自动驾驶

FedS2R: One-Shot Federated Domain Generalization for Synthetic-to-Real Semantic Segmentation in Autonomous Driving

FedS2R: 面向自动驾驶中合成到真实语义分割的一次性联邦域泛化

Tao Lian, Jose L. Gómez, Antonio M. López

机构 * Computer Vision Center (CVC) Univ. Autònoma de Barcelona (UAB) Barcelona, Spain（计算机视觉中心（CVC）巴塞罗那自治大学（UAB）巴塞罗那，西班牙） 纠错

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV、cs.AI

AI总结 提出FedS2R框架，通过不一致性驱动的数据增强和多客户端知识蒸馏，实现自动驾驶中合成到真实语义分割的一次性联邦域泛化，在五个真实数据集上性能接近集中式训练。

Comments Accepted by IEEE Intelligent Vehicles Symposium (IV) 2026

A VAE-Driven Multi-Task Satellite-Aided Semantic Communication Framework for 6G-Enabled Connected Autonomous Vehicles

用于支持6G的联网自动驾驶车辆的基于VAE的多任务卫星辅助语义通信框架

S. M. Abtahiul Alam, Niloy Das, Apurba Adhikary, Yu Qiao, Zhu Han, Choong Seon Hong

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对智能交通系统中联网自动驾驶车辆的通信需求，提出基于VAE的多任务卫星辅助语义通信框架，利用概率潜在表示编码，经噪声信道传输特征进行交通标志重建与分类，能显著降低带宽并保持性能稳定。

CR-Solver: GPU-Accelerated Kinematics Solver for Tendon-driven Continuum Robots

CR-Solver：用于腱驱动连续体机器人的GPU加速运动学求解器

Heqing Yang, Yang Yi, Linqing Zhong, Linjiang Huang, Si Liu

机构 * Beihang University（北京航空航天大学） 纠错

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

AI总结 针对连续体机器人运动规划问题，提出CR-Solver求解器，它基于优化框架统一逆运动学等，利用GPU加速并行优化，在三项任务验证中比传统CPU求解器显著加速，成功率超95%精度达毫米级，且用纯Python实现，为高性能运动规划提供基础。

Comments IROS 2026

Assembly bias from nuisance to probe I: the relation between galactic conformity and the linear matter clustering

从干扰到探测的聚集偏差I：星系一致性与线性物质聚集之间的关系

Nelson Padilla, Ivan Lacerna, Dante Paz

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究星系聚集偏差，通过将淬火邻域统计写成关联函数形式，测试其尺度依赖性，分离晕质量偏差和聚集偏差贡献，发现聚集偏差决定双晕星系一致性幅度，统计结构抑制非线性残差。

Comments Letter to the Editor -- Accepted for publication in A&A

WHU-PCPR: A cross-platform heterogeneous point cloud dataset for place recognition in complex urban scenes

WHU-PCPR：用于复杂城市场景中地点识别的跨平台异构点云数据集

Xianghong Zou, Jianping Li, Yandi Yang, Weitong Wu, Yuan Wang, Qiegen Liu, Zhen Dong

机构 * School of Advanced Manufacturing, Nanchang University（南昌大学先进制造学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Department of Geomatics Engineering, University of Calgary（卡尔加里大学测绘工程系） ； School of Earth Sciences and Engineering, Hohai University（河海大学地球科学与工程学院） ； School of Geography and Environment, Jiangxi Normal University（江西师范大学地理与环境学院） ； School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） ； Hubei Luojia Laboratory（湖北省珞珈实验室） 纠错

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

AI总结 针对现有PCPR数据集在场景、平台和传感器方面缺乏多样性的问题，建立跨平台异构点云数据集WHU-PCPR，其具备独特特征。基于此对几种PCPR方法评估分析，讨论关键挑战与未来方向，推动相关研究发展。

Great X: A Unified Multi-Modal Simulator Bridging the Sim2Real Gap for 6G

Great X：一种统一的多模态模拟器，弥合6G的模拟与现实差距

Yuan Gao, Kongwu Huang, Jun Jiang, Shiyi Mu, Shugong Xu

机构 * Shanghai University（上海大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） 纠错

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

AI总结 针对6G无线研究中多模态数据集收集难题及现有模拟器不足，提出在虚幻引擎实现统一单引擎模拟器Great-X，集成光线追踪等技术，构建含大量同步样本的Great-MCD，实验显示其性能优于现有模拟器及测量数据基线。