自动驾驶

Numerical Investigation of a 3D End-Firing Antenna Array Based on Two-Photon Polymerization on Thin-Film Lithium Niobate for Optical Beam Steering

基于双光子聚合在薄膜铌酸锂上的三维端射天线阵列用于光束转向的数值研究

David Trop, Boris Desiatov

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 研究基于双光子聚合在薄膜铌酸锂上设计三维端射天线阵列用于光束转向，解决传统OPA设计权衡问题。通过提升聚合物天线实现二维光束转向并保持宽带优势，模拟展示高效传输及特定视场与波束宽度，为3D光子相控阵奠定基础。

Neural Surface and Reflectance Modelling from 3D Radar Data

从3D雷达数据进行神经表面和反射率建模

Judith Treffler, Vladimír Kubelka, Henrik Andreasson, Martin Magnusson

机构 * Örebro University（厄勒布鲁大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO

AI总结 提出一种神经隐式方法，从雷达点云联合建模场景几何和视角相关雷达强度，利用混合特征编码学习连续SDF，生成更平滑准确的3D表面重建。

Comments Accepted for publication at the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026

RayOcc: Occlusion-Aware Ray Occupancy Estimation via Gaussian Mixture Intensity

RayOcc：通过高斯混合强度进行遮挡感知光线占有率估计

Junho Kim, Seongwon Lee

机构 * School of Electrical Engineering, Kookmin University（韩国建国大学电气工程学院） 纠错

专题命中 仿真评测 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究针对仅相机的3D语义占有率预测中因深度模糊和遮挡带来的挑战，提出RayOcc框架。该框架将光线建模为多标签存在预测，通过估计高斯混合强度及转换为占有率概率，初始化高斯基元进行语义占有率预测，在nuScenes基准测试中取得最优成绩。

Comments Accepted to IROS 2026

What Do They See? Interpreting Complex Road Scenarios Through the Eyes of Vision-Language-Action Models for Safe and Trustworthy Autonomous Vehicle Learning

他们看到了什么？通过视觉-语言-动作模型的视角解读复杂道路场景以实现安全可靠的自动驾驶学习

Kalpana Panda, Wesley Maia, Vinti Agarwal, Ross Greer

机构 * Birla Institute of Technology and Science, Pilani（贝拉理工科学学院皮拉尼分校） ； University of California, Merced（加州大学默塞德分校） 纠错

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

AI总结 研究自动驾驶模型内部逻辑不透明问题，提出反事实消融框架CVAA，通过移除摄像头图像中物体创建反事实集评估模型响应差异，应用于阿尔帕马约1轨迹预测器，分析物体因果影响，还通过可解释性技术深入理解模型，创建可解释驾驶系统巩固人机信任。

DSBench: A Comprehensive Benchmark for Evaluating External and In-Cabin Risks

DSBench：用于评估外部和车内风险的综合基准测试

Xianhui Meng, Yuchen Zhang, Zhijian Huang, Zheng Lu, Ziling Ji, Yandan Lin, Yaoyao Yin, Hongyuan Zhang, Wei Zhou, Guangfeng Jiang, Li Zhang, Long Chen, Hangjun Ye, Jun Liu, Xiaoshuai Hao

机构 * University of Science and Technology of China（中国科学技术大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Xiaomi EV（小米电动车） ； Fudan University（复旦大学） ； Xidian University（西安电子科技大学） ； South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO、cs.AI

AI总结 针对视觉语言模型在安全关键场景适用性未充分探索的问题，引入DSBench综合基准测试，涵盖外部与车内风险，分多类别。评估发现模型在复杂情况下降，构建数据集微调可提升性能，推动自动驾驶技术发展，相关资源将公开。

Hybrid Machine Learning for Articulation Angle Estimation of Truck-Semitrailer Combinations

用于卡车-半挂车组合铰接角估计的混合机器学习

Qixuan Zhang, Jonas Boettcher, Simon F. G. Ehlers, Marvin Stuede

机构 * ZF CV Systems Hannover GmbH（采埃孚商用车系统汉诺威有限公司） ； Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 研究针对卡车-半挂车组合铰接角估计问题，提出基于学习的模型并集成于EKF框架，应用自适应加权方案，通过大量实际实验验证，该混合方法能准确可靠估计铰接角，降低实施要求，具有实际部署优势。

Comments Accepted for publication at 2026 International Conference on Intelligent Transportation Systems (ITSC)

From Modalities to Propositions: A Language-Centric Framework for Multimodal Intelligence

从模态到命题：多模态智能的语言中心框架

Nadine Chang, Maying Shen, Shizhe Diao, Jialiang Wang, Jingde Chen, Thomas Breuel, Pavlo Molchanov, Rafid Mahmood, Jose M. Alvarez

机构 * NVIDIA（英伟达） ； University of Ottawa（渥太华大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 该研究提出多模态数据语言表示框架，将观察结果表示为原子命题，通过全局语义码本统一为共享词汇表，置于可解释空间，实现跨模态理解等，还在自动驾驶等数据上进行了展示。