自动驾驶

VG3S: Visual Geometry Grounded Gaussian Splatting for Semantic Occupancy Prediction

VG3S：基于视觉几何的高斯散射用于语义占用预测

Xiaoyang Yan, Muleilan Pei, Shaojie Shen

机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 VG3S 通过引入视觉基础模型的几何 grounding 能力，提升语义占用预测的准确性与泛化能力。

Comments Accepted by IROS 2026

Density-Dependent McKean--Vlasov Diffusions: Subgaussian Occupancy Bounds and Polynomial Propagation of Chaos

密度依赖的McKean-Vlasov扩散：次高斯占有界与混沌的多项式传播

Denis Belomestny, Ekaterina Morozova

专题命中 BEV与占用 ：occupancy(title,abstract)

AI总结 研究密度依赖的McKean-Vlasov扩散及直方图粒子近似，在两个解析条件下用路径空间熵证明，得出相关占有界和误差估计，还介绍了直方图估计器的可扩展性及低评估成本。

Comments 11 pages

LoRFT: Benchmarking Long-Range Vehicle Trajectory Reconstruction from Fixed Highway Cameras

LoRFT：基于固定高速公路摄像头的长距离车辆轨迹重建基准测试

Yufan Zhu, Kefu Yi, Xueju Zhang, Yunyang Tian, Long Chen, Zixuan Xiao

机构 * School of Transportation, Changsha University of Science and Technology（长沙理工大学交通运输工程学院） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.CV

AI总结 研究针对从固定高速公路摄像头恢复长距离车辆轨迹的难题，提出Map-RSTNet模型，引入LoRFT基准测试。实验表明该模型能有效降低误差，证明道路几何感知重建的有效性，为长距离车辆轨迹重建提供了可重复测试平台。

Comments 17 pages, 5 figures. Code and processed annotations: https://github.com/YvfanZhu/LoRFT

Optimizing QoS in HD Map Updates: Cross-Layer Multi-Agent with Hierarchical and Independent Learning

在HD地图更新中优化服务质量：跨层多智能体与分层独立学习

Jeffrey Redondo, Nauman Aslam, Juan Zhang, Zhenhui Yuan

专题命中 BEV与占用 ：LiDAR(abstract)

AI总结 本文提出了一种跨层多智能体方法，通过分层和独立学习优化HD地图更新的QoS，显著降低不同服务的延迟。

The Geometry of Learning to Avoid Interventions

从紧急停止干预中学习鲁棒性干预

Ethan Pronovost, Khimya Khetarpal, Siddhartha Srinivasa

机构 * Paul G. Allen School of Computer Science \& Engineering, University of Washington, Seattle, USA ； Google DeepMind, Seattle, USA 纠错

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出残差干预微调算法，通过结合先验策略解决干预信号不明确的问题，实现鲁棒的策略改进。