机器人在未知环境中对已离开视野的障碍物记忆问题，提升安全性。
Comments Submitted to IROS 2026
通过占用地图估计中退化局部保证下的融合实现有限样本共形覆盖恢复
专题命中 BEV与占用 ：occupancy(title,abstract)
AI总结 研究针对多机器人环境映射中高斯过程占用映射缺乏有限样本预测保证、共形预测局部保证退化的问题，开发分布式融合算法，通过机器人交换e值及接收器融合，实现恢复目标覆盖水平，提升地图效率。
上下文自适应扩展链编码用于语义地图压缩
专题命中 BEV与占用 ：occupancy(abstract)；分类 eess.IV
AI总结 本文提出一种基于链编码的语义地图无损压缩方法，通过扩展链码和上下文自适应熵编码实现高效压缩，实验表明在比特率和运行时间上均有显著提升。
Comments 12 pages, 11 figures
循环有限域傅里叶谱：伽罗华降维、本原子域和残差编码
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文提出了一种伽罗华降维方法来研究任意有限基域上的有限域傅里叶谱。通过研究向量的傅里叶变换谱，证明了伽罗华降维定理，刻画了一维谱作为本原类索引的子域乘积，并展示了轨道种子表示在基域坐标中的最优性。对于任意向量，研究了两阶段表示g=f+h，其中f是类一致的，h是残差，并给出了精确支持最小化、符号重量生成函数、恢复保证、全局覆盖半径公式、随机残差尾界和熵型下界。还讨论了迹分解、正交基、规范子域嵌入和稀疏多项式残差后端的实现影响。
Comments 13 pages. Substantially revised and refocused version: new title, new structural normal form, exact distance and coset-leader distributions, list-size formulas, covering and deep-hole results, and new probabilistic asymptotics. The exposition and bibliography have been reorganized
间隙原子在平衡晶体界面间转移的速率方程
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 研究间隙原子在平衡晶体界面间热激活转移，基于统计力学和恒定跃迁概率得出速率定律，该定律满足细致平衡原理，能解释金属氢化物在相变或临界点附近充电减缓的实验现象。
Comments Preprint of manuscript published as Phys. Rev. Lett. 136, 066201 (2026). This version 2 in arXiv includes correction as detailed in Erratum submitted June 22, 2026 to Phys. Rev. Lett.. Corrects inverted sign of time-constant in Eq (20); note added line in Eq A3. Conclusions maintained. Version v3 remedies a Tex problem in v2
Journal ref Original article: Phys. Rev. Lett. 136, 066201 (2026); Erratum: Phys. Rev. Lett. (2026)
利用激光雷达和相机输入模拟汽车雷达
机构 * Institute of Robotics and Automatic Information System, Nankai University（机器人与自动信息系统研究所，南开大学） ； Tianjin Key Laboratory of Intelligent Robotics（天津智能机器人重点实验室） ； TBI center, Nankai University（南开大学TBI中心） ； Department of Robotics, Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI)（人工智能 Mohamed Bin Zayed 大学机器人系）
专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.CV
AI总结 研究利用相机图像、激光雷达点云和自身速度模拟汽车雷达信号的方法，基于DIS-Net和RSS-Net两个神经网络，经实验验证能生成高保真信号，用其增强数据训练的目标检测网络性能更优，助力基于雷达的自动驾驶研发。
Comments Accepted by 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
学习四足机器人在拥挤环境中的敏捷导航
机构 * Shanghai Jiao Tong University（上海交通大学） ； Midea Group（美的集团）
专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.RO
AI总结 针对四足机器人在拥挤环境中导航难题，提出结合VO几何安全与端到端学习敏捷性的VOP-Nav系统，利用LiDAR数据隐式编码约束并预测安全速度区，VO预测兼具推理输入与训练奖励双重作用，实验验证其高效性与稳健性。
基于整流流的激光雷达上采样实现图像到点云配准简化
机构 * Department of Computer Science and Engineering, Toyohashi University of Technology（丰桥技术科学大学计算机科学与工程系） ； National Institute of Advanced Industrial Science and Technology（国立先进工业科学技术研究所）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV
AI总结 研究图像到点云配准难题，提出将激光雷达视为成像传感器的方法，通过条件整流流、特征匹配等步骤估计位姿，经自监督预训练和少量数据微调，实现高精度快速配准，性能优于现有方法。
用于激光雷达点云分类的动态系统自动编码器中深度相关的隐藏状态坍缩
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.CV
AI总结 研究用DSAE对激光雷达点云分类，通过实验比较不同编码器深度下的表现，发现深度为\(K = 5\)时存在隐藏状态坍缩，乘积系数不能改善坍缩前指标及防止坍缩，确定大深度表示坍缩是DSAE激光雷达分类的失败模式。
Comments 6 pages, 2 figures, 1 table. Submitted to the 2026 IEEE High Performance Extreme Computing Conference (HPEC 2026)
利用激光雷达衍生地形智能的卫星地面站选址可解释地理空间人工智能
机构 * U.S. Geological Survey（美国地质调查局）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.AI
AI总结 研究利用激光雷达衍生地形智能预测卫星地面站选址的代表性杂波高度，提出可解释机器学习框架，用多种数据训练，选LightGBM，模型误差降低超60%，评估相关标准，SHAP识别关键预测因子，证明开放数据可改善杂波建模。
Comments Accepted at the 2026 IEEE 22nd International Conference on Automation Science and Engineering (IEEE CASE 2026)
通过瑞利散射激光雷达系统中的光束展宽检测晴空湍流
专题命中 激光雷达 ：LiDAR(title,abstract)
AI总结 研究提出利用瑞利散射激光雷达，通过差分探测器测量光束展宽估计涡耗散率来探测晴空湍流的方法，实验验证了相关模型有效性，该方法可使受限系统探测范围超30公里，提升了航空安全保障能力。
MapAnything: 评估单目度量深度模型用于3D城市资产定位
机构 * ScaDS.AI (University of Leipzig)（ScaDS.AI（莱比锡大学）） ； University of Leipzig（莱比锡大学） ； Kühne Logistics University（库赫内物流大学） ； Wrocław University of Economics（沃拉夫经济大学）
专题命中 激光雷达 ：LiDAR(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出MapAnything框架，通过单目图像自动映射城市物体和事件，利用度量深度估计模型计算物体坐标，验证其在复杂城市环境中的精度，展示其在交通标志和道路损坏等实际应用中的有效性。
Chat2Scenic：一种基于迭代检索增强生成的自动驾驶场景生成框架
机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） ； University College London（伦敦大学学院）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI
AI总结 研究自动驾驶场景生成难题，提出Chat2Scenic这一基于迭代检索增强生成的框架，通过聊天机器人界面及RAG技术生成DSL场景脚本，构建开放基准，评估结果显示其性能优于现有方法。
Comments Accepted at 2026 IEEE International Conference on Intelligent Robots and Systems (IROS)
即时NuRec：用于驾驶场景模拟的前馈3D高斯重建
机构 * NVIDIA
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 针对自动驾驶3D模拟平台中神经模拟方法存在的速度慢和需逐场景调整问题，提出即时NuRec这一前馈神经重建模型，可快速将多视图驾驶日志转为3DGS世界，在数据集上PSNR表现出色，还能用于闭环模拟。
Comments Project Page: https://research.nvidia.com/labs/sil/projects/instant-nurec/
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