自动驾驶

Variational Inference for Bird's Eye View Segmentation in Autonomous Driving

自动驾驶中鸟瞰视角分割的变分推理

Jingyue Shi, Huaicheng Li, Junhui Zhao, Yanxiang Jiang

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） 纠错

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: Roadwork Chain of Causation for Autonomous Driving

WorkDrive：自动驾驶的道路施工因果链

Tianyi Jiang, Wen Zhang, Sihan Yang, Ming Lu, Wentao Zhang

机构 * Peking University（北京大学） ； Xiaomi EV（小米电动汽车） 纠错

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。

3D Lane Detection with Odometry for High-Speed Vehicle Racing

用于高速赛车的带里程计的3D车道检测

Omoruyi Atekha, John Subosits, Marcus Greiff

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: Adaptive Meshgrid Gaussian for Large-Scale Road Surface Mapping

RoGS：用于大规模路面映射的自适应网格高斯方法

Tianchen Deng, Zhiheng Feng, Wenhua Wu, Ziming Li, Siting Zhu, Hesheng Wang

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） 纠错

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。

Which Green Technology to Subsidize? Evidence from Electric Vehicles in South Korea

补贴哪项绿色技术？来自韩国电动汽车的证据

Youngjin Hong, In Kyung Kim, Frank Verboven

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。

Finite-Sample Conformal Coverage Recovery via Fusion under Degraded Local Guarantees in Occupancy Map Estimation

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

Ritvik Mahajan, Aneesh Raghavan, Karl Henrik Johansson

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。

Learning Agile Navigation in Crowded Environments for Quadruped Robots

学习四足机器人在拥挤环境中的敏捷导航

Shuyu Wu, Zeyu Liu, Tianbao Zhang, Fanxing Li, Fangyu Sun, Mingkang Xiong, Wei Xi, Wenxian Yu, Danping Zou

机构 * Shanghai Jiao Tong University（上海交通大学） ； Midea Group（美的集团） 纠错

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。

Image-to-Point Cloud Registration Made Easy with Rectified Flow-based LiDAR Upsampling

基于整流流的激光雷达上采样实现图像到点云配准简化

Reon Tabata, Kenji Koide, Shuji Oishi, Masashi Yokozuka, Taku Okawara, Aoki Takanose, Jun Miura

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） 纠错

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。

Depth-Dependent Hidden-State Collapse in Dynamical System Autoencoders for LiDAR Point-Cloud Classification

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

Patricia Medina, Hy P. G. Lam

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)

Explainable Geospatial AI for Satellite Ground Station Siting Using LiDAR-Derived Terrain Intelligence

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

Shohini Sarkar, Smithi Mahendran, Rishi Chudasama, Varun Mannam, Arav Luthra, Yuvraj Rekhi, Vivek Nadig, Arsh Goenka

机构 * U.S. Geological Survey（美国地质调查局） 纠错

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)

Detecting clear-air turbulence via beam broadening in a Rayleigh-scattering lidar system

通过瑞利散射激光雷达系统中的光束展宽检测晴空湍流

Christopher Miller, Daniel Lum, Brandon Rodenburg, Michael Stenner, Anthony DiCarlo, Bradford Snios, Paul D. Williams

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。

Chat2Scenic: An Iterative RAG-Based Framework for Scenario Generation in Autonomous Driving

Chat2Scenic：一种基于迭代检索增强生成的自动驾驶场景生成框架

Yuan Gao, Wenting Miao, Mattia Piccinini, Haoyu Wang, Qunying Song, Johannes Betz

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） 纠错

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)

Instant NuRec: Feed-Forward 3D Gaussian Reconstruction for Driving Scene Simulation

即时NuRec：用于驾驶场景模拟的前馈3D高斯重建

NVIDIA, :, Jiahui Huang, Jiawei Ren, Michal Tyszkiewicz, Bjoern Haefner, Michael Shelley, Xin Kang, Seung Wook Kim, Ning Xu, Qi Wu, Janick Martinez Esturo, Shengyu Huang, Nick Schneider, Laura Leal-Taixe, Zan Gojcic, Sanja Fidler

机构 * NVIDIA 纠错

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/